智能图像处理与分析识别课件：图像特征提取与选择.pptx

智能图像处理与分析识别

《智能图像处理与分析识别》图像特征提取与选择8.1几何特征8.2颜色特征8.3纹理特征8.4基于主成分分析的特征选择8.5基于分离判据的特征选择

图像特征提取与选择图像识别中，对获得的图像直接进行分类是不现实的。主要是由于图像数据占用很大的存储空间，直接进行识别费时费力，其计算量无法接受；其次图像中含有许多与识别目标无关的信息，如图像的背景等。因此，必须对图像进行特征的提取和选择，这样就能对被识别的图像数据进行大量压缩，有助于图像的识别。特征提取是从模式的某种描述状态提取出所需要的、用另一种形式表示的特征（如在图像中抽取轮廓信息，在声音信号中提取不同频率的信息等）。特征选择是对模式采用多维特征向量描述。图像特征对图像分类起的作用不同，在原特征空间中选取对分类有效的特征，并组成新的降维特征空间，以降低计算的复杂度，同时改进分类效果。特征的提取和选择是模式识别中的一个关键问题。图像特征提取的优劣直接决定着图像识别的效果，但是在实际问题中往往不易找到待识别模式最表现本质的特征，或受条件限制不能对某种特征进行测量。

8.1几何特征几何特征几何特征图像的几何特征是指图像中物体的位置、方向、周长和面积等方面的特征。尽管几何特征比较直观和简单，但在图像分析中可以发挥重要的作用。提取图像几何特征之前一般要对图像进行分割和二值化处理。二值图像只有0和1两个灰度级，便于获取、分析和处理，虽然二值图像只能给出物体的轮廓信息，但在图像分析和计算机视觉中，二值图像及其几何特征十分重要，可用来完成分类、检验、定位、轨迹跟踪等任务。8.1.1位置一般情况下，图像中的物体通常并不是一个点，因此，采用物体或区域面积的中心点作为物体的位置。如图8-1所示，面积中心就是单位面积质量恒定的相同形状图形的质心O。由于二值图像质量分布是均匀的，故质心和形心重合。图8-1物体位置

8.1几何特征几何特征几何特征8.1.1位置若图像中的物体对应的像素位置坐标为(xi，yi)，其中，i={0，1，…，N-1}，j={0，1，…，M-1}，质心位置坐标()的计算公式如下所示。图像处理中，常求取图像质心来确定图像中心，以下将对比质心提取在各种形状提取中的效果。

8.1几何特征几何特征几何特征8.1.1位置%以图8-2中圆环为例I_gray=imread(ring.png);%读入图像level=graythresh(I_gray);%求二值化的阈值[height,width]=size(I_gray);bw=im2bw(I_gray,level);%二值化图像figure,imshow(bw);%显示二值化图像[L,num]=bwlabel(bw,8);%标注二进制图像中已连接的部分plot_x=zeros(1,1);%用于记录质心位置的坐标plot_y=zeros(1,1);质心求取的MATLAB代码实现如下：%%求质心sum_x=0;sum_y=0;area=0;[height,width]=size(bw);fori=1:heightforj=1:widthifL(i,j)==0sum_x=sum_x+i;sum_y=sum_y+j;area=area+1;endendendplot_x(1)=fix(sum_x/area);%质心位置plot_y(1)=fix(sum_y/area);?%%标记质心点figure,imshow(bw);holdonplot(plot_y(1),plot_x(1),wo,markerfacecolor,[000])上述代码实验结果如图8-2所示。【Matlab实现】

8.1几何特征几何特征几何特征8.1.1位置（a）原始图像（b）二值化图像（c）提取质心图8-2各种形状图形质心提取效果

8.1几何特征几何特征几何特征8.1.2方向图像分析不仅需要知道一幅图像中物体的具体位置，而且还要知道物体在图像中的方向。如果物体是细长的，则可以将较长方向的轴定义为物体的方向，如图8-3所示，该物体的方向则为x轴方向。通常采用最小二阶矩轴来定义较长物体的方向。也就是说，要找出一条直线，使物体具有最小惯量，即：