第四章低级特征提取(3)基于相位一致性的边缘检测

第四章低级特征提取(2)基于相位一致性的边缘检测

4.3 相位一致性

a. 相位一致性方法是一个特征检测算子,主要优点为:
(1)可以检测大范围的特征;
(2)对局部光照具有不变性;
综合来看即一致性检测具有局部对比度不变性;
正如其名,相位一致性是基于相位考虑的频域处理,一般认为,对于边缘信号对应的峰值,峰值是各个组成频率在同一时间达到峰值而产生的;这表明为了找到我们想要的特征,可以确定一些同时发生事件的特征描述,在该算子里即相位一致性;
通过一般化处理,一个三角形波由峰值和谷值描述,相位一致性意味着组成信号的峰值和谷值是完全一致的;

b.对某一阶梯信号进行处理,对其一维信号进行傅里叶变换,根据幅值和相位确定正弦波组成,根据傅里叶变换Fp对组合信号xc进行表示有,
信号傅里叶表示
其中u表示傅里叶分量序数,|Fpu |表示信号幅值,ϕ(Fpu)表示信号相位;
相位一致性在特定条件的应用下有良好的效果;针对图像序列可能存在的光照变化,相位一致性算法也具有更好的适应性;相位一致性算法检测到的边缘更加清晰,对弱对比度边缘有更好的检测效率,但同时也可能引入更多干扰;

c. 相位一致性的方法最初来自局部能量的概念,与人类视觉系统关系密切,Kovesi(1999)设计了一个优良的实现算法;
实质上我们想通过找那些傅里叶分量相位最大的点来确定特征,定义相位一致性量度PC,
相位一致性量度PC
其中ϕu (x)表示x处Fpu的相位,实际上计算的是矢量上的投影总和与总矢量长度的比值,使等式取值最大化的ϕ ̅(x)是幅值,它由当前点上所有傅里叶项的平均局部相位角赋予权值。
也就是ϕ ̅(x)实际上是一个矢量叠加得到的等价相位,然后各个Fpu在该等价相位上投影,计算其累计矢量模值/模值的和,如果约接近1,则说明这该点的各组傅里叶基元的一致性越高;所谓相位一致性是一个无因次正规量;
利用该方法可以在单一维度分析函数的相位一致性,阶梯函数处相位一致性度量PC拔群;但噪声对相位一致性有较大影响;
这一算子的问题有:
(1)实现困难;
(2)由于尺度不敏感导致的对噪声敏感
(3)不便于定位;

d. 事实上相位一致性直接正比于局部能量,因此了另一种常用的阶梯定位方法是根据局部能量极值进行定位;Kovesi(1999)基于小波的度量提高噪声抑制,其基本形式是对一组小波滤波器和图像进行卷积计算,计算平均滤波响应和单个滤波响应之间的差值,从而确定相位一致性;
对一维信号I在尺度n)对一组小波的响应偶分量和奇分量分别为:
在这里插入图片描述
该尺度变换的幅值记为An(x),;在每个点x上都有一组矢量对应各个尺度的滤波器,由于只对大范围频率(而不是几个不同尺度)产生的整体相位一致性感兴趣,则偶分量有
even part
奇分量
odd part
因而总体幅值可以表示为
在这里插入图片描述
则相位一致性可以描述为
在这里插入图片描述
采用这种表示的相位一致性实际上描述的是局部能量密度;
基于这一基本算法Kovesi提出了若干改进,例如信号可信度描述函数、二维扩展性等;

e. Kovesi的二维实现,首先采用一个低通的具有L个不同朝向的高斯滤波器g,然后使用带通的M个不同尺度的log-Gabor滤波器lg作为加宽函数;这些函数结合形成一个而为滤波器12Dg,可以在不同尺度和不同方向上发生作用,
在这里插入图片描述
基于该滤波器和图像P卷积的相位一致性,可以利用该滤波器12Dg的傅里叶变换ζ^(-1)计算空间域卷积模板,即
在这里插入图片描述
根据m尺度上的卷积结果S(m)可以计算M个尺度的相位一致性
在这里插入图片描述
但这个值有点棘手还需要优化;
f. 相位一致性的关键词是:频域、小波、卷积,即主要在频域进行运算,小波变换是一种优秀的计算方法;相位一致性的性能确实激发了对它的关心,尤其当存在局部光照变化或需要考虑大量特征的情形;

  • 2
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值