第8章图像特征提取与分析新

第8章图像特征提取与分析本章重点：•图像特征及特征提取的基本概念•常见的图像特征提取与描述方法8.1基本概念8.2颜色特征描述8.3形状特征描述8.4图像纹理分析8.5小结引言•在物体从图像中分割出来后，进一步就可以对它的几何特征进行测量和分析，在此基础上可以识别物体，也可以对物体分类，或对物体是否符合标准进行判别，实现质量监控。与图像分割一样，物体测量与形状分析在工业生产中有重要的应用。引言•例如，能将马铃薯或苹果等农产品按品质自动分类的机器视觉系统，自动计算不规则形状所包含面积的测量系统，将传送带上不同工件自动分类的视觉系统；自动检查一个人的图像特征，判断是不是某一个人；自动售货机可以识别纸币的面额；在先进的图像处理研究中，已进行指纹图像的自动处理，以代替电子钥匙，并已能够实现人的相貌的自动识别等等。•本章作为一个简单的实例，以二值图像为对象，提取物体的形状、大小等特征，进而从图像中取出所需的对象，并去除不必要的部分。引言引言•图中有几个水果。要想从该图像中把香蕉提取出来，必须告诉计算机要提取什么样的物体。例如，应把香蕉的特征之一——细而长告诉给计算机。也就是说，要指示图像中物体的形状、大小等特征。即告诉计算机要提取的物体是大物体或是圆的、方的等。这时，就要使用“大小”、“圆度”等表示物体形状的参数。引言•什么是图像特征？就是图像中的物体有什么样的特点。•图像特征是表征一个图像最基本的属性或特征。•图像特征可以是人类视觉能够识别的自然特征；也可以是人为定义的某些特征。8.1基本概念目的让计算机具有认识或者识别图像的能力，即图像识别。特征选择是图像识别中的一个关键问题，将直接影响到图像识别分类器的设计，性能及其识别结果的准确性。特征选择和提取的基本任务是如何从众多特征中找出最有效的特征。8.1基本概念特征形成根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。特征提取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。9.1基本概念特征选择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特征提取与选择总原则：尽可能减少整个识别系统的处理时间和错误识别率，当两者无法兼得时，需作出平衡。8.2颜色特征描述颜色特征反映彩色图像的整体特征，一幅图像可以用它的颜色特性近似描述。根据颜色与空间属性的关系，颜色特征的表示方法可以有颜色矩、颜色直方图、颜色相关等几种方法。8.2.1颜色矩颜色矩是以数学方法为基础的，通过计算矩来描述颜色的分布。颜色矩通常直接在RGB空间计算颜色分布的前三阶矩表示为：•一阶-颜色分量的平均强度；二、三阶—方差和偏移度。NjijiPN11NjiijiPN1212])(1[NjiijiPN1313])(1[8.2.2颜色直方图•颜色直方图是最基本的颜色特征表示方法，它反映的是图像中颜色的组成分布，即出现了哪些颜色以及各种颜色出现的概率。其函数表达式如下：•nk是图像中特征值为k的像素的个数，N是图像像素的总数。•颜色直方图所描述的是不同色彩在整幅图像中所占的比例。它对于图像质量的变化不甚敏感，所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。(k0,1,,L1)kHNn（k）=8.2.2颜色直方图由于RGB颜色空间与人的视觉不一致，可将RGB空间转换到视觉一致性空间。除了转换到前面提及的HSI空间外，还可以采用一种更简单的颜色空间：彩色图像变换成灰度图像的公式为：这里，max=255。其中R,G,B为彩色图像的三个分量，g为转换后的灰度值。8.3形状特征描述形状特征描述是在提取图像中的各目标形状特征基础上，对其进行表示。它是进行图像识别和理解的基础。图像经过边缘提取和图像分割等操作，就会得到景物的边缘和区域，也就获得了景物的形状。任何一个景物形状特征均可由其集合属性（如长短、面积、距离、凹凸等）和统计属性（连通、欧拉数）来进行描述。形状特征物体的形状特征主要包括:矩形度宽长比圆形度重心欧拉数1.矩形度物体的矩形度指物体的面积与其最小外接矩形的面积之比值。如图所示，矩形度反映了一个物体对其外接矩形的充满程度。矩形度的定义：MERoAAR2.宽长比宽长比是指物体的最小外接矩形的宽与长之比值。宽长比r为LWr它可以将细长的物体与方形或者圆形的物体区别开来。3.圆形度•圆形度用来刻画物体边界的复杂程度，例如，比较相同面积的圆形和星形，星形等图形要比圆形的周长大的多。因此，提出圆度e来表示物体的形状复杂程度：式中：A—面积；P—周长。举例：显然，当圆的半径为r时，周长为2πr,面积为πr2,所以，e＝1.0。由图可知，形状越接近圆形，e越大；形状越复杂，e值越小。4.重心•重心是指图像中目标像素位置坐标(xi,yi)(i=0,1,……,n－1)的平均值，可用下式计算：利用特征参数提取物体每个果实的特征参数计算步骤如图所示，特征参数计算结果表示如下。（a）原图像（b）圆度小于0.5的区域（c）提取的图像•利用特征参数去除噪声特征参数也可用于去除不必要的物体或噪声。第六章介绍了用腐蚀、膨胀等形态学处理去除二值图像噪声的方法，对于二值图像，用特征参数也能达到去除噪声的目的。也就是说，对图像进行标记，区分成连接成分之后，只要去除面积较小的连接成分即可。其处理流程如图所示。5.欧拉数图像的欧拉数是图像的拓扑特性之一，它表明了图像的连通性。下图(a)的图形有一个连接成分和一个孔，所以它的欧拉数为0，而下图(b)有一个连接成分和两个孔，所以它的欧拉数为-1。可见通过欧拉数可用于目标识别。•孔洞数H、连通分量的数目C、欧拉数E•E=C-H具有欧拉数为0和-1的图形(1)欧氏距离:(2)4-邻域距离，也称为街区距离:(3)8-邻域距离，也称为棋盘距离:||||)],(),,[(kjhikhjids计算点(i,j)和(h,k)间距离常采用的几种方法：下图中表示了以中心像素为原点的各像素的距离。从离开一个像素的等距离线可以看出，在欧氏距离中大致呈圆形，在棋盘距离中呈方形，在街区距离中呈倾斜45度的正方形。街区距离是图像中两点间最短的4－连通的长度，而棋盘距离则是两点间最短的8－连通的长度。一般认为类似于布纹、草地、砖头、墙面等具有重复性结构的图像叫纹理图像。8.4图像的纹理分析•纹理图像在局部区域内可能呈现不规则性，但整体上则表现出一定的规律性，其灰度分布往往表现出某种周期性。•纹理图像所表现出的这种特有的性质称为纹理。实际中很多图像具有纹理型结构，对这类纹理型图像可以通过纹理分析提取其宏观特征信息。一、纹理分析概念指的是图像像素灰度级或颜色的某种变化，主要研究如何获得图像纹理特征和结构的定量描述和解释，以便于图像分割、分析和理解。一般来说，可以认为纹理由许多相互接近、相互编织的元素构成，并常富有周期性。纹理的定义大体可以从三个方面来描述:具有某种局部的序列性，并在该序列更大的区域内不断重复；序列由基本部分非随机排列组成；各个部分大致都是均匀的统一体。纹理分析是指通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程。纹理特征是从图像中计算出来的一个值，它对区域内部灰度级变化的特征进行量化。纹理分析基本过程是从像素出发，在纹理图像中提取出一些辨识力比较强的特征，作为检测出的纹理基元，并找出纹理基元排列的信息，建立纹理基元模型，然后再利用此纹理基元模型对纹理图像进一步分割、分类或是辨识等处理。纹理特征纹理最初指纤维物的外观，纹理图像在很大范围内没有重大细节变化，在这些区域内图像往往显示出重复性结构。有时，物体在纹理上与其周围背景和其他物体有区别，这时，图像分割应以纹理为基础。•虽然纹理目前尚无统一的定义，但一般来说，纹理是由许多相互接近的、互相交织的元素构成，它们具有周期性。纹理在一定程度上反映了一个区域中像素灰度级的空间分布的属性。•纹理可分为人工纹理和天然纹理（自然纹理）。人工纹理图例自然纹理图例二、纹理分析方法•统计方法（采用统计方法对纹理进行分析）A、基于直方图的统计矩1010)()()()(1,,1,0)(LiiiLiininizpzmzpmzznLizpz阶中心矩为：，为对应的直方图。则，机变量，为一个代表灰度级的随令）（归一化：绘子：于构造有关平滑度的描度，可以用，表示灰度对比度的量二阶矩：一阶矩：零阶矩：2222210)1-(L)()(111R01zz的描述。们提供对纹理更进一步但他直方图形状联系起来，五、更高阶矩不容易与。，表示相关平直度的量四阶矩：右偏为正。量，左偏为负，，表示直方图偏斜度的三阶矩：43B、其他的基于直方图的纹理量度)(log)()(210102iLiiLiizpzpezpU平均熵：一致度：三、具有不变性的特征•不变矩•为了使矩描述子与大小、平移、旋转无关，可以用二阶和三阶规格化中心矩导出七个不变矩组Φ。不变矩描述分割出的区域时，具有对平移、旋转和尺寸大小都不变的性质。（1）二维离散函数（如数字图像）的中心矩xyqppqyxfyyxx),()()(（2）归一化中心矩（平移、尺度不变）,3,2,12,00qpqppqpq其中))((4])())[((])(3)[())(3(])(3)[())(3()()()3()3(4)(21032130112032121230022062301222103213021032032121230120312305221032123042210321230321120220202201])()(3)[)(3(])(3))[()(3(2032121230032130122032121230123003217（3）七个不变矩（平移、尺度、旋转不变）