图像特征的求取精选.docVIP

1设计目的 这次的课设题目是图像特征的求取，利用MATLAB来实现此功能。首先由由实验室机房提供的matlab软件和提供一张二值图片（包含一个圆或矩形、三角形的目标），然后根据提供的条件完成的主要任务: （1）掌握图像目标特征求取的基本原理； （2）熟练掌握matlab软件，并利用matlab设计一程序完成以下功能； （3）通过对二值图像原理的认识，进行产生二值图像目标特征提取的程序设计； （4）用二值图片（包含一个圆或矩形、三角形的目标）；计算目标的面积、周长、中心三个参数（不能使用matlab库函数）； （5）要求阅读相关参考文献不少于5篇。 2 理论知识介绍 2.1 图像的特征 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 二、纹理特征 纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理。 例如，水中的倒影，光滑的金属面互相反射造成的影响等都会导致纹理的变化。由于这些不是物体本身的特性，因而将纹理信息应用于检索时，有时这些虚假的纹理会对检索造成“误导”。 在检索具有粗细、疏密等方面较大差别的纹理图像时，利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候，通常的纹理特征很难准确地反映出人的视觉感觉不同的纹理之间的差别。 三、形状特征 各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：①目前基于形状的检索方法还缺乏比较完善的数学模型；②如果目标有变形时检索结果往往不太可靠；③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。另外，从 2-D 图像中表现的 3-D 物体实际上只是物体在空间某一平面的投影，从 2-D 图像中反映出来的形状常不是 3-D 物体真实的形状，由于视点的变化，可能会产生各种失真。 四、空间关系特征 所谓空间关系，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。通常空间位置信息可以分为两类：相对空间位置信息和绝对空间位置信息。前一种关系强调的是目标之间的相对情况，如上下左右关系等，后一种关系强调的是目标之间的距离大小以及方位。显而易见，由绝对空间位置可推出相对空间位置，但表达相对空间位置信息常比较简单。 空间关系特征的使用可加强对图像内容的描述区分能力，但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外，实际应用中，仅仅利用空间信息往往是不够的，不能有效准确地表达场景信息。为了检索，除使用空间关系特征外，还需要其它特征来配合。 2.2 二值图像特征提取 特征提取有三类方法：区域内部形状特征提取；区域外部形状特征提取；利用图像层次型数据结构，提取形状特征。 2.2.1区域内部形状特征提取 区域内部形状特征提取有区域内部空间域分析，它是直接在图像的空间区域内部提取形状特征来进行分析。特征提取方法主要有： （1）拓扑描绘子 （2）凹凸性 （3）区域的测量 这次课设的主要任务要计算目标的面积、周长、中心三个参数，因此这里主要讨论区域的测量。主要包括： ①面积：区域内像素的总和。 ②周长:关于周长的计算有多种方法，常用的有两种：一种计算方法是针对区域的边界像素而言，上、下、左、右像素间的距离为