红外图像特征提取方法研究
合集下载
相关主题
- 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、"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、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)。
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.
主成分分析(PCA)、线性判据分析(LDA)、独立 成分分析(ICA)和奇异值分解( SV D)是这种方法 的典型代表.
1. PCA在数字图像处理中也称为Hotelling变换，而 在通信理论中称为K- L变换.PCA己广泛应用于数据 压缩、图像处理、模式识别等领域 .
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
Gy=[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2
M[x, y] Gx2 Gy2
[x, y] arctan(Gx / Gy)
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。
1.空间自相关法
对于大小为MxN的图像f(x,y),其中x=0, 1，2… M- 1;y= 0, 1，2…N- 1,空间自相关函数定义为
空间自相关函数用来描述纹理的粗糙程度。
2.共生矩阵法
灰度共生矩阵特征于1973年由Haralick等首次提出， 设（x,y)为图像中任意一点,(x+a,y+b)为其扰动点,它 们形成一个点对，设其灰度值为(i,j) ，固定a,b，令 (x,y)在图像上移动，可得到不同的(i,j)值.若图像的 灰度级为L，则i与j的组合共有L*L种.在整幅图像中， 统计出每一种(i,j) 值出现的次数，再将它们归一化为 出现的概率P (i,j),则方阵P (i,j)称为灰度共生矩阵.
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
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.
Canny算子求边缘点具体算法步骤如下：
1.） 用高斯滤波器平滑图像．
h(x,
y, )
1
2
2来自百度文库
(x2 y2 )
e 2 2
g(x, y) h(x, y, )* f (x, y)
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
步骤1：
步骤 2：
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)。
3. 胡学娟等提出来二次样条小波提取边缘算法， 该算法和Canny算子类似，都是先对图像进行 平滑，再检测其模极大值但滤波器系数简单，计 算量小，且可以对图像进行多尺度的边缘检测， 对近红外图像进行功缘特征提取具有很好的效果。
三.图像代数特征提取
代数特征反映的是图像的一种内在属性.从表示图 像的矩阵中提取出的特征称为代数特征.图像代数 特征的提取是以存储图像数据的数据结构为基础， 利用矩阵理论提取图像特征的一种方法.
二. 纹理、边缘特征提取
1）纹理是由纹理基元按着某种规律在空间的重 复排列组成的，纹理与纹理基元的空间尺寸有关， 一般大尺寸的纹理基元对应于较粗的纹理，而小 尺寸的纹理基元对应于较细的纹理.
纹理特征是表示图像的另一种重要的视觉特征，纹 理结构反映图像亮度的空间变化情况，具有局部与 整体的自相似性
纹理分析的方法有多种，如空间自相关法，共生矩 阵法、Tamura方法等.
利用灰度共生矩阵可得到描述纹理特征的统计量， 常用的有对比度、能量、嫡等7个特征.
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.
1.经典微分边缘检测算子的提取方法又分为一阶微 分边缘检测算子方法和二阶微分边缘检测算子方法. 有代表性的一阶微分边缘检测算子包括:Roberts算 子、Sobel算子、Preivitt算子、Robinson算子和 Canny算子等.
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。
红外目标检测与识别包括：图像预处理，图像特 征提取，图像特征选择，图像分类
红外目标识别的特征： 1.颜色或灰度的统计特征 2.纹理，边缘特征 3.图像代数特征 4.图像变换系数特征
一. 颜色或灰度的统计特征提取
颜色(灰度）直方图是实践中最常用的 图像统计特征.设s（xi）为图像P的某特 征值为xi的像素的个数
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。
直方图
1.Hu于1961年提出了矩不变量的概念（平移， 旋转，伸缩不变） 但Hu矩不变量不具有正交性，包含大量的信息 冗余。
Eg.
物体的零阶矩表示了图像的“质量”： Moo= ∫∫f(x，y )dxdy ,一阶矩(M01，M10)用于 确定图像质心( Xc，Yc)：Xc = M10/M00;Yc = M01/M00;若将坐标原点移至 Xc和 Yc处，就得 到了对于图像位移不变的中心矩。
主成分分析(PCA)、线性判据分析(LDA)、独立 成分分析(ICA)和奇异值分解( SV D)是这种方法 的典型代表.
1. PCA在数字图像处理中也称为Hotelling变换，而 在通信理论中称为K- L变换.PCA己广泛应用于数据 压缩、图像处理、模式识别等领域 .
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
Gy=[f(x,y+1)-f(x,y)+f(x+1,y+1)-f(x+1,y)]/2
M[x, y] Gx2 Gy2
[x, y] arctan(Gx / Gy)
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。
1.空间自相关法
对于大小为MxN的图像f(x,y),其中x=0, 1，2… M- 1;y= 0, 1，2…N- 1,空间自相关函数定义为
空间自相关函数用来描述纹理的粗糙程度。
2.共生矩阵法
灰度共生矩阵特征于1973年由Haralick等首次提出， 设（x,y)为图像中任意一点,(x+a,y+b)为其扰动点,它 们形成一个点对，设其灰度值为(i,j) ，固定a,b，令 (x,y)在图像上移动，可得到不同的(i,j)值.若图像的 灰度级为L，则i与j的组合共有L*L种.在整幅图像中， 统计出每一种(i,j) 值出现的次数，再将它们归一化为 出现的概率P (i,j),则方阵P (i,j)称为灰度共生矩阵.
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
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.
Canny算子求边缘点具体算法步骤如下：
1.） 用高斯滤波器平滑图像．
h(x,
y, )
1
2
2来自百度文库
(x2 y2 )
e 2 2
g(x, y) h(x, y, )* f (x, y)
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
步骤1：
步骤 2：
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)。
3. 胡学娟等提出来二次样条小波提取边缘算法， 该算法和Canny算子类似，都是先对图像进行 平滑，再检测其模极大值但滤波器系数简单，计 算量小，且可以对图像进行多尺度的边缘检测， 对近红外图像进行功缘特征提取具有很好的效果。
三.图像代数特征提取
代数特征反映的是图像的一种内在属性.从表示图 像的矩阵中提取出的特征称为代数特征.图像代数 特征的提取是以存储图像数据的数据结构为基础， 利用矩阵理论提取图像特征的一种方法.
二. 纹理、边缘特征提取
1）纹理是由纹理基元按着某种规律在空间的重 复排列组成的，纹理与纹理基元的空间尺寸有关， 一般大尺寸的纹理基元对应于较粗的纹理，而小 尺寸的纹理基元对应于较细的纹理.
纹理特征是表示图像的另一种重要的视觉特征，纹 理结构反映图像亮度的空间变化情况，具有局部与 整体的自相似性
纹理分析的方法有多种，如空间自相关法，共生矩 阵法、Tamura方法等.
利用灰度共生矩阵可得到描述纹理特征的统计量， 常用的有对比度、能量、嫡等7个特征.
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.
1.经典微分边缘检测算子的提取方法又分为一阶微 分边缘检测算子方法和二阶微分边缘检测算子方法. 有代表性的一阶微分边缘检测算子包括:Roberts算 子、Sobel算子、Preivitt算子、Robinson算子和 Canny算子等.
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。
红外目标检测与识别包括：图像预处理，图像特 征提取，图像特征选择，图像分类
红外目标识别的特征： 1.颜色或灰度的统计特征 2.纹理，边缘特征 3.图像代数特征 4.图像变换系数特征
一. 颜色或灰度的统计特征提取
颜色(灰度）直方图是实践中最常用的 图像统计特征.设s（xi）为图像P的某特 征值为xi的像素的个数
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。
直方图
1.Hu于1961年提出了矩不变量的概念（平移， 旋转，伸缩不变） 但Hu矩不变量不具有正交性，包含大量的信息 冗余。
Eg.
物体的零阶矩表示了图像的“质量”： Moo= ∫∫f(x，y )dxdy ,一阶矩(M01，M10)用于 确定图像质心( Xc，Yc)：Xc = M10/M00;Yc = M01/M00;若将坐标原点移至 Xc和 Yc处，就得 到了对于图像位移不变的中心矩。