图像特征提取与分析.pptVIP

2.凹凸性凹凸性是区域的基本特征之一，区域凹凸性可通过以下方法进行判别：区域内任意两像素间的连线穿过区域外的像素，则此区域为凹形。相反，连接图形内任意两个像素的线段，如果不通过这个图形以外的像素，则这个图形称为是凸的。任何一个图形，把包含它的最小的凸图形叫这个图形的凸闭包。凸图形的凸闭包就是它本身。从凸闭包除去原始图形的部分后，所产生的图形的位置和形状将成为形状特征分析的重要线索。凹形面积可将凸封闭包减去凹形得到。区域的凹凸性距离距离在实际图像处理过程中往往是作为一个特征量出现，因此对其精度的要求并不是很高。所以对于给定图像中三点A,B,C，当函数D(A,B)满足下式的条件时，把D(A,B)叫做A和B的距离，也称为距离函数。第一个式子表示距离具有非负性，并且当A和B重合时，等号成立；第二个式子表示距离具有对称性第三个式子表示距离的三角不等式。计算点(i,j)和(h,k)间距离常采用的几种方法：欧氏距离，用来表示。4-邻域距离，也称为街区距离。8-邻域距离，也称为棋盘距离。这三种距离之间的关系：，如图所示。街区距离和棋、盘距离都是欧式距离的一种近似。0102下图中表示了以中心像素为原点的各像素的距离。从离开一个像素的等距离线可以看出，在欧氏距离中大致呈圆形，在棋盘距离中呈方形，在街区距离中呈倾斜45度的正方形。街区距离是图像中两点间最短的4－连通的长度，而棋盘距离则是两点间最短的8－连通的长度。此外，把4-邻域距离和8-邻域距离组合起来而得到的八角形距离有时也被采用，它的等距线呈八角形。4.区域的测量区域的大小及形状表示方法主要包括以下几种：（1）面积S：图像中的区域面积S可以用同一标记的区域内像素的个数总和来表示。按上述表示法区域R的面积S=41。区域面积可以通过扫描图像，累加同一标记像素得到，或者是直接在加标记处理时计数得到。区域的面积和周长周长L：区域周长L是用区域中相邻边缘点间距离之和来表示。采用不同的距离公式，周长L的计算不同。常用的有两种：一种计算方法是采用欧式距离，在区域的边界像素中，设某像素与其水平或垂直方向上相邻边缘像素间的距离为1，与倾斜方向上相邻边缘像素间的距离为。周长就是这些像素间距离的总和。这种方法计算的周长与实际周长相符，因而计算精度比较高。另一种计算方法是采用8邻域距离，将边界的像素个数总和作为周长。也就是说，只要累加边缘点数即可得到周长，比较方便，但是，它与实际周长间有差异。根据这两种计算周长的方式，以区域的面积和周长图为例，区域的周长分别是和22。式中为S区域面积；L为区域周长R0值的范围为，R0值的大小反映了被测量边界的复杂程度，越复杂的形状取值越小。R0值越大，则区域越接近圆形。圆形度R0：圆形度R0用来描述景物形状接近圆形的程度，它是测量区域形状常用的量。其计算公式为：01该式描述了区域单位面积的周长大小，e值越大，表明单位面积的周长大，即区域离散，则为复杂形状；反之，则为简单形状。e值最小的区域为圆形。典型连续区域的计算结果为：圆形e=12.6；正方形e=16.0；正三角形e=20.8。此外，常用的特征量还有区域的幅宽、占有率和直径等。（4）形状复杂性e：形状复杂性常用离散指数表示，其计算公式为：02第8章图像特征提取与分析图像特征及特征提取的基本概念。01常见的图像特征提取与描述方法，如颜色特征、纹理特征和几何形状特征提取与描述方法。02本章重点：小结05图像的纹理分析技术04形状特征描述03颜色特征描述02基本概念01让计算机具有认识或者识别图像的能力，即图像识别。01特征选择是图像识别中的一个关键问题，将直接影响到图像识别分类器的设计，性能及其识别结果的准确性。02特征选择和提取的基本任务是如何从众多特征中找出最有效的特征。03目的8.1基本概念特征提取原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个过程就叫特征提取。特征形成根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。8.1基本概念8.1基本概念特征选择从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程就叫特征选择。选取的特征应具有如下特点：可区别性可靠性独立性好数量少特征提取与选择总原则：尽可能减少整个识别系统的处理时间和错误识别率，当两者无法兼得时，需作出平衡。颜色特征反映彩色图像的整体特征，一幅图像可以用它的颜色特性近似描述。01根