图像特征的选择与提取
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)。
• 边缘检测试抽取边缘轮廓信息并用于区域 分割，边缘检测和区域分割具有互补性。 在边缘检测中提取不连续部分的特征，根 据闭合的边缘求区域：在区域中把图像分 割成特征相同的连续区域，将区域间的边 界定义为边缘。
线检测
• 用于线检测的算法有多种，如光栅跟踪、 全向跟踪和hough变换等。不同算法有其各 自的适用场合。光栅跟踪用于一般曲线的 检测，全向跟踪主要用于对工程图纸中的 标准曲线的检测。
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：
pi=hi
hi为第i 种颜色在整幅图像中具有的像素数。 归一化为：
pi=hi/M
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。
形状特征
8.3.1 几个基本概念 8.3.2 区域内部空间域分析 8.3.3 区域内部变换分析 8.3.4 区域边界的形状特征描述
• 点特征提取 • 线特征提取 • 区域分割
提取方法
点特征提取
• 点特征主要指图像中的明显点，如房屋角 点、圆点等.用于点特征提取得算子称为有 利算子或兴趣算子
三、区域分割
• 把图像分割成特征相同的互不重叠的连续 区域叫做区域分割。图像的二值化处理还 是区域分割的最常用方法
• 1 颜色或灰度的统计特征 • 2 纹理、边缘特征; • 3 代数特征; • 4 变换系数特征或滤波器系数特征
由于颜色分布信息主要集中在低阶矩中，因此， 仅 采 用 颜 色 的 一 阶 矩 (mean) 、 二 阶 矩 (Variance) 和三阶矩(Skewness)就足以表达图像的颜色分布。
一阶矩(mean)
设P(j,i)为图像的第j个像素的第i个颜色分量值，一阶 矩为：
i
1 N
N
Pji
j 1
线特征提取
• 线特征包括影像的“边缘”与“线”。 “边缘”通常定义为影像局部特征不相同 的那些区域间的分界线，表现为局部影像 的不连续，例如呈现出灰度级的突变，纹 理结构突变等。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。
边缘检测
图像特征
常见的目标特征分为灰度（颜色）、纹理和 几何形状特征等。其中，灰度和纹理属于内部特 征，几何形状属于外部特征。
纹理特征
几何特征，判断凹凸
– 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、旋转等变换尽可能不敏感
颜色特征的描述
颜色直方图（Color Histogram）
颜色直方图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。
• 图像识别一般包括图像预处理、图像特征提取、 图像特征选择和图像分类 4 个步骤。
目录
• 1.论述 • 2.图像特征 • 3.提取方法 • 3.
• 基本任务
求出一组对分类最有效的特征，即从众多特征中 找出最有效的特征。
• 特征提取(FeatureExtraction)
图像原始特征的数量很大，或者说原始样本处 于一个高维空间中，通过映射或变换的方法可以 将高维空间中的特征描述用低维空间的特征来描 述，这个过程就叫特征提取 。
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。
颜色特征中包括颜色直方图、颜色相关图、颜色矩等。
8.2.1 8.2.2 8.2.3 8.2.4
颜色矩 颜色直方图 颜色聚合向量 颜色相关图
颜色特征
颜色矩（Color Moments）
颜色矩是一种图像的颜色特征，可以用来描述图 像的颜色分布信息。
• 设f(i,j)是(i,j)处的像素值，(i,j)位置处的边缘 强度通常用差分值或其函数来表示。简单 的差分算法有：
• x方向差分值：△xf(i,j)= f(i,j)- f(i,j-1) • y方向差分值：△yf(i,j)= f(i,j)- f(i-1,j) • 边缘强度 = |△xf(i,j)| + | △yf(i,j)| 或 • = △x2f(i,j) + △y2f(i,j)，
二值图像的边缘特征提取
• 二值图像边缘特征提取的过程实际上是寻找像素 灰度值急剧变化的位置的过程，并在这些位置上 将像素值置为“1”，其余位置上的像素值置为 “0”，从而求出目标的边界线。二值图像的边缘 特征提取是用数学算子实现的，如Sobel、Prewitt、 Kirsch、拉普拉斯等多种算子。这些算子都是以 一个3×3的模板与图像中3×3的区域相乘，得到 的结果作为图像中这个区域中心位置的边缘强度。 在计算出图像中每一个像素的边缘强度后，将边 缘强度大于一定值的点提取出来，并赋以像素值 “1”，其余赋以像素值“0”。
即表示待测区域的颜色均值 。
二阶矩(Variance)
i
(1 N
N
(Pij i )2 )1/ 2
j 1
表示待测区域的颜色方差，即不均匀性。
三阶矩(Skewness)
si
(1 N
N
1
(Pij i )3 )3
j 1
三阶矩反映颜色的不对称性。如果图象颜 色完全对称，其值应为零。
线检测
• 用于线检测的算法有多种，如光栅跟踪、 全向跟踪和hough变换等。不同算法有其各 自的适用场合。光栅跟踪用于一般曲线的 检测，全向跟踪主要用于对工程图纸中的 标准曲线的检测。
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：
pi=hi
hi为第i 种颜色在整幅图像中具有的像素数。 归一化为：
pi=hi/M
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。
形状特征
8.3.1 几个基本概念 8.3.2 区域内部空间域分析 8.3.3 区域内部变换分析 8.3.4 区域边界的形状特征描述
• 点特征提取 • 线特征提取 • 区域分割
提取方法
点特征提取
• 点特征主要指图像中的明显点，如房屋角 点、圆点等.用于点特征提取得算子称为有 利算子或兴趣算子
三、区域分割
• 把图像分割成特征相同的互不重叠的连续 区域叫做区域分割。图像的二值化处理还 是区域分割的最常用方法
• 1 颜色或灰度的统计特征 • 2 纹理、边缘特征; • 3 代数特征; • 4 变换系数特征或滤波器系数特征
由于颜色分布信息主要集中在低阶矩中，因此， 仅 采 用 颜 色 的 一 阶 矩 (mean) 、 二 阶 矩 (Variance) 和三阶矩(Skewness)就足以表达图像的颜色分布。
一阶矩(mean)
设P(j,i)为图像的第j个像素的第i个颜色分量值，一阶 矩为：
i
1 N
N
Pji
j 1
线特征提取
• 线特征包括影像的“边缘”与“线”。 “边缘”通常定义为影像局部特征不相同 的那些区域间的分界线，表现为局部影像 的不连续，例如呈现出灰度级的突变，纹 理结构突变等。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。
边缘检测
图像特征
常见的目标特征分为灰度（颜色）、纹理和 几何形状特征等。其中，灰度和纹理属于内部特 征，几何形状属于外部特征。
纹理特征
几何特征，判断凹凸
– 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、旋转等变换尽可能不敏感
颜色特征的描述
颜色直方图（Color Histogram）
颜色直方图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。
• 图像识别一般包括图像预处理、图像特征提取、 图像特征选择和图像分类 4 个步骤。
目录
• 1.论述 • 2.图像特征 • 3.提取方法 • 3.
• 基本任务
求出一组对分类最有效的特征，即从众多特征中 找出最有效的特征。
• 特征提取(FeatureExtraction)
图像原始特征的数量很大，或者说原始样本处 于一个高维空间中，通过映射或变换的方法可以 将高维空间中的特征描述用低维空间的特征来描 述，这个过程就叫特征提取 。
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。
颜色特征中包括颜色直方图、颜色相关图、颜色矩等。
8.2.1 8.2.2 8.2.3 8.2.4
颜色矩 颜色直方图 颜色聚合向量 颜色相关图
颜色特征
颜色矩（Color Moments）
颜色矩是一种图像的颜色特征，可以用来描述图 像的颜色分布信息。
• 设f(i,j)是(i,j)处的像素值，(i,j)位置处的边缘 强度通常用差分值或其函数来表示。简单 的差分算法有：
• x方向差分值：△xf(i,j)= f(i,j)- f(i,j-1) • y方向差分值：△yf(i,j)= f(i,j)- f(i-1,j) • 边缘强度 = |△xf(i,j)| + | △yf(i,j)| 或 • = △x2f(i,j) + △y2f(i,j)，
二值图像的边缘特征提取
• 二值图像边缘特征提取的过程实际上是寻找像素 灰度值急剧变化的位置的过程，并在这些位置上 将像素值置为“1”，其余位置上的像素值置为 “0”，从而求出目标的边界线。二值图像的边缘 特征提取是用数学算子实现的，如Sobel、Prewitt、 Kirsch、拉普拉斯等多种算子。这些算子都是以 一个3×3的模板与图像中3×3的区域相乘，得到 的结果作为图像中这个区域中心位置的边缘强度。 在计算出图像中每一个像素的边缘强度后，将边 缘强度大于一定值的点提取出来，并赋以像素值 “1”，其余赋以像素值“0”。
即表示待测区域的颜色均值 。
二阶矩(Variance)
i
(1 N
N
(Pij i )2 )1/ 2
j 1
表示待测区域的颜色方差，即不均匀性。
三阶矩(Skewness)
si
(1 N
N
1
(Pij i )3 )3
j 1
三阶矩反映颜色的不对称性。如果图象颜 色完全对称，其值应为零。