并行计算赵海红.ppt

学 号 : 姓 名 : 赵 海 红 五、低层次特征抽取 主要是指图像颜色、纹理、 形状和空间位置关系等。颜色是图像中最直接和最简单的特征 ,它对图像本身的尺寸、方向等的依赖性较小 ,因此利用图像颜色特征来检索是基于内容的图像检索技术中最常用最基本的方法。但是颜色特征对亮度和噪声比较敏感 ,而且以直方图作为颜色特征没有包含任何颜色的空间布局信息 ,而纹理特征对噪声有较强的抵抗能力 。 六、颜色特征 颜色特征提取 为了正确使用颜色特征进行检索,使图像检索的结果更符合人的视觉感觉,首先需要建立颜色空间模型。在实际应用中常用的颜色空间模型很多 ,选取什么样的颜色模型对检索结果影响很大。RGB颜色模型是最基础、最常用的颜色模型,数字图像一般都采用 RGB颜色模型来表示,但 RGB颜色模型不符合人对颜色的感知心理 ,而 HSV颜色空间模型能够较好地符合人眼的感知特征 ,同时又能够方便地同RGB颜色空间模型进行转换。 因此本文采用的是HSV颜色空间模型 ,即色调 H(Hue)、 饱和度S(Satu2 ration)和亮度V(Value)。由于一般情况下获取的图像都是在RGB颜色空间描述的,为了计算的方便经常要做颜色空间的转换。从RGB颜色模型到 HSV颜色模型的转换公式如下: 本文以颜色直方图作为图像颜色特征的表示方法 ,它的横轴表示颜色等级 ,纵轴表示在某一个颜色等级上具有该颜色的像素在整幅图像中所占的比例 ,其可以定义为一个离散函数其中 i表示灰度级 , L表示灰度级种类数 , ni表示图像中具有灰度级 i的像素总数 ,N表示图像总的 七、文理特征 首先看下Gabor 变换 ?????根据模拟人类视觉系统而产生。通过模拟人类视觉系统，可以将视网膜成像分解成一组滤波图像，每个分解的图像能够反映频率和方向在局部范围内强度变化。通过一组多通道Gabor滤波器，可以获得纹理特征。 ?????Gabor变换的根本就是Gabor滤波器的设计，而滤波器的设计又是其频率函数（U,V）和Gauss函数参数的设计。通过频率参数和高斯函数参数的选取，Gabor变换可以选取很多纹理特征，但是Gabor是非正交的，不同特征分量之间有冗余，所以在对纹理图像的分析中效率不太高 纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征 ,它在基于内容的图像检索中得到了广泛的应用。常见的纹理描述方法主要有统计法、 频谱法和结构法。本文采用频谱法 ,利用Gabor滤波器组提取图像的纹理特征。 八、SIFT 特征提取 4.3 SIFT 特征提取 1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来YKe将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT( Scale Invariant Feature Transform) 即尺度不变特征变换 )特征匹配算法为代表. SIFT是一种提取局部特征的算法 ,在尺度空间寻找极值点 ,提取位置、 尺度、 旋转不变特征量 ,并根据两幅图像特征量之间的距离实现图像匹配. ＳＩＦＴ算法是一种提取图像局部特征的算法 它通过在尺度空间寻找极值点 提取图像的位置、尺度、旋转不变量并以此来构造图像的特征描述符具体过程如下： １)检测到极值点。建立图像高斯金字塔及高斯差分金字塔ＤｏＧ检测空间极值点。将输入图像通过不同尺度的高斯核函数连续滤波和下采样形成高斯金字塔图像 然后利用不同尺度的高斯差分核与图像卷积生成高斯差分金字塔 然后将ＤｏＧ尺度空间每个点与其相邻尺度和相邻位置的26 个点逐个进行比较 以确保在尺度空间和二维空间检测到极值点 ２）确定关键点位置 通过拟合三维二次函数以精确确定关键点的位置和尺度 达到亚像素精度 同时根据曲面拟合的方法对关键点进行进一步的精确定位同时剔除对比度低的关键点和不稳定的边缘响应点 因为ＤｏＧ算子会产生较强的边缘响应 3）关键点方向分配 以关键点为中心的邻域窗口内采样 并用直方图统计邻域像素的梯度方向直方图的峰值则代表了该关键点处邻域梯度的主方向，即作为该关键点的方向，为每个关键点指定方向参数使算子具备旋转不变性 4）生成SIFT描述符。 其中Lij是图像的梯度幅度，Mij是方向，Rij是计算像素之间的不同度 SIFT算法步骤： 1）检测尺度空间极值点，确定监测点。 2）精确定位极值点 3）为每个关键点指定方向参数 4）关键点描述的生成 SIFT GPU实现过程 利用GPU技术实现的SIFT算法 算法中有多个步骤是由 GP