图像处理-特征提取.pdf

第8章图像特征提取与分析 Feature Extraction and Analysis 8.1 基本概念 8.2 颜色特征描述 8.3 形状特征描述 8.4 纹理特征的描述 8.1 基本概念 要让计算机具有理解图像内容的能力，首要的问 题就是将人类视觉系统对图像内容的感知属性描 述为计算机能够理解的表示，并让计算机能根据 图像内容的表示进一步进行推理。这一处理过程 实际上就是对图像中感兴趣的目标进行检测和测 量，以获得它们的客观信息，从而建立对图像的 描述，这种对图像的描述就是所谓的图像特征。 图像特征  图像特征是指图像中可用作标志的属性，它可以 分为统计特征和视觉特征两类。  图像的统计特征是指一些人为定义的特征，通过 变换才能得到，如图像的直方图、矩、频谱等；  图像的视觉特征是指人的视觉可以直接感受到的 自然特征，如区域亮度、边缘轮廓、颜色、纹理 和轮廓等。 常用的图像特征有颜色特征、纹理特征、形状特 征、灰度特征。 特征提取目的 图像特征提取与分析的目的是为了让计算机具有 认识或识别图像的能力，计算机实现图像识别必 须根据一定的图像特征作为推理的基础。 特征提取则是使用计算机提取图像信息，让计算 机具有认识或识别图像的能力。  图像特征分类 从图像的整体和局部的角度将图像特征划分为 全局特征和局部特征两大类。 全局特征是指图像的整体属性，常见的全局特 征包括：颜色特征、纹理特征和形状特征、灰 度直方图等。 局部特征则是从图像局部区域中抽取的特征， 包括边缘、角点、线等。  特征选择 特征选择是从众多特征中找出最有效的特征。 它解决 选用什么特征来描述目标 如何精确地测量这些特征  特征选择原则 从一组特征中挑选出一些最有效的特征以达到降低 特征空间维数的目的，这个过程就叫特征选择。 选取的特征应具有如下特点：  可区别性  可靠性  独立性好  数量少  对尺寸、变换、旋转等变换尽可能的不敏 感 8.2 颜色特征的描述 颜色特征是一种全局特征,描述了图像所对应的 景物的表面性质。一般颜色特征是基于像素点的 特征，此时所有属于图像的像素都有贡献。 颜色特征和图像的大小、方向无关，而且对图像 的背景颜色不敏感，因此颜色特征被广泛应用于 图像识别。 常用的颜色特征提取方法包括颜色直方图、颜色 相关图、颜色矩等。 1、颜色直方图 颜色直方图 （Color Histogram ）是在许多图像识别 系统中被广泛采用的颜色特征。它所描述的是不同色 彩在整幅图像中所占的比例，而并不关心每种色彩所 处的空间位置，即无法描述图像中的对象或物体。 计算颜色直方图需要将颜色空间划分成若干个小的颜 色区间(每个小区间称为直方图的一个bin), 这个过程 称为颜色量化。然后，通过计算颜色落在每个小区间 内的像素数量可以得到颜色直方图。 颜色直方图 设一幅图像包含M个像素，图像的颜色空间被量化 成N个不同颜色。颜色直方图H定义为： p =h i i h 为第i 种颜色在整幅图像中具有的像素数。 i 归一化为： p =h /M i i 颜色直方图可以是基于不同的颜色空间和坐标系。最 常用的颜色空间是RGB颜色空间，此外基于HSI空间、 Luv空间和Lab空间的颜色直方图。 colortransform0.m 颜色直方图特点： 优点：它能简单描述一幅图像中颜色的全局分布， 即不同色彩在整幅图像中所占的比例，特别适用 于描述那些不需要考虑物体空间位置的图像。 缺点：它无法描述图像中颜色的局部分布及每种 色彩所处的空间位置，即无法描述图像中的某一 具体的对象或物体。 2 、颜色集 颜色集是对颜色直方图的一种近似。 将颜色空间量化成若干个等级 （称为bin ）。一 个M维的颜色集，用BM 表示，是二值空间中的 一个M维矢量，它对应着对第m种颜色的选择