特征提取与表达资料.ppt

第十八章 特征提取和表达 18.1 介绍 特征提取是对一幅图像中某些感兴趣的特征进行检测与表达来进行进一步处理的过程。 它是大多数计算机视觉系统和图像处理方案的关键。所得到的结果可以用作模式识别和分类技术的输入。这些技术将标记、分类或识别图像或其中目标的语义内容。 18.2 特征矢量和矢量空间 特征矢量是一个n×1的数组，它记录了一幅图像或目标的n个特征，数组的内容可以是符号，数字，也可以是两者的结合。 一个数字特征矢量如下：x=（x1,x2,x3,…,xn） 特征矢量是一幅图像或图像中目标的紧凑表达,它与特征空间相关联。该空间是一个n-D允许可视化的和解释特征矢量内容、他们的相对距离的超空间。 例18.1 假设该目标用面积和周长表达，面积和周长的计算值如下： 不变性和鲁棒性 通用要求：用来表达一幅图像的特征对旋转、放缩和平移不变，结合起来称为RST。 RST不变性保证一个机器视觉系统在目标以不同的尺寸在图像中不同位置和角度呈现是仍能识别它们。 一个机器视觉系统特征提取和表达步骤包括RST不变性和对其他因素要有鲁棒性。 18.3 二值目标特征 二值目标是一幅二值图像f（x，y）中的一个链接区域。记为 18.3.1面积 18.3.2 重心 18.3.3 最小二阶矩的轴 最小二阶矩的轴用来提供关于目标相对于平面图像坐标的朝向信息。描述成最小惯量的轴。角度θ为垂直轴和最小二阶矩轴之间逆时针测量的夹角。 18.3.4 投影 一个二值目标的水平投影和垂直投影分别为 目标区域中心坐标 欧拉数： 孔数H、连通组元的数目C、欧拉数E E=C-H 图像的欧拉数是图像的拓扑特性之一，它表明了图像的连通性。 可见通过欧拉数可用于目标识别 18.3.6 周长 一个二值目标Oi的周长可以根据对具有一个或多个紧邻背景像素的目标像素计数得到。另一种方法是先提取目标的边缘然后对得到的边界像素计数。 18.3.7 细度比例 一个二值目标的细度比例Ti是一个将目标的面积和它的周长联系起来的品质因数 细度比常用作圆形性的量度和规则性的 量度。1/Ti称为非规则性和紧凑比例。 18.3.8 偏心率 一个目标的偏心率定义为目标长轴和短轴的比。 18.3.9 宽高比 宽高比是一个目标之围合的维数间联系 的测度。 18.3.10 矩 一幅数字图像f（x，y）的（p+q）阶2-D矩定义为： 其中M和N分别是图像的高和宽，而p和q是非零正整数。中心距是位移不变的矩。它们定义为： 18.4 边界描述符 小虫追踪算法： (1)目标的某些小凸部可能被迂回过去, 若要避免这种情况,必须多选一些起始点并取不同起始方向重复进行,然后取相同的轨迹作为目标轮廓.重复的次数视图像的复杂程度而定.但即使重复多次也未必能避免这种问题 链码? 定义：链码是一种边界的编码表示法。一个轮廓用它表示成一系列具有特定长度和方向的直线段。最简单的链码机制是缝隙码，它是对小虫追踪算法得到的方向赋值：右（0），下（3），左（2），上（1）。 费里曼码： 一阶差分：将得到的数组转化为一个旋转不变的等价数组。用费里曼码中两个持续元素间90度的倍数来表示。 形状数：一阶差分可以看成一个循环数组，并周期性的旋转直到得到的数字模式给出最小的可能。 18.4.2 边界标志 一个边界标志是一个边界的1-D表达，通常将边界表示在一个极坐标系统中。 18.4.3傅立叶描述符 基本思想：?对于XY平面上的每个边界点，将其坐标用复数表示为：s(k)?=?x(k)?+?jy(k)?????k=0,1,…,N-1 用逆DFT可恢复出原始图像。 例 18.5 基于直方图特征 平均灰度级（平均强度m） 标准方差： 如果已知图像的均值（m），方差（σ）和最频值（mode）则偏度定义为： 图像的纹理 一般认为类似于布纹、草地、砖头、 墙面等具有重复性结构的图像叫纹理图像。 纹理描述所用最简单的统计特征集合包括下列基于直方图的图像描述符。均值，方差，偏度，能量，熵。 方差有时用来作为一个粗糙度的归一化描述符： 灰度共生矩阵G：该矩阵的元素g（i，j）代表在图像中具有强度zi和zj像素对处在由算子d指定位置的次数。矢量d为位移矢量，dx，dy分别是沿图像行和列的位移。 灰度共生矩阵归一化如下： I = imread(F:\photos\tu.PNG); b=rgb2gray(I); %转换成灰度图 imshow(b); [B,L]=bwboundaries(b) figure,imshow(I);hold on; for k=1:length(B);