圖像特征的選擇與提取-課件

圖像特征的選擇與提取劉旭圖像特征的選擇與提取劉旭1圖像識(shí)別一般包括圖像預(yù)處理、圖像特征提取、圖像特征選擇和圖像分類4個(gè)步驟。圖像識(shí)別一般包括圖像預(yù)處理、圖像特征提取、圖像特征選擇和圖像2目錄1.論述2.圖像特征3.提取方法3.目錄1.論述3基本任務(wù)求出一組對(duì)分類最有效的特征，即從眾多特征中找出最有效的特征。基本任務(wù)4特征提取(FeatureExtraction)

圖像原始特征的數(shù)量很大，或者說(shuō)原始樣本處于一個(gè)高維空間中，通過(guò)映射或變換的方法可以將高維空間中的特征描述用低維空間的特征來(lái)描述，這個(gè)過(guò)程就叫特征提取。特征提取(FeatureExtraction)5圖像特征

常見(jiàn)的目標(biāo)特征分為灰度（顏色）、紋理和幾何形狀特征等。其中，灰度和紋理屬于內(nèi)部特征，幾何形狀屬于外部特征。圖像特征6

紋理特征圖像特征的選擇與提取-課件7

幾何特征，判斷凹凸圖像特征的選擇與提取-課件8選取的特征應(yīng)具有如下特點(diǎn)：可區(qū)別性

可靠性

獨(dú)立性好

數(shù)量少對(duì)尺寸、變換、旋轉(zhuǎn)等變換盡可能不敏感選取的特征應(yīng)具有如下特點(diǎn)：9顏色特征的描述

顏色特征和圖像的大小、方向無(wú)關(guān)，而且對(duì)圖像的背景顏色不敏感，因此顏色特征被廣泛應(yīng)用于圖像識(shí)別。顏色特征中包括顏色直方圖、顏色相關(guān)圖、顏色矩等。顏色特征的描述顏色特征和圖像的大小、方向無(wú)關(guān)，而10顏色特征8.2.1顏色矩8.2.2顏色直方圖8.2.3顏色聚合向量8.2.4顏色相關(guān)圖顏色特征8.2.1顏色矩11顏色矩（ColorMoments）顏色矩是一種圖像的顏色特征，可以用來(lái)描述圖像的顏色分布信息。由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩(mean)、二階矩(Variance)和三階矩(Skewness)就足以表達(dá)圖像的顏色分布。顏色矩（ColorMoments）顏色矩是一種圖像的顏色特12一階矩(mean)設(shè)P(j,i)為圖像的第j個(gè)像素的第i個(gè)顏色分量值，一階矩為：即表示待測(cè)區(qū)域的顏色均值。一階矩(mean)設(shè)P(j,i)為圖像的第j個(gè)像素的第i個(gè)顏13二階矩(Variance)表示待測(cè)區(qū)域的顏色方差，即不均勻性。二階矩(Variance)表示待測(cè)區(qū)域的顏色方差，即不均勻性14三階矩(Skewness)三階矩反映顏色的不對(duì)稱性。如果圖象顏色完全對(duì)稱，其值應(yīng)為零。

三階矩(Skewness)三階矩反映顏色的不對(duì)稱15顏色直方圖（ColorHistogram）顏色直方圖是在許多圖像識(shí)別系統(tǒng)中被廣泛采用的顏色特征。它所描述的是不同色彩在整幅圖像中所占的比例，而并不關(guān)心每種色彩所處的空間位置，即無(wú)法描述圖像中的對(duì)象或物體。計(jì)算顏色直方圖需要將顏色空間劃分成若干個(gè)小的顏色區(qū)間(每個(gè)小區(qū)間稱為直方圖的一個(gè)bin),這個(gè)過(guò)程稱為顏色量化。然后，通過(guò)計(jì)算顏色落在每個(gè)小區(qū)間內(nèi)的像素?cái)?shù)量可以得到顏色直方圖。顏色直方圖（ColorHistogram）顏色直方圖16顏色直方圖設(shè)一幅圖像包含M個(gè)像素，圖像的顏色空間被量化成N個(gè)不同顏色。顏色直方圖H定義為：

pi=hi

hi為第i種顏色在整幅圖像中具有的像素?cái)?shù)。歸一化為：pi=hi/M顏色直方圖可以是基于不同的顏色空間和坐標(biāo)系。最常用的顏色空間是RGB顏色空間，此外基于HSI空間、Luv空間和Lab空間的顏色直方圖。顏色直方圖設(shè)一幅圖像包含M個(gè)像素，圖像的顏色空間被量化成N個(gè)17形狀特征8.3.1幾個(gè)基本概念8.3.2區(qū)域內(nèi)部空間域分析8.3.3區(qū)域內(nèi)部變換分析8.3.4區(qū)域邊界的形狀特征描述形狀特征8.3.1幾個(gè)基本概念18圖像特征的選擇與提取-課件19圖像特征的選擇與提取-課件20圖像特征的選擇與提取-課件21提取方法點(diǎn)特征提取線特征提取區(qū)域分割提取方法點(diǎn)特征提取22圖像特征的選擇與提取-課件23點(diǎn)特征提取點(diǎn)特征主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等.用于點(diǎn)特征提取得算子稱為有利算子或興趣算子點(diǎn)特征提取點(diǎn)特征主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等.用24二值圖像的邊緣特征提取二值圖像邊緣特征提取的過(guò)程實(shí)際上是尋找像素灰度值急劇變化的位置的過(guò)程，并在這些位置上將像素值置為“1”，其余位置上的像素值置為“0”，從而求出目標(biāo)的邊界線。二值圖像的邊緣特征提取是用數(shù)學(xué)算子實(shí)現(xiàn)的，如Sobel、Prewitt、Kirsch、拉普拉斯等多種算子。這些算子都是以一個(gè)3×3的模板與圖像中3×3的區(qū)域相乘，得到的結(jié)果作為圖像中這個(gè)區(qū)域中心位置的邊緣強(qiáng)度。在計(jì)算出圖像中每一個(gè)像素的邊緣強(qiáng)度后，將邊緣強(qiáng)度大于一定值的點(diǎn)提取出來(lái)，并賦以像素值“1”，其余賦以像素值“0”。二值圖像的邊緣特征提取二值圖像邊緣特征提取的過(guò)程實(shí)際上是尋找25設(shè)f(i,j)是(i,j)處的像素值，(i,j)位置處的邊緣強(qiáng)度通常用差分值或其函數(shù)來(lái)表示。簡(jiǎn)單的差分算法有：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)邊緣強(qiáng)度=|△xf(i,j)|+|△yf(i,j)|或=△x2f(i,j)+△y2f(i,j)，設(shè)f(i,j)是(i,j)處的像素值，(i,j)位置處的邊緣26線特征提取線特征包括影像的“邊緣”與“線”。“邊緣”通常定義為影像局部特征不相同的那些區(qū)域間的分界線，表現(xiàn)為局部影像的不連續(xù)，例如呈現(xiàn)出灰度級(jí)的突變，紋理結(jié)構(gòu)突變等。而“線”則可以認(rèn)為是具有很小寬度的，其中間區(qū)域具有相同的影像特征的邊緣對(duì)，也就是距離很小的一對(duì)邊緣構(gòu)成一條線。線特征提取線特征包括影像的“邊緣”與“線”。“邊緣”通常定義27邊緣檢測(cè)

邊緣檢測(cè)試抽取邊緣輪廓信息并用于區(qū)域分割，邊緣檢測(cè)和區(qū)域分割具有互補(bǔ)性。在邊緣檢測(cè)中提取不連續(xù)部分的特征，根據(jù)閉合的邊緣求區(qū)域：在區(qū)域中把圖像分割成特征相同的連續(xù)區(qū)域，將區(qū)域間的邊界定義為邊緣。邊緣檢測(cè)

邊緣檢測(cè)試抽取邊緣輪廓信息并用于區(qū)域分割，邊緣檢測(cè)28線檢測(cè)用于線檢測(cè)的算法有多種，如光柵跟蹤、全向跟蹤和hough變換等。不同算法有其各自的適用場(chǎng)合。光柵跟蹤用于一般曲線的檢測(cè)，全向跟蹤主要用于對(duì)工程圖紙中的標(biāo)準(zhǔn)曲線的檢測(cè)。線檢測(cè)用于線檢測(cè)的算法有多種，如光柵跟蹤、全向跟蹤和houg29圖像特征的選擇與提取-課件30三、區(qū)域分割

把圖像分割成特征相同的互不重疊的連續(xù)區(qū)域叫做區(qū)域分割。圖像的二值化處理還是區(qū)域分割的最常用方法三、區(qū)域分割

把圖像分割成特征相同的互不重疊的連續(xù)區(qū)域叫311顏色或灰度的統(tǒng)計(jì)特征2紋理、邊緣特征;3代數(shù)特征;4變換系數(shù)特征或?yàn)V波器系數(shù)特征1顏色或灰度的統(tǒng)計(jì)特征32圖像特征的選擇與提取劉旭圖像特征的選擇與提取劉旭33圖像識(shí)別一般包括圖像預(yù)處理、圖像特征提取、圖像特征選擇和圖像分類4個(gè)步驟。圖像識(shí)別一般包括圖像預(yù)處理、圖像特征提取、圖像特征選擇和圖像34目錄1.論述2.圖像特征3.提取方法3.目錄1.論述35基本任務(wù)求出一組對(duì)分類最有效的特征，即從眾多特征中找出最有效的特征?；救蝿?wù)36特征提取(FeatureExtraction)

圖像原始特征的數(shù)量很大，或者說(shuō)原始樣本處于一個(gè)高維空間中，通過(guò)映射或變換的方法可以將高維空間中的特征描述用低維空間的特征來(lái)描述，這個(gè)過(guò)程就叫特征提取。特征提取(FeatureExtraction)37圖像特征

常見(jiàn)的目標(biāo)特征分為灰度（顏色）、紋理和幾何形狀特征等。其中，灰度和紋理屬于內(nèi)部特征，幾何形狀屬于外部特征。圖像特征38

紋理特征圖像特征的選擇與提取-課件39

幾何特征，判斷凹凸圖像特征的選擇與提取-課件40選取的特征應(yīng)具有如下特點(diǎn)：可區(qū)別性

可靠性

獨(dú)立性好

數(shù)量少對(duì)尺寸、變換、旋轉(zhuǎn)等變換盡可能不敏感選取的特征應(yīng)具有如下特點(diǎn)：41顏色特征的描述

顏色特征和圖像的大小、方向無(wú)關(guān)，而且對(duì)圖像的背景顏色不敏感，因此顏色特征被廣泛應(yīng)用于圖像識(shí)別。顏色特征中包括顏色直方圖、顏色相關(guān)圖、顏色矩等。顏色特征的描述顏色特征和圖像的大小、方向無(wú)關(guān)，而42顏色特征8.2.1顏色矩8.2.2顏色直方圖8.2.3顏色聚合向量8.2.4顏色相關(guān)圖顏色特征8.2.1顏色矩43顏色矩（ColorMoments）顏色矩是一種圖像的顏色特征，可以用來(lái)描述圖像的顏色分布信息。由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩(mean)、二階矩(Variance)和三階矩(Skewness)就足以表達(dá)圖像的顏色分布。顏色矩（ColorMoments）顏色矩是一種圖像的顏色特44一階矩(mean)設(shè)P(j,i)為圖像的第j個(gè)像素的第i個(gè)顏色分量值，一階矩為：即表示待測(cè)區(qū)域的顏色均值。一階矩(mean)設(shè)P(j,i)為圖像的第j個(gè)像素的第i個(gè)顏45二階矩(Variance)表示待測(cè)區(qū)域的顏色方差，即不均勻性。二階矩(Variance)表示待測(cè)區(qū)域的顏色方差，即不均勻性46三階矩(Skewness)三階矩反映顏色的不對(duì)稱性。如果圖象顏色完全對(duì)稱，其值應(yīng)為零。

三階矩(Skewness)三階矩反映顏色的不對(duì)稱47顏色直方圖（ColorHistogram）顏色直方圖是在許多圖像識(shí)別系統(tǒng)中被廣泛采用的顏色特征。它所描述的是不同色彩在整幅圖像中所占的比例，而并不關(guān)心每種色彩所處的空間位置，即無(wú)法描述圖像中的對(duì)象或物體。計(jì)算顏色直方圖需要將顏色空間劃分成若干個(gè)小的顏色區(qū)間(每個(gè)小區(qū)間稱為直方圖的一個(gè)bin),這個(gè)過(guò)程稱為顏色量化。然后，通過(guò)計(jì)算顏色落在每個(gè)小區(qū)間內(nèi)的像素?cái)?shù)量可以得到顏色直方圖。顏色直方圖（ColorHistogram）顏色直方圖48顏色直方圖設(shè)一幅圖像包含M個(gè)像素，圖像的顏色空間被量化成N個(gè)不同顏色。顏色直方圖H定義為：

pi=hi

hi為第i種顏色在整幅圖像中具有的像素?cái)?shù)。歸一化為：pi=hi/M顏色直方圖可以是基于不同的顏色空間和坐標(biāo)系。最常用的顏色空間是RGB顏色空間，此外基于HSI空間、Luv空間和Lab空間的顏色直方圖。顏色直方圖設(shè)一幅圖像包含M個(gè)像素，圖像的顏色空間被量化成N個(gè)49形狀特征8.3.1幾個(gè)基本概念8.3.2區(qū)域內(nèi)部空間域分析8.3.3區(qū)域內(nèi)部變換分析8.3.4區(qū)域邊界的形狀特征描述形狀特征8.3.1幾個(gè)基本概念50圖像特征的選擇與提取-課件51圖像特征的選擇與提取-課件52圖像特征的選擇與提取-課件53提取方法點(diǎn)特征提取線特征提取區(qū)域分割提取方法點(diǎn)特征提取54圖像特征的選擇與提取-課件55點(diǎn)特征提取點(diǎn)特征主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等.用于點(diǎn)特征提取得算子稱為有利算子或興趣算子點(diǎn)特征提取點(diǎn)特征主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等.用56二值圖像的邊緣特征提取二值圖像邊緣特征提取的過(guò)程實(shí)際上是尋找像素灰度值急劇變化的位置的過(guò)程，并在這些位置上將像素值置為“1”，其余位置上的像素值置為“0”，從而求出目標(biāo)的邊界線。二值圖像的邊緣特征提取是用數(shù)學(xué)算子實(shí)現(xiàn)的，如Sobel、Prewitt、Kirsch、拉普拉斯等多種算子。這些算子都是以一個(gè)3×3的模板與圖像中3×3的區(qū)域相乘，得到的結(jié)果作為圖像中這個(gè)區(qū)域中心位置的邊緣強(qiáng)度。在計(jì)算出圖像中每一個(gè)像素的邊緣強(qiáng)度后，將邊緣強(qiáng)度大于一定值的點(diǎn)提取出來(lái)，并賦以像素值“1”，其余賦以像素值“0”。二值圖像的邊緣特征提取二值圖像邊緣特征提取的過(guò)程實(shí)際上是尋找57設(shè)f(i,j)是(i,j)處的像素值，(i,j)位置處的邊緣強(qiáng)度通常用差分值或其函數(shù)來(lái)表示。簡(jiǎn)單的差分算法有：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)邊緣強(qiáng)度=|△xf(i,j)|+|△yf(i,j)|或=△x2f(i,j)+△y2f(i,j)，設(shè)f(i,j)是(i,j)處的