第九章 特征测量技术1.ppt

* */17 9.5 轮廓矩和区域矩 矩 一种基于统计的描述 利用被描述的所有象素性质 与空间的绝对位置无关 轮廓矩 将目标轮廓表示成1个1-D函数 用矩来定量描述该函数 * */17 9.5 轮廓矩和区域矩 区域矩 用所有属于区域内的点计算出来 中心矩 归一化中心矩 对平移、旋转和尺度变换不变的矩 区域轮廓的不变矩 不变矩Moments 对数字图像f(x,y)，如果它分段连续且只在XY平面上的有限个点不为0，则可证明它的各阶矩存在 区域的矩是用所有属于区域内的点计算出来的，因而不太受噪声等的影响。 f(x,y)的p+q阶矩定义为： 可以证明，mpq唯一的被f(x,y)所确定，反之，mpq也唯一点确定了f(x,y) f(x,y)的p+q阶中心矩定义为： 重心坐标 f(x,y)的归一化中心矩可表示为： Hu于1962年提出了7个对平移、旋转和尺度变换不变的矩，可由归一化的2阶矩和3阶中心矩得到： 原始图像 水平右平移4个象素 绕质心逆时针旋转60 绕质心逆时针旋转90 绕质心逆时针旋转180 尺度压缩一半 (f)的归一化 从表看出：在离散情况下，不变矩仍保持平移不变性，没有任何误差，旋转变换在旋转90，180(即90的整数倍)时保持了不变性，而在旋转角微60时产生较大的误差；尺度变换下不变矩的误差很大，而对图像进行归一化处理可大大降低误差 * */17 9.6 特征测量的精确度 测量 从数字化的数据出发，精确地估计产生这些数据的原始模拟量的性质 影响测量精确度的因素 (1) 客观物体本身参数或特征的自然变化 (2) 图象量化过程的影响 (3) 不同的图象处理和分析手段 * */17 9.6 特征测量的精确度 影响测量精确度的因素（续） (4) 不同的测量方法和计算公式 (5) 图象加工过程中噪声等干扰的影响 测量误差 (1) 精确度：无偏估计 (2) 准确度：一致估计 * */17 9.6 特征测量的精确度 距离测量 链码长度的计算通式 误差量度 不同长度计算公式的比较 * */17 第9章 本章要点 9.1节 轮廓的基本参数和测量公式 9.2节 区域的基本参数和测量公式 9.3节 区域形状的描述参数和测量公式 9.4节 区域纹理的描述参数和测量公式 9.5节 用矩描述轮廓和区域的方法和特点 9.6节 影响特征测量精确度的因素 比较不同线段长度的计算公式 设灰度图像I(u,v)在矩形区域0≤u≤Lx，0≤v≤Ly，之外为零，则其归一化自相关函数为 对于含有重复纹理模式的图像，自相关函数表现出一定的周期性，其周期等于相邻纹理基元的距离。当纹理粗糙时，自相关函数缓慢下降，而细纹理下降迅速。自相关函数被用来测量纹理的周期性以及纹理基元的大小。 最简单的统计法借助于灰度直方图的矩来描述纹理 图像或区域z的灰度直方图的n阶矩为： mn(z) = Si=1L (zi – m)n p(zi) m为z的均值： m = Si=1L zi p(zi) 2阶矩u2也叫方差 s2(z)，是灰度对比度的量度，可用于描述直方图的相对平滑程度 3阶矩u3表示了直方图的偏斜度(skewness) 4阶矩u4表示了直方图的相对平坦性(relative flatness) 仅借助灰度直方图的矩来描述纹理没能利用象素相对位置的空间信息，可建立区域灰度共生矩阵。 设S为目标区域R中具有特定空间联系的象素对的集合，则共生矩阵P定义为： 基于共生矩阵P，定义和计算几个常用的纹理描述符，即纹理2阶矩WM、熵WE、对比度WC和均匀性WH： 对应图像的均匀性或平滑性，当所有的P(g1,g2)都相等时，WM达最小值 给出1个图像内容随机性的量度，当所有P(g1,g2)都相等时(均匀分布)，WE达最大 共生矩阵各元素灰度值差的1阶矩，当P中大的元素接近矩阵主对角线时，WC较大(表明图像中的近邻象素间有较大的反差) 可看作是WC的倒数(k的作用是避免分母为0) 3个区域的周长和面积都相同，因而具有相同的形状参数，但它们的形状明显不同 p p p p p p p p p p p p p p p F1 F2 F3 A=5 |B|2=12 F1=F2=F3 注意：形状参数F不能区域的形状 2. 偏心率度E (Eccentricity)—伸张度 表示的方法： （1）采用区域主轴和辅轴的比。如图所示，E=A/B。 图中，主轴与辅轴相互垂直，且是两方向上的最长值。 * */17 （2）计算惯性主轴比，它基于边界线点或整个区域来计算质量。 A——像素点绕X轴的转动惯量 B——像素点绕Y轴的转动惯量 C——惯性积