八章图像分析.pptVIP

Somchai Jitapunkul, DSPRL 第八章 图像分析 概述 图像分析的一个主要工作－要从图像中获得目标特征的量值 这些量值的获取常借助于对图像分割后得到的分割结果，对目标特征的测量利用分割结果进一步从图像中获取有用信息 两个关键问题：1、选用什么特征来描述目标 2、如何精确的测量这些特征 图像分割之后，为了进一步对图像作分析和识别，就必须通过对图像中的物体(目标)作定性或定量的分析来作出正确的结论－这些结论是建立在图像物体的某些特征的基础上的 图像描述－就是用一组数量或符号(描述子)来表征图像中被描述物体的某些特征 图像目标的特征提取 幅度特征 －作为图像特征，一般应具备以下几个特点，(1)可区分性；(2)可靠性；(3)独立性；(4)数量要少。 图像象素灰度值、三色值、频谱值等表示的幅值特征是最基本的图像特征。也可以取确定邻域(如含有(2W+1)×(2W+1)个象素)中的平均灰度幅度 统计特征 直方图统计特征 图像振幅的一维概率密度可定义为 表示灰度整量电平。相应的一阶直方图为 其中：M表示以(i,j)为中心的测量窗内象素的总数，N(b)表示该窗内灰度值为b的象素数。对于一幅平稳图像而言，测量窗可取为整幅图像。 二维直方图是基于象素的二维联合分布密度定义得到的 设(i,j)，(k,l)两任意象素点上的灰度值分别为f(i,j)，f(k,l)，则图像灰度值的联合分布密度可表示为 相应的二维直方图可表示为 其中M为测量窗口中象素总数，N(a,b)表示两事件f(i,j)=a，f(k,l)=b同时发生的概率。 统计示性数特征 当图像中象素间有较强的相关性时，P(a,b)矩阵将沿对角线密集排列。可以用二维分布示性数来描述二维图像数组的统计特性。 目标表达 链码Chain Code 链码是对边界点的一种表示方法 特点－利用一系列具有特定长度和方向的相连的直线段来表示目标的边界，每个线段的长度固定，而方向数目取为有限，只要边界的起点用（绝对）坐标表示，其余点只用方向来代表偏移量 实际中直接对分割所得的目标边界编码有可能出现2个问题： 边界段boundary segments 链码对边界的表达是逐点进行的，而一种表达数据量更节省的方法是把边界分解成若干段分别表示，可以减少边界的复杂度，并简化描述过程 将边界分解为多个边界段，一般借助凸包的概念来进行 多边形近似Polygonal Approximations 在实际中，由于噪声、采样等影响，在边界处有很多较小的不规则处。这些不规则处常对链码和边界段表达产生较明显得干扰 一种抗干扰性能更好，且更节省表达所需数据量的方法－用多边形去近似逼近边界 标记Signature 标记是边界的1-D泛函表达 产生标记方法很多： 中轴变换 中轴变换是将区域骨架化，同时还附带区域形状和大小的区域边界信息。因此，中轴变换除了可以用中轴(骨架)来表示区域外，还可以由中轴变换的表示重建原始区域。我们称对象中，那些以它们为圆心的某个圆和边界至少有两个点相切的点的连线，为该对象的中轴，可以用从草场的四周同时点火来比喻对象中轴的形成过程。当火焰以相同的速度同时向中心燃烧时，火焰前端相遇的位置，恰好就是该草场的中轴 当围绕边界线逐层去除外围点时，若一点被一次剥皮中遇到两次，则该点是中轴上的点，因此这一点被除去，对象将被分割成两部分。设某个区域S的边界为B，对于该区域内的任意一点x，有 另外一种生成“中轴”的方法是以某种方式对对象中的全部内点进行试验，逐个以它们为圆心，做半径逐渐增大的圆，当圆增大到和目标边界至少有两个不相邻的点同时相切时，则该点是中轴上的点。如图8.3.11给出了这种中轴生成方法，其中x1点、x3点是中轴点，因为以它们为圆心的圆是最大的或具有两个或两个以上的切点，而x2点不属于中轴点，因为有包含它的在S中的更大的圆存在或以x2为圆心的圆与S的边界只有一个切点 也可以用点到边界的距离来定义骨架和中轴。骨架S*是目标S中到边界B有局部最大距离的点集合，即，若(u,v)是(i,j)点的全部邻点，当且仅当 时，称S中的点(i,j)为骨架S*上的点，其中d(i,j,B)和d(u,v,B)分别表示(i,j)和(u,v)点到边界B的距离，显然，若(i,j)在边界B上，则d(i,j,B)=0，在其他情况下，d(i,j,B)0。 为了由骨架还原原始图像，引入一个新的定义，把离开(i,j)点的距离≤t的点的集合，称为“盘”，并记作为Dt(i,j)，据此定义，按4-方向距离，Dt(i,j)为一菱形，按8-方向距离，Dt(i,j)为一正方形，于是可以得到下列结论： 如果对于S中的点(i,j)的全部集合有d(i,j，B)t，则Dt(i,j)必在S中 如果(