-
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
- 0阶矩
- 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
- 各界统计矩
- 区域边界的形状特征描述
- 链码
- Hough变换
- 基本概念
-
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
- 统计分析方法
-
-
8.2常用图像特征提取方法
-
数字图像知识梳理——6
最新推荐文章于 2024-10-18 00:00:00 发布