1.模式特征
(1)全局特征
全局特征通常是图像区域的一些特征,如面积、周长、傅里叶描述子和矩特征等。全局特征可以通过考虑区域内的所有点来得到,或只考虑区域边界上的所有点来得到。在每一种情况下,目的都是为了描述子,该描述子是通过考虑所有点位置、强度特性和空间关系来得到。
(2)局部特征
局部特征通常位于物体的边界上或者表示区域中可分辨的一个小曲面,比如曲率及其有关的性质就属于局部特征。曲率可能是边界曲率,也可能是从曲面上计算出来的。曲面可以是强度曲面,或者2.5维空间曲面。一些常用的局部特征由曲率、边界段和角点。在有遮挡或图像不完整的情况下,使用物体的局部特征比用物体的全局特征更有效。
(3)关系特征
关系特征是基于区域、封闭轮廓或局部特征等不同实体的相对位置建立的。这些特征通常包括特征之间的距离和相对方位测量值,它们在基于使用图像区域或局部特征来识别和描述多个实体或物体时非常有用。在多数情况下,图像中不同实体的相对位置就完全定义了一个物体。完全相同的特征,但关系特征稍微不同,则可能表示完全不同的物体。
##2.匹配算法
已知原始图像 S ( W , H ) S(W,H) S(W,H)和模板T(m,n),有式: R ( i , j ) = ∑ m = 1 M ∑ n = 1 N S i j ( m , n ) T ( m , n ) ∑ m = 1 M ∑ n = 1 N [ S i j ( m , n ) ] 2 ∑ m = 1 M ∑ n = 1 N [ T ( m , n ) ] 2 R(i,j)=\frac{\sum_{m=1}^{M}\sum_{n=1}^{N}S_{ij}(m,n)T(m,n)}{\sqrt{\sum_{m=1}^{M}\sum_{n=1}^{N}[S_{ij}(m,n)]^2} \sqrt{\sum_{m=1}^{M}\sum_{n=1}^{N}[T(m,n)]^2}} R(i,j)=∑m=1M∑n=1N[Sij(m,n)]2∑m=1M∑n=1N[T(m,n)]2∑m=1M∑n=1NSij(m,n)T(m,n)。找出R的最大值,对于的S即是匹配目标。
3.测量算法
(1)面积与周长
面积是物体的总尺寸的一个方便的度量,面积只与物体的边界有关,而与其内部灰度级的变化无关。物体的周长则在区别具有简单或复杂形状物体时特别有用。一个形状简单的物体用相对较短的周长来包围它所占的面积。面积和周长可以从已分割的图像抽取物体的过程中计算出来。
其过程有:
①边界定义
②像素计数面积:最简单的方法就是统计边界内部(也包括边界上)的像素的数目,与这个定义相对应,周长就是围绕所有这些像素的外边界的长度。
③:多边形周长:测量物体周长的方法是将物体边界定义为以各边界像素中心为顶点的多边形。于是,相应的周长就是一系列横竖向(
Δ
p
=
1
\Delta p=1
Δp=1)和对角线方向(
Δ
p
=
2
\Delta p=\sqrt2
Δp=2)的间距之和。一个物体的周长可表示为:
p
=
N
e
+
2
N
o
p=N_e+\sqrt2 N_o
p=Ne+2No
④多边形的面积:按像素中心定义的多边形的面积等于所有像素点的个数减去边界像素点数目的一半加1.即:
A
=
N
o
−
[
(
N
b
2
)
+
1
]
A=N_o-[(\frac{N_b}{2})+1]
A=No−[(2Nb)+1]
在通常情况下,一个边界像素的一半在物体内尔另一半在物体外;而且,绕一个封闭曲线一周,由于物体总的来说是凸的,相当于一般像素的附加面积是落在物体外的。换句话说,通过减去周长的一半来近似地修正这种由像素点计数导出的面积。
(2)长度和宽度
当一个物体已从一幅图像中分割出来后,它在水平和垂直方向的跨度只需知道物体的最大和最小行/列号就可以计算。但对具有随机走向的物体,水平和垂直并不一定是感兴趣的方向,在这种情况下,有必要确定物体的主轴并测量与之相关的长度和宽度。
当物体的边界已知时,有几种方法可以确定一个物体的主轴。可以算出物体内部点的一条最佳拟合直线(曲线),也可以从矩的计算得出,第三种方法是应用物体的最小外接矩形。应用MER技术,物体的边界以3°左右增量旋转90°。每次旋转一个增量后,用一个水平放置的MER来拟合其边界。在某个旋转角度,MER的面积达到最小值。这时的MER的尺寸可以用来表示该物体的长度和宽度。MER最小时的旋转角度绘出了该物体的主轴方向。
(3)形状分析描述
<1>矩形度
矩形度用物体的面积与其最小外接矩形的面积之比来刻画,反映物体对其外接矩形的充满程度。反映物体矩形度的参数是矩形拟合因子。
R
=
A
O
A
R
R=\frac{A_O}{A_R}
R=ARAO
其中,
A
O
A_O
AO是该物体的面积,
A
R
A_R
AR是其MER的面积。对于矩形物体R取值最大值1.0,对于圆形物体R取值为
π
4
\frac{\pi}{4}
4π,对于纤细的、弯曲的物体取值变小。矩形拟合因子的值限定在0到1之间。
A
=
W
L
A=\frac{W}{L}
A=LW
它等于MER的宽与长的壁纸。这个特征可以把较纤细的物体与方向或圆形物体区分开。
<2>圆形度
圆形度用来刻画物体边界的复杂程度,它们在圆形边界时取最小值。最常用的圆形度是周长与面积的比。这个特征对圆形形状取最小值
4
π
4\pi
4π越复杂的形状取值越大,圆形度指标C与边界概念有着粗略的联系。
C
=
P
2
A
C=\frac{P^2}{A}
C=AP2
一个相关的圆形度指标是边界能量。假定一个物体的周长为P,用变量p表示边界上的点到某一起始点的距离。在任一点,边界都有一个瞬时曲率半径
r
(
p
)
r(p)
r(p)。这是在该点与边界上切的圆的半径,在p点的曲率函数为
K
(
p
)
=
1
r
(
p
)
K(p)=\frac{1}{r(p)}
K(p)=r(p)1
函数K§是周期为P的周期函数。可以用下式计算单位边界长度的平均能量:
E
=
1
P
∫
0
p
∣
K
(
p
)
∣
2
d
p
E=\frac{1}{P}\int_0^p|K(p)|^2dp
E=P1∫0p∣K(p)∣2dp
对于一固定的面积值,一个圆具有最小边界能累
E
0
=
(
2
π
p
)
2
=
(
1
R
)
2
E_0=(\frac{2\pi}{p})^2=(\frac{1}{R})^2
E0=(p2π)2=(R1)2
R是该圆的半径,因而边界能量也可方便计算。
第三个圆形度指标利用了从边界上的点到物体内部某点的平均距离。这个距离为
d
ˉ
=
1
N
∑
i
=
1
N
x
i
\bar d=\frac{1}{N}\sum_{i=1}^Nx_i
dˉ=N1i=1∑Nxi
其中,
x
i
x_i
xi是从一个具有N个点的物体中的第i个点到与其最近的边界点的距离,相应的形状度量为
g
=
A
d
ˉ
2
=
N
3
∑
i
=
1
N
x
i
g=\frac{A}{\bar d^2}=\frac{N^3}{\sum_{i=1}^Nx_i}
g=dˉ2A=∑i=1NxiN3
分母中的和是经距离变换后的图像的IOD。经距离变换后的图像中某像素的灰度级反映了该像素与其最近边界的距离。