红外图像特征取提方法研究.ppt

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
红外图像特征取提方法研究

红外图像特征提取方法研究;红外图像:反应物体的热辐射差。;;;2.Zemike矩不变量就是一种正交的矩不变量,正交矩在信息冗余度、图像表达以及在识别效果方面比其他类型的矩要好. 3.Shen等提出了基于小波变换的小波矩,由于小波变换具有时频局部化特征,所以小波矩不仅可以描述图像的全局特征,也可以描述图像的局部特征,不易受到噪声的干扰,因而在识别相似的物体时有更高的识别率 ;二. 纹理、边缘特征提取;1.空间自相关法;2.共生矩阵法; 2)图像边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。 图像边缘特征提取方法大致可分为:基于经典微分边缘检测算子的提取方法、多尺度边缘检测方法、模糊增强边缘检测方法等.;Canny算子无论在定位精度还是抗噪声方面,明显优于其他的一阶微分边缘检测算子. ;2. )用一阶偏导有限差分计算梯度幅值和方向. Gx=[f(x+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)]/2 Gy=[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2 ;3. )对梯度幅值进行非极大值抑制 . 仅得到全局的梯度并不足以确定边缘,为确定边缘,必须保留局部梯度最大的点,而抑制非极大值。 ;4. )用双阈值算法检测和连接边缘. 对非极大值抑制图像作用两个阈值th1和th2,两者关系th1=0.4th2。我们把梯度值小于th1的像素的灰度值设为0,得到图像1。然后把梯度值小于th2的像素的灰度值设为0,得到图像2。 对图像2进行扫描,当遇到一个非零灰度的像素p(x,y)时,跟踪以p(x,y)为开始点的轮廓线,直到轮廓线的终点q(x,y)。 考察图像1中与图像2中q(x,y)点位置对应的点s(x,y)的8邻近区域。如果在s(x,y)点的8邻近区域中有非零像素s(x,y)存在,则将其包括到图像2中,作为r(x,y)点。从r(x,y)开始,重复第一步,直到我们在图像1和图像2中都无法继续为止。;2.多尺度边缘检测的思想最初是山Rosenfcld提出的,因为图像边缘就是一维图像中奇异点的集合,而多尺度变换如小波变换的模极大值点对应于图像信号的奇异点,因此通过对原始图像作多尺度分解,然后检测这此模极大值点可以确定图像的边缘。 ;三.图像代数特征提取;2. ICA最早是作为一种自源信号分离工具由Jutten和Herault提出的.通过PCA提取的图像特征是一种全局特征,为了更好地表小图像的特征,尤其是图像的局部特征,Bartlett和Sejnowski提出了用ICA提取图像特征,就图像特征提取来说,ICA与PCA相比有下列优点. 1) ICA具有高阶去相关特性,而PCA只具有一阶去相关特性; 2) ICA具有比PCA较强的图像局部特征表小能力; 3)通过ICA提取的图像特征具有较强的不变性. ;4. SVD是最重要的矩阵分解方法之一,它在信号处理、控制论、数据建模等许多领域都有重要应用. SVD方法提取出的特征具有许多优点,如稳定性,旋转、平移不变性等. ;四.图像变换系数特征提取;2.YU TAO等用中心投影变换和小波变换来提取图像特征,中心投影变换将二维模式变换为一维模式,对得到的一维模式作小波变换得到不同的子模式,从各个子模式提取,但分形特征的计算比较复杂。;谢谢!

文档评论(0)

junjun37473 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档