图象视觉特征的提取与表示.pdfVIP

第1章 图像视觉特征的提取和表示 1.1 引言 图像视觉特征的提取和表示是将图像的视觉信息转化成计算机能够识别和 处理的定量形式的过程，是基于视觉内容的图像分类与检索的关键技术，因此， 图像视觉特征的提取和表示一直是图像内容分析领域中一个非常活跃的课题。 图像底层视觉特征一定程度上能够反映图像的内容，可以描述图像所表达的 意义，因此，研究图像底层视觉特征是实现图像分类与检索的第一步。一般来说， 随着具体应用的不同，选用的底层特征也应有所不同，在特定的具体应用中，不 同底层视觉特征的选取及不同的描述方式，对图像分类与检索的性能有很大的影 响。通常认为，一种良好的图像视觉特征的提取和表示应满足以下几个要求： (1)提取简单，时间和空间复杂度低。 (2)区分能力强，对图像视觉内容相似的图像其特征描述之间也应相近，反 之，对于视觉内容不相似的图像其特征描述之间应有一定的差别。 (3)与人的视觉感知相近，对人的视觉感觉相近的图像其特征描述之间也相 近，对人的视觉感知有差别的图像其特征描述之间也有一定的差别。 (4)抗干扰能力强，鲁棒性好，对图像大小，方向不敏感，具有几何平移， 旋转不变性。 本章重点讨论当前比较成熟的特征提取方法，在此基础上选取合适的特征提 取方法，用于图像分类与检索系统的特征提取模块。接下来，将依次介绍颜色， 纹理，形状等特征的提取和表示方法，最后对各种特征的特点加以比较。 1.2 颜色特征的提取和表示 颜色是图像视觉信息的一个重要特征，是图像分类与检索中最为广泛应用的 特征之一。一般来说同一类别的图像之间颜色信息具有一定的相似性，不同类别 的图像，其颜色信息具有一定的差异。相对几何特征而言，颜色特征稳定性好， 有对大小、方向不敏感等特点。因此，颜色特征的提取受到极大重视并得到深入 研究。本章首先介绍几种常用的颜色空间模型，然后介绍各种颜色特征提取和表 示方法。 1.2.1 颜色空间模型 为了正确地使用颜色这一特征，需要建立颜色空间模型，通常的颜色空间模 型可用三个基本量来描述，所以建立颜色空间模型就是建立一个 3-D 坐标系，其 中每个空间点都代表某一种颜色。通常来说，对于不同的应用，应该选取不同的 颜色空间模型。常用的颜色空间模型主要有：RGB 、HIS 、HSV 、YUV 、YIQ 、 * * * * Munsell 、Lu v 和 La b 等。颜色空间模型的选取需要符合一定的标准，下面就这 一标准和最常用的颜色空间模型作一些介绍。 文献中介绍了选择颜色空间模型的标准主要有以下几个： (1) 观察角度的鲁棒性 (2) 对物体几何性质的鲁棒性 (3) 对光照方向改变的鲁棒性 (4) 对照强度改变的鲁棒性 (5) 对照明的光谱能量分布(SPD)的鲁棒性 (6) 高分辨能力 (7) 对物体遮掩和杂乱的鲁棒性 (8) 对图像噪声的鲁棒性 RGB 颜色空间模型由 R 、G、B 分量构成，是最常用的颜色空间模型，现在 各种格式的图像都是采用 RGB 空间存储和传输，并得到各种物理设备的直接支 持。但是，研究发现，RGB 颜色空间模型也有一些缺点，主要表现在以下三个 方面：首先是通道之间的相关性，BR 之间的相关性系数大约为 0.74,RG 相关性 系数约为 0.98，GB 之间的相关性系数为 0.94 ；其次是心理学上的非直观性；最 后是感知上的非一致性。为了更好地适应于各种应用场合，人们提出了很多的其 他颜色空间模型。 HIS 颜色空间模型反映了人观察颜色的方式，与人的视觉感知特性符合较 好，其中，I 表示亮度，H 表示色度，S 表示饱和度。与 HIS 颜色空间模型相比， HSV 颜色空间模型更符合人类对颜色的视觉感知特性，H 表示色调，色调是彩 色相互区分的特性，S 表示饱和度，是指彩色的纯洁性，V 表示强度，是指彩色 的明暗程度，这三个分量是相互独立的。在彩色图像的分割中，RGB 模式难以 直接进行分割，只有将它们转化成 HSV 模式才行。从 RGB 颜色空间模型转换到 HSV 颜色空间模型的方法有多种，本文介绍一种比较容易实现的转换方法。 ⎧ (R -G ) +(R - B ) arccos