数字图像知识梳理——6

• 八、图像特征提取与分析（信息表示与特征提取）

  • 图像表示与特征提取是完成图像理解中目标识别、场景分类等任务的先决条件

  • 图像特征和特征描述算子：位置、尺寸、光照、旋转等条件发生变化时保持不变性

  • 8.1基本图像特征提取方法

    • 8.1.1颜色特征描述

      • 颜色空间描述：计算颜色直方图需要将颜色空间划分为若干个小的颜色区间，称为颜色量化
      • 颜色直方图
        • 本身不体现图像位置信息，因此它是位置无关的
        • 光照、旋转相关，利用颜色矩消除
      • 颜色矩的应用
        • 是一种图像的颜色特征，用来描述图像的颜色分布信息
        • 一阶矩：表示待测区域的颜色均值，用来消除光照敏感
        • 二阶矩：统计待测区域的颜色方差，描述不均匀性
        • 三阶矩：反映颜色的不对称性，引申为消除旋转敏感性

    • 8.1.2形状特征描述

      • 基本概念
        • 邻域：四邻域、八邻域、对角邻域
        • 连通性：四连接、八连接、m连接（消除8连接中的多路问题）
        • 单连接成分、多连接成分、孤立点、孔定义
      • 区域内部空间域分析
        • 欧拉数：连接成分-孔洞数（可以用于目标识别）
        • 凹凸性：是区域的基本特征之一（凸闭包定义）
        • 距离
          • 欧式距离、街区距离（4邻域距离）、棋盘距离（8邻域距离）
        • 区域的测量
          • 面积：区域内包含的像素值
          • 距离描述
          • 圆形度：R0=4pi*S/L^2（圆的圆形度为1），形状越复杂，周长越大，该值越小（0~1之间）
          • 形状复杂度：e=L^2/S，形状越复杂，e越大
      • 区域变换域分析
        • 各界统计矩
          • 0阶矩
            • m00描述图像灰度的总和，二值图像的m00表示面积
            • 用m00规格化m10和m01得到重心坐标
          • 中心矩
            • 用重心计算upq，消除位置影响
            • 用u00规格化中心矩，称为规格化中心矩，消除图像比例变化带来的影响，尺度无关性
          • 不变矩：用二阶和三阶规格化中心矩得到七个不变矩，对平移、旋转和尺寸大小无关
        • 投影：用于车牌识别，将二维图像的形状信息转到一维离散曲线的分析
        • 截口
      • 区域边界的形状特征描述
        • 链码
        • Hough变换

    • 8.1.3纹理特征描述

      • 纹理定义：像素组合按照一定的拓扑结构，规则性周期性的出现
      • 纹理的基本特点
        • 是区域属性（GLCM方法的基础），与图像分辨率相关——>图像金字塔多尺度纹理分析
        • 重复性、规则性和方向性等
      • 纹理分析方法：利用纹理在空间上的灰度分布特性
        • 统计分析方法
          • 灰度共生矩阵
          • 自相关函数
        • 结构分析方法：利用基元排列成纹理的特点
        • 基于模型的方法：假设一幅纹理图像是一类参数模型的实例
          • Markov(Gibbs)随机场
          • 分形模型
        • 基于信号处理的方法：纹理是具有周期性的，采用滤波方法处理
          • 空域滤波
          • 频域滤波：Gabor滤波器

  • 8.2常用图像特征提取方法