数字图像处理第9章.ppt

* Digital Image Processing ◆9.1 图像匹配 ◆9.2 图像的分类 ◆9.3 图像识别 ◆9.4 要点总结 第9章 图像分类识别 在第7章我们介绍了图像的分割技术，它是将图像分成不同的目标物和背景区域。第8章对目标物区域的描述方法进行介绍，所有这些都是为图像的分类识别做准备。 一个图像识别系统大体上可以分成三个部分： (1)信息的获取部分； (2)信息的加工和处理； (3)进行判断和分类。 概 述 数字图像获取 图像预处理 图像分割 特征选择 与特征提取 分类与识别 图像分类识别系统 几个概念： (1) 要判定搜索图像中是否存在某一目标物，可以事先将该目标物从标准图像中分割提取出来，以矩阵形式表示成代表该目标物的样板，该样板就称做模板。 (2) 根据该模板与一幅图像的各部分的相似度，判定其是否存在，并求得目标物在图像中的位置，这一操作就叫模板匹配。 (3) 模板匹配最基本的原则就是通过计算相关函数来找到它在被搜索图像中的位置(坐标)。 (4) 匹配的方法包括基于模板的相关匹配、基于特征的最近匹配等。 9.1 图像匹配 模板匹配原理： 设模板为T（m,n）,其大小为M?M；搜索图像为S(m,n)，其大小为N?N，且N?M。将模板T叠放在搜索图像S上平移，模板覆盖下的区域称为子图 ， 为模板左上角像素点在图像S中的坐标，称为参考点，可以看到： ◆模板匹配 （a）图像 （b）被搜索模板 9.1 图像匹配 现在可以比较T和 的内容，若两者一致，则差为零，再用下面的公式来描述其相似程度（相似性）。 或 覆盖区域的子图能量，它随坐标（i,j）的变化而缓慢变化。 子图和模板的互相关系数，随坐标(i,j)的变化而变化，当T和 达到匹配时，互相关系数取最大值； 常数，表示模板的总能量，它的取值与坐标无关。 9.1 图像匹配 或者归一化为： 因此，可以用下列的相关系数作为相似性量度： 9.1 图像匹配 搜索图 模板 特点：由于模板模板匹配需要逐点进行检测，因此计算量很大，要在 个参考位置上做相关计算，匹配效率和精度也比较低。 ◆特征匹配： （1）图像匹配的计算量大，匹配效率和精度都很低； （2）实际应用中的多数场合，我们关心的并不是目标物所在区域的所有像素，而是目标物的特征； （3）常用的匹配特征有特征点、字符串、形状数、惯量等效椭圆等； （4）最常用的特征点是图像中的一些特殊点，例如边缘点、交界点和拐点等； （5）特征点匹配主要的步骤如下： ? 选取特征点； ? 特征点的匹配； ? 对匹配结果进行插值。 9.1 图像匹配 1.字符串匹配法 字符串的匹配是根据逐个符号完成的。首先将两个区域的边界A和B分别进行编码，得到两个字符串。从起始点开始，如果在某个位置上编码位的数值相同，则认为这两个边界有一次匹配，设M为两字符串匹配的次数，则非匹配的次数为 9.1 图像匹配 其中|| arg || 代表arg的字符串表达长度（符号个数），当且仅当两边界的字符串相等时，Q=0。 （1）则R越大说明两个边界的匹配程度越高。 （2）当完全匹配时R为无穷大。 （3）注意：起点的位置对计算量影响很大，因此通常需要对字符串进行归一化处理。 用一个相似性量度R来衡量两边界的近似程度： 2.形状数匹配法 （1）形状匹配中常用的一种方法是形状数匹配法。该方法的基本原理是：通过比较两个对象边界的形状数的相似程度，来匹配对象。 （2）首先定义两个区域边界的相似度为两形状数之间的最大公共形状数。 （3）设有闭合曲线A和B，都用4链码表示，当A和B具有相同的相似级别k时，则它们的相似度就是k。 （4）两个区域边界A和B形状数的距离D(A,B)为其相似度的倒数，即 则它必然满足： D(A,B) ? 0； D(A,B) = 0 当且仅当 A=B； D(A,C) ? max[D(A,B),D(B,C)] 9.1 图像匹配 利用形状数匹配法进行匹配的步骤是： （1） 用不同密度的网格划分边界区域，获得不同序数的形状数。 （2） 利用相似级别k或相似距离D进行相似性判别。 ① 如果使用相似级别k，k越大则越相似。 ② 如果使用相似距离D，D越小则越相似。 9.2 图像的分类 ◆图像分类就是根据提取出的目标物特征（一般用特征向量 表示），利用分类技术进行分类；