第三章数字影像的特征提取

合集下载

数字摄影测量课件——绪论

数字摄影测量课件——绪论
36
§1.5 当代的若干典型问题
可以利用各种传感器精确获取多种频带多时域的 辐射信息,即直接获取数字影像
也可利用影像数字化仪将像片上的影像数字化获 取数字化影像。
37
§1.5 当代的若干典型问题
二、数据量
数字影像的每一个数据代表了被摄物体(或光学影 像)上一个“点”的辐射强度(或灰度),这个“点” 称为“像元素”,通常称为“像素”。像素的灰 度值常用八位二进制表示,在计算机中为lbyte。
利用全数字摄影测量立体量测DTM速度可达100~200 点/s,甚至更高,这是人工量测无法比拟的。
精度问题,利用采样间隔50um的数字影像进行相对 定向,其残差的中误差(均方根误差)可达±3um~ ± 5um,这相当于在1台分辨率为2um的解析测图仪上进 行人工量测的结果。
39
§1.5 当代的若干典型问题
像素的间隔即采样间隔根据采样定理由影像的分 辨率确定。因而“数据量大”是全数字摄影测量 的一个特点与问题,要处理这样大的数据量,必然 依赖于计算机的发展。
38
§1.5 当代的若干典型问题
三、速度与精度
数字摄影测量已经获得了迅速的发展,无论在量测的 速度还是达到的精度,都大大超过了人们最初的想象。
四、影像匹配
影像匹配的理论与实践,是实现自动立体量测的 关键,也是数字摄影测量的重要研究课题之一。 影像匹配的精确性、可靠性、算法的适应性及速 度均是其重要的研究内容,特别是影像匹配的可 靠性一直是其关键之一。
近年发展起来的整体匹配是提高影像匹配可靠性 的极其重要的进展。从“单点匹配”到“整体匹 配”是数字摄影测量影像匹配理论和实践的—个 飞跃。提高了匹配结果的可靠性与结果的相容性、 一致性。
18
§1.2 模拟摄影测量

数字影像的特征提取与定位课件

数字影像的特征提取与定位课件
数字影像特征提取与定位技术实践
实验一:小波变换特征提取实验
小波变换理论
小波变换是一种信号分析方法, 能够将时域信号转换为频域信号
,适用于分析图像的特征。
实验步骤
在小波变换理论的基础上,通过 MATLAB软件实现小波变换特征 提取实验,包括图像的多尺度分 解、小波系数计算、特征提取等
步骤。
实验结果
通过对比不同尺度下的小波系数 和提取的特征,可以观察到图像 在不同尺度下的细节和特征表现

实验二:傅里叶变换特征提取实验
傅里叶变换理论
傅里叶变换是一种将时域信号转换为频域信号的方法,适用于分析 图像的特征。
实验步骤
在傅里叶变换理论的基础上,通过MATLAB软件实现傅里叶变换特 征提取实验,包括图像的傅里叶变换、滤波处理、特征提取等步骤 。
实验结果
通过对比滤波处理后的傅里叶频谱和提取的特征,可以观察到图像在 不同频率下的特征表现。
实验三:机器学习特征提取实验
机器学习理论
机器学习是一种通过训练数据自动提取特征的方法,适用于分类 、回归等任务。
实验步骤
在机器学习理论的基础上,通过Python软件实现机器学习特征提 取实验,包括数据预处理、模型训练、特征提取等步骤。
实验结果
通过对比不同模型下的特征提取结果,可以观察到机器学习模型对 图像特征的提取能力。
方法
常见的图像配准方法包括 基于灰度、基于特征、基 于变换域等。
基于特征匹配的定位技术
定义
特征匹配是一种通过提取 图像中的特征信息,然后 在另一幅图像中寻找相同 或相似特征的匹配过程。
过程
特征匹配通常包括特征提 取、特征匹配、变换模型 估计、图像变换与重采样 等步骤。

人工智能技术在医学影像处理中的应用

人工智能技术在医学影像处理中的应用

人工智能技术在医学影像处理中的应用第一章:引言随着人工智能技术的不断进步和发展,各行各业正在逐渐探索和应用这种新兴技术,医学影像处理领域也不例外。

人工智能技术在医学影像识别、分析、处理等方面均有广泛的应用,并取得了一系列优异的成绩。

本文将重点探讨人工智能技术在医学影像处理中的应用。

第二章:医学影像处理的基础知识医学影像处理是指医学影像领域中使用计算机等技术对医学图像进行处理、管理和诊断。

医学影像处理的主要目标是通过数字图像分析和计算机辅助诊断来提高临床医生的诊断和治疗水平。

医学影像处理的基础知识包括数字图像处理、计算机视觉和人工智能等理论和技术。

第三章:人工智能技术在医学影像识别中的应用人工智能技术在医学影像识别方面的应用主要包括以下几个方面:1.医学影像分类:人工智能技术能够对不同类别的医学影像进行分类和识别,以便医生进行诊断和治疗。

2.病灶检测:人工智能技术能够自动检测医学图像中的病灶区域,辅助医生进行诊断和治疗。

3.医学图像匹配:人工智能技术能够将宿主编码和医学图像编码进行匹配,以便识别不同的疾病和治疗抗体。

4.医学影像分割:人工智能技术能够将医学图像中的组织或器官进行分割和分析,以便医生进行3D图像分析和手术设计。

第四章:人工智能技术在医学影像分析中的应用人工智能技术在医学影像分析方面的应用主要包括以下几个方面:1.医学影像特征提取:人工智能技术能够在医学图像中提取出有用的特征,以支持医生进行诊断和治疗。

2.医学影像变形分析:人工智能技术能够通过医学影像的形态分析来辅助医生判断病情,从而确定合适的治疗方案。

3.医学影像的图像配准:人工智能技术能够将不同成像模态的医学图像进行匹配,以便进行有关疾病的诊断和治疗。

4.医学影像的立体重建:人工智能技术能够通过医学影像的立体重建来辅助医生进行手术操作和治疗。

第五章:人工智能技术在医学影像处理中的应用案例1.神经网络在乳腺癌诊断中的应用:神经网络技术能够对医学影像进行分析处理,辅助医生进行乳腺癌的诊断和治疗。

线特征的提取与定位算法

线特征的提取与定位算法
《摄影测量学》
线特征的提取与定位算法
山东交通学院
测绘教研室
主要内容
特征的提取 • 特征点的提取算法 • 特征线的检测方法 特征的定位算法
线特征提取算子
线特征是指影像的“边缘”与“线”
“边缘”可定义为影像局部区域特 征不相同的那些区域间的分界线, 而“线”则可以认为是具有很小宽 度的其中间区域具有相同的影像特 征的边缘对
Hough变换算法实现 a
由于垂直直线a,为无穷大, 我们改用极坐标形式:xcos + ysin = 参数平面为, ,对应不是 直线而是正弦曲线; 使用交点累加器,或交点 统计直方图,找出相交线 段最多的参数空间的点; 然后找出该点对应的xy平 面的直线线段。
A
b
对于影像空间直线上任一点(x,y) 变换将其映射到参数空间(,)的 一条正弦曲线上
p+q阶原点矩与中心y)
Trinder 改进算子
算子受二值化影响,误差可达0.5像素。
1 x M 1 y M
M
n 1 m 1 i 0 j 0
ig
i 0 j 0
n 1
m 1
ij
Wij

i 0 j 0
ij
n 1
首先用高斯函数先进行低通滤波,然后利用 拉普拉斯算子进行高通滤波并提取零交叉点
x y f ( x, y ) exp( ) 2 2
2 2
高斯函数
低通滤波
G( x, y) f ( x, y) g ( x, y)
G( x, y) [ f ( x, y) * g ( x, y)]
2 g 2g x
2

2g y 2
2 g ij ( g i 1, j g i , j ) ( g i , j g i 1, j ) ( g i , j 1 g i , j ) ( g i , j g i , j 1 ) g i 1, j g i 1, j g i , j 1 g i , j 1 4 g i , j

数字图像处理中的特征提取技术

数字图像处理中的特征提取技术

数字图像处理中的特征提取技术数字图像处理是一种涉及数字计算机与图像处理的技术。

它能够对图像进行一系列的处理,包括图像增强、特征提取、图像分割等。

其中,特征提取是数字图像处理中非常重要的一环,通过对图像中的关键特征进行提取和分析,可以实现图像分类、目标识别和图像检索等多种应用。

本文将介绍数字图像处理中的特征提取技术。

一、特征提取的概述特征提取是数字图像处理中的一项重要技术,其主要目的是从图像中提取出具有代表性的特征,这些特征可以被用于图像分类、目标检测和图像识别等应用中。

通常情况下,特征提取可以分为两种方式:1.直接提取图像的原始特征。

这种方式可以直接从图像中提取出像素点的信息,包括图像的颜色、灰度值等。

这些原始特征经过一些处理后可以发挥很大的作用。

2.间接提取图像的特征。

这种方法则需要将原始图像进行一些复杂的变换和处理,例如提取图像的边缘、纹理、形状等特征,再通过算法分析得出更加有价值的特征信息。

二、特征提取的算法1.边缘检测算法边缘检测是图像处理中的一项基本操作,其目的是提取出图像中的边缘信息。

实际上,边缘检测是一种间接的特征提取方法,通过提取出图像中的边缘信息,可以实现图像目标的检测和二值化操作。

常见的边缘检测算法包括Canny算法、Sobel算法、Laplacian算法等。

2.纹理特征提取算法纹理是图像中最基本、最重要的特征之一,其包含了图像中的细节信息,并能够有效地描述图像的表面纹理。

因此,通过提取纹理特征可以有效地用于图像分类和目标检测等应用中。

常见的纹理特征提取算法包括LBP算法、GLCM算法、Gabor算法等。

3.形状特征提取算法形状是图像中最基本、最重要的特征之一,其能够有效地描述图像中物体的大小和形态。

因此,通过提取形状特征可以用于目标检测和图像匹配等应用中。

常见的形状特征提取算法包括Hu不变矩算法、Zernike矩算法、Fourier描述子算法等。

三、特征提取的应用数字图像处理中的特征提取技术可以应用于多种应用领域中,例如:1.图像识别通过提取图像中的特征信息,可以建立有效的图像识别模型,实现对图像的分类和识别。

医学影像学中的图像处理技术

医学影像学中的图像处理技术

医学影像学中的图像处理技术随着科学技术的不断发展和进步,人们对于疾病的诊断和治疗要求也越来越高。

医学影像学作为现代医学中的一个重要分支,已经成为现代医学中不可或缺的一部分。

医学影像学不仅为医生提供了更多的诊断手段,而且为病人的治疗方案制定和治疗效果评估提供了重要的依据。

而图像处理技术在医学影像学中的应用,则进一步提高了医生对影像信息的解释、分析和利用的效率。

一、医学影像学中的图像处理技术简介医学影像学中的图像处理技术是指利用计算机技术对原始医学影像进行数字化、分析、处理和展示的技术手段。

图像处理技术主要包括数字图像处理、图像分析、特征提取、图像增强、三维重建、医学图像配准、图像分类识别等。

数字图像处理将图片转化成一组数字信号,对于这组数字信号进行处理和分析,可以得到医学影像的各种信息。

图像分析是对医学影像进行分析和识别,以帮助医生诊断和治疗疾病。

特征提取是指从医学影像中提取出相关的信息,为后续图像分析和治疗提供依据。

图像增强是指利用图像处理技术使得影像的质量更加清晰、准确,以帮助医生诊断和治疗。

二、医学影像图像处理技术的应用1、医学影像的数字化数字化是医学影像中最基本也是最重要的处理技术,是将医学影像采集的过程进行数字化,这样就可以利用计算机进行存储、传输、处理等操作。

数字化是实现其他图像处理技术的前提,也是医学影像学的数字化发展的起点。

2、医学图像的增强处理医学图像增强技术主要是为了让影像中更多的信息有效地被提取和利用。

例如,超声影像常常因为病人体壁膜的吸收和衰减而导致图像质量较差,这时候就可以使用增强技术对影像进行处理,让医生更容易诊断和治疗。

3、三维重建三维重建是指将医学影像处理成三维模型,使医生对人体器官的内部结构有更加具体和真切的认识。

例如,在骨科医生的手术之前,医生可以对拍摄的骨科影像进行三维重建,以了解患者骨骼的情况,确定手术路径和手术方案,以保证手术的效果和成功率。

4、医学图像配准医学图像配准技术是将不同时间和不同成像方式的影像进行对齐,从而帮助医生更加准确地诊断和治疗疾病。

数字摄影测量复习总结

数字摄影测量复习总结

数字摄影测量学复习总结第一章绪论1.摄影测量的三个发展阶段及其特点是什么答:P3的表1-12.什么是数字摄影测量它的组成部分有哪些,各有什么特点答:p4页组成部分:计算机辅助测图、影像数字化测图(混合数字摄影测量、全数字摄影测量(通用数字摄影测量、实时数字摄影测量))3.简述数字摄影测量的新进展与发展趋势。

答:p6的五点第二章数字影像获取的预处理基础1.什么是数字影像其频域表达有什么用处答:p12的定义频域表达的用处:(1)变换后的能量大部分都集中于低频谱段,有利于后续图像的压缩存储、快速传输,减少运算时间提高效率;(2)可对信号不同频率成分的能量的表达更直观,有利于影像分解和影像处理。

2.分析离散数字图像卷积的直观背景,并说明数字滤波的计算过程。

答:直观背景:p17数字滤波的计算过程:略3.如何确定数字影像的采样间隔答:采样定理:(由频率域推导而来)当采样间隔能使在函数g(x)中存在的最高频率中每周期取有两个样本时,根据采样数据可完全恢复原函数g(x)。

4.采样函数有哪些性质有哪些直观解释答:略5.怎样对影像的灰度进行量化答:影像的灰度概念p20怎样对影像的灰度量化p216.航空数字影像获取系统有哪些特点叙述3种航空数字影像获取系统的结构与性质。

答:数字航摄仪的特点p22叙述3种航空数字影像获取系统的结构与性质:ADS\DMC\UCD\SWDC\VisionMap A37.什么是数字影像重采样常用的数字影像重采样方法有哪些各有哪些优缺点答:(1)影像内插和重采样的概念p17(2)常用的采样方法p18(最近邻内插法、双线性内插法和双三次卷积法)(3)优缺点:p20表2-1第三章数字影像解析基础1.什么是数字影像内定向为什么要数字影像内定向答:概念及目的P383.什么是单像空间后方交会计算过程主要有哪几步答:概念:p394.什么是共面条件方程利用它可以解决摄影测量中哪些问题答:p43解决的问题有:像对的相对定向与解析空中三角测量。

遥感卫星影像处理与遥感数据应用

遥感卫星影像处理与遥感数据应用

遥感卫星影像处理与遥感数据应用遥感卫星影像处理与遥感数据应用是一项利用遥感技术获取和处理卫星影像数据,并应用这些数据进行地理信息分析、资源评估、环境监测等方面的研究与应用任务。

遥感卫星是指运行在地球轨道上的一种卫星,它搭载有遥感传感器,可以通过感应地球表面反射、辐射的电磁波,并将其转化为数字图像数据。

这些遥感卫星影像数据可以提供高分辨率、广覆盖率的地球表面信息,对于地理空间分析具有重要意义。

遥感卫星影像处理是指基于遥感卫星获取的数字图像数据,通过一系列的图像预处理、影像纠正、特征提取、分类分类等一系列操作,将原始影像数据转化为可用于地理信息系统分析的矢量或光栅数据。

这些数据可以被用于生成地形图、土地利用分类图、植被盖度研究等目的。

首先,遥感卫星影像处理的第一步是图像预处理。

图像预处理包括辐射校正、大气校正、几何校正等步骤,以确保获取到的影像数据具备一致性和可比性。

通过辐射校正,可以将原始影像数据从数值上可比较,并将其转换为反射率或亮度值。

大气校正则移除了大气对影像的影响,减少由于大气散射和吸收而引起的信息噪声。

几何校正则纠正影像中的位置、角度等几何失真,以保证影像数据准确地反映地球表面的特征。

其次,遥感卫星影像处理的下一步是影像纠正。

影像纠正是指通过对影像进行投影变换、边缘匹配、波段匹配等处理,使得图像在空间尺度和角度上比较准确地与地理实体匹配。

通过影像纠正,可以使影像数据受到形变、旋转、尺度变化等因素的影响较小,为后续的地理信息分析提供准确的基础。

第三,遥感卫星影像处理的关键步骤是特征提取。

特征提取是指从遥感卫星影像数据中提取出与地理实体相关的特征信息。

常见的特征包括植被指数、土地利用类型、水体信息等。

通过采用不同的光谱拓谱和纹理特征的计算方法,可以提取出不同类型地物的特征信息。

特征提取是遥感卫星影像处理的重要环节,为后续的分类和分析提供了基础。

最后,遥感卫星影像处理的最终目标是分类分析。

分类分析是利用遥感卫星影像数据,对地球表面的特征进行分割、分类和识别。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1 1 1
二. 线特征提取算子
拉普拉斯(Laplace)算子定义为: 2g 2g 2g x2 y 2
若g(x,y)的傅立叶变换为G(u,v),则 2 g 的傅
立叶变换为: (2 )2 (u 2 v2 )G(u, v)
c k 1 r k 1
gu 2
( gi1, j 1 gi, j )2
ick jrk
c k 1 r k 1
gv2
( gi, j 1 gi1, j )2
ick jrk
c k 1 r k 1
gu gv


2


1
4
1

1 0 1 0
再加上两个对角方向同时检测的二维算子为:
0 1 0
1 1

D 1

1
4

1


2



2

0 1 0 1

1
1 1 1 1 8 1
(a2 b2 )2
其中a与b为椭圆之长、短半轴。 为该像元的权。
一. 点特征提取算子
(4)确定待选点
若兴趣值大于给定的阈值,则该像元为待选点。 阈值为经验值,可参考下列值:
T 0.5 ~ 0.75 q
其中
f ( f 0.5 ~ 1.5)
为T权 平c均值c ;c
(c 5) 为权的中值。
兴趣值是判定所检测像元是否为感兴趣的特征的基本依据。
(2)阈值的选定
阈值是判定所检测像元是否为感兴趣的特征的标准。
(3)特征提取策略 (4)特征提取的基本过程
补充内容结束
一. 点特征提取算子
点特征主要指明显点, 如角点、圆点等。
点特征提取算子是指运用某 种算法使图像中独立像点更为 突出的算子,它又被称为兴趣 算子或有利算子,主要用于提 取我们感兴趣的点(如角点、 圆点等)。
一. 点特征提取算子
点特征的灰度特征
理想情况:灰度从一常 数突然跳跃; 实际情况:有一个缓慢 变化趋势;
理想情况
实际情况
一. 点特征提取算子
Moravec于1977年提出利用灰度方差提取点 特征的算子。
r
w
c
一. 点特征提取算子
(1)计算各像元的兴趣值IV
k 1
V (g g )2
1
gu

g u

g i 1,
j 1

gi,
j

gv

g v


gi,
j 1

g i 1,
j

一. 点特征提取算子
(2)计算 l l(如5×5或更大)窗口中灰
度的协方差矩阵

Q N 1
gu 2
g
u
g
v

1


gv gu
gv
2

其中:
1

1 1 1
边缘走向水平
二. 线特征提取算子
(三)方向差分算子
1 1 1
卷 北
1
2
1

1 1 1


1 1 1 1 2 1 1 1 1

1 1 1

1
2
1

1 1 1
西
1 1 1 1 2 1 1 1 1
]
1
其模为:
Gr (x,
y)

( g u2

g
2 v
)
2
v
+1
用差分近似表示导数,则有:
-1
1
Gi, j [(gi1, j1 gi, j ) 2 (gi, j1 gi1, j ) 2 ] 2
+1
Gi, j | gi1, j1 gi, j | | gi, j1 gi1, j |
ci ,r
ci1,r
i k
k 1
V (g g ) r2
2
ci ,ri
ci1,r i1
w
i k
k 1
V (g g )2
3
c ,ri
ቤተ መጻሕፍቲ ባይዱ
c ,r i1
i k k 1
c
V (g g )2
4
ci ,r i
ci1,r i1
其中 k INT(w/ 2)
特点:与梯度算子检测边缘的方法类似,对噪声
-1
给敏定感一,阈但值效T,果当较G梯i, j 度 T算时子,略则好认。为像素(i,j)是边缘上的点。
二. 线特征提取算子
(三)方向差分算子
如果仅对某一方向的边缘感兴趣,可利用以 下所示的方向差分算子进行边缘检测:
卷积核(模板)

1 1 1

1
2
1 1 1
Gy


0
0
0

1 1 1
g1 g2 g3 g4 g5 g6 g7 g8 g9
G特(x点, y): 在G 检测G边或缘G的(同x, 时y) , 能G抑2 止G噪2 声或的G影(x响, y)。 max( G , G )
x
y
x
y
x
y
二. 线特征提取算子
由于各种差分算子均对噪声较 敏感(即提取的特征并非真正 的特征,而是噪声),因此一 般应先作低通滤波,尽量排除 噪声影响,再利用差分算子提 取边缘。 LOG算子就是这种将低通滤波 与边缘提取综合考虑的算子。
二. 线特征提取算子
(一)梯度算子
对一个灰度函数g(x,y),其梯度定义为一个向量:
g
卷积核(模板)
i
+1 -1 +1
(一)梯度算子
j
-1
在数字影像中,导数的计算通常用差分予以近 似,则梯度算子即差分算子为:
1
Gi, j [(gi, j gi1, j )2 (gi, j gi, j1 )2 ]2
为简化运算,通常用差分绝对值之和进一步近似为 :
Gi, j | g i, j g i1, j | | g i, j g i, j1 |
它的两个重要的特性是:
(1)向量G[g(x,y)]的方向是函数g(x,y)
G[g(x, y)]

x g

在(x,y)处最大增加率的方向;
y
(2)G[g(x,y)]的模为
G(x,
y)

mag[G]

[(g
)2

( g
1
)2 ]2
就等于最大增加率。
x y
二. 线特征提取算子
而“线”则可以认为是具有很小宽度的、其 中间区域具有相同的影像特征的边缘对,也就是 距离很小的一对边缘构成一条线。
二. 线特征提取算子
重要性: 线特征存在于目标与背景、目标与目标、
区域与区域之间.因此它是图像分割所依赖 的重要特征,也是纹理特征的重要信息源和 形状特征的基础。
二. 线特征提取算子
1 0 1
(四)Prewitt算子
Gx 1 0 1 1 0 1
对每个像素,考察它上
下、左右邻点灰度之差。
G (i, j) g g g g g g
x
1
3
4
6
7
9
G (i, j) g g g g g g
y
7
8
9
1
2
3
则梯度的幅值:
二. 线特征提取算子
(一)方向二阶差分算子
g (g g ) (g g )
ij
i1, j
i, j
i, j
i1, j
1
i, j
[g i1, j
g i, j
gi1, j ]
2

1
g [1 2 1] ij
此时二阶差分算子为 : 1 2 1
特点: 在四个主要方向上,选取具有最大-最
小灰度方差的点作为特征点。
一. 点特征提取算子
计算各像素的Robert’s梯度和像素(c,r)为中心的一个 窗口的灰度协方差矩阵,在影像中寻找具有尽可能小而接 近圆的误差椭圆的点作为特征点。
gu gv
一. 点特征提取算子
(l)计算各像素的Robert’s梯度
特性: 沿边缘走向的灰度变化平缓,而垂直于边缘
走向的灰度变化剧烈。 边缘(线)是具有幅值(强度)(magnitude)
和方向(direction)的矢量。
两种类型:阶跃型和房顶型。
二. 线特征提取算子
线的灰度特征
二. 线特征提取算子
指运用某种算法使图像中的“线”更为突出的 算子,通常也称边缘检测算子。 常用方法有:差分算子、拉普拉斯算子、LOG算子等
当q>Tq同时 T 时,该像元为待选点。
一. 点特征提取算子
(5)选取极值点
即在一个适当窗口中选择权值 最大的待选
点(极值点)作为特征点 。
特点:
能给出特征点的类型且精度较高,但较复杂。
返回
二. 线特征提取算子
线特征是指影像的“边缘”与“线”, “边缘”可定义为影像局部区域特征不相同的那 些区域间的分界线,
为什么要进行特征提取? 对一幅数字影像,我们最感兴趣的是那些非常明 显的目标,而要识别这些目标,就要进行特征提取。 特征提取是影像分析和影像匹配的基础,也是单 张影像处理的最重要的任务。
影像信息量与特征
3)特征提取
特征提取的针对性和图像特征的多样性及近似性,
相关文档
最新文档