6 目标表达与描述汇总

目标表达与描述主要内容1概述2边界表达3区域表达4边界描述5区域描述1概述背景–图像分割技术的目的是把一幅给定图像分成有意义的区域或部分。图像分割之后，为了进一步对图像作分析和识别，就必须通过对图像中的物体(目标)作定性或定量的分析来作出正确的结论图像分析–通过图像分割把图像空间分成一些有意义的区域，然后采用不同于原始图像的适当形式将目标表示出来，并对目标特征进行描述，再对图像进行分析和理解处理–图像分割的结果要么是区域内的像素的集合，要么是位于区域边界上的像素的集合，所以对图像中目标的表达方法分为区域表达和边界表达，对目标的描述一般也分为对边界的描述和对区域的描述表达：对目标的表示方法–内部表达：反射性质（灰度、颜色、纹理）–外部表达：形状描述：抽象的表示目标–用一组数量或符号(描述子)来表征图像中被描述物体的某些特征，可以是对图像中各组成部分的性质的描述，也可以是各部分彼此间的关系的描述。–边界描述和区域描述关系–表达对描述起重要作用，限定了描述的精确性–只有目标的描述，表达方法才有意义–表达侧重于数据结构，描述侧重于区域特征及区域间的关系1概述主要内容1概述2边界表达3区域表达4边界描述5区域描述2边界表达在分割过程中当确定了边界后，边界表达就是基于边界的像素点对目标的表示形式。(1)链码：对边界的一种重编码表示方法链码是一种用若干条具有特定长度和方向的线段连接起来表示目标边界的方法。例如:方向数选边界上一点(用坐标表示)作为起点，其它点用方向数来表示：AA:657071324301234567八方向0123四方向起点问题对同一边界，如果用不同的边界点作为链码起点，得到的链码是不同的。例如：以A为起点，链码为：A:10103322以B为起点，链码为：B:03322101链码归一化把链码看成由方向数构成的自然数，找最小的一个。依一个方向循环移动C:01033221ABC2边界表达2边界表达AA旋转后链码发生变化10103322左：21210033右：左：01033221右：00332121归一化差分：把链码看成由方向数构成的自然数,再用后位减前位。差分1010332221210033差分码归一3313303033133030旋转问题对同一边界，旋转前后的链码是不同的。例如：3区域表达(1)空间占有数组：对图像f(x,y)中任一点(x,y)：如果它在给定的区域内，就取f(x,y)为1否则就取f(x,y)为00000000000010000001110000011111000111110000011000000000000000000方法简单空间使用大所有f(x,y)为1的点组成的集合就代表了所要表示的区域(2)四叉树：适用于对方形图像采用分裂与合并方法进行分割的情况E原始图像ABC一次分裂E白色表示目标黑色表示背景蓝色表示背景混合AC二次分裂B1B2B3B4D1D2D3D4B1B2B3B4D1D2D3D4D3区域表达ABCD（3）骨架为了便于描述和特征抽取，对那些细长的区域常用他们的“细化骨架”的细线来表示，这些细线位于中轴附近，而且从视觉上看仍然保持原来的形状，这种处理即细化。细化算法多用于二值图像。细化算法可归纳为：在不破坏区域S的连通性的基础上，消去S中那些不是端点的简单边界点，并按S的上、下、左、右的顺序反复进行，直至不存在可以消去的简单边界点。其核心是如何判断端点和简单边界点。3区域表达一种算法：已知二值图像中目标点标记为1，背景点标记为0。扫描像素p1（x,y）时，建立以p1为中心的3X3窗口，周围的8个点分别表示为p2，p3，p4，p5，p6，p7，p8，p9。步骤：（1）首先标记满足下列条件的像素点（p1=1）0)4.1(;0)3.1(1)()2.1(;6)(2)1.1(86464211pppppppSpN其中N(p1)是p1的非零邻点的个数，S(p1)是以p2，p3，…p9为序时这些点的值从０到１变化的次数。扫描所有点后，将所有标记点删除掉（２）同第１步，修改(1.3)为;0)3.2(842ppp(1.4)为;0)4.2(862ppp扫描所有点后，删除所有标记点（３）重复(1)和(2)，直到没有删除像素点为止3区域表达例子：0000000001111110011111100111111000001110000011100000111000000000000000000×1111×0011111×00×××11×0000011×0000011×00000×××000000000步骤(1)作标记3区域表达0000000000111100011111000000110000001100000011000000000000000000删除步骤(1)作标记的点0000000000××××000×1111000000×1000000×1000000××000000000000000000步骤(2)作标记3区域表达0000000000000000001111000000010000000100000000000000000000000000删除步骤(2)作标记的点3区域表达3区域表达主要内容1概述2边界表达3区域表达4边界描述5区域描述4边界描述1、简单边界描述符：（1）边界的长度：边界所包围区域的轮廓的周长。（2）边界的直径：边界上相隔最远的两个点之间的距离。任意两点p、q（坐标分别为(x,y)和(s,t)）之间的距离可以采用不同的度量方法：22)()(),(tysxqpDEtysxqpD),(4),max(),(8tysxqpD2、矩：目标的边界可看成一系列线段组成：看成一个一维函数f(r)：f(r)0rf(r)的均值：)(iirfrmf(r)对均值的n阶矩为：)()()(ininrfmrrf(r)对均值的n阶矩与f(r)的形状有直接关系，如2阶矩描述了曲线对均值的分布，３阶矩描述了曲线对均值的对称性。4边界描述主要内容1概述2边界表达3区域表达4边界描述5区域描述5区域描述1、简单区域描述符：（1）区域面积：说明区域的大小，设每个像素边长为1，则区域R的面积为：RyxA),(1即区域内像素个数（2）区域重心：RyxxAx),(1RyxyAy),(1（3）区域灰度：灰度的最大值、最小值、均值、中值等当区域为圆时，C趋于无穷大，不受平移、旋转、尺度变换影响从区域重心到边界点的平均距离为从区域重心到边界点的距离的均方差为偏心率：常用边界长轴(直径)长度与短轴长度得比值来表示。圆形性：RRC描述区域的紧凑性RR10),(),(1NkkkRyxyxN210),(),(1NkRkkRyxyxN5区域描述矩不变量矩特征对于图像的旋转、比例和平移具有不变性，因此可以用来描述图像中的区域特性。对于二维连续函数f(x,y)，其(p+q)阶矩定义如下：,...2,1,0,,qpdxdyyxfyxmqppq其中：只要f(x,y)是分段连续的，则所有各阶矩都存在。通常对我们实际处理的图像，认为各阶矩都存在。对矩特征进行归一化，得图像的中心矩：00010010,,mmymmxdxdyyxfyyxxqppq5区域描述对于数字图像f(i,j)：jifjimqMiNjppq,11对于二值图像，目标处的f(i,j)的值为1：qMiNjppqqMiNjppqjjiijim111100010010,mmjmmi即为目标物区域的重心。2/00qprrpqpq即归一化中心矩。5区域描述纹理是图像中一个重要而又难以描述的特性，至今还没有公认的严格定义。纹理反映了物体表面颜色和灰度的某种变化，这些变化与物体本身的属性相关。通常把图像灰度分布性质或图像表面呈现出的方向信息称为纹理结构。图像的纹理分析已在许多领域得到了广泛的应用。例如，*对气象云图的纹理分析；*利用卫星遥感图像的纹理特征，进行区域识别、森林利用、城市发展、土地荒漠化等应用；*对细胞图像、金相图像、催化剂表面图像等显微图像的纹理分析等。纹理描述符5区域描述字典中对纹理的定义是“由紧密的交织在一起的单元组成的某种结构”。纹理是由一个具有一定的不变性的视觉基元，通称纹理基元，在给定区域内的不同位置上，以不同的形变及不同的方向重复地出现的一种图纹。显然只有采用有效描述纹理特性的方法去分析纹理区域与纹理图像，才能真正描述与理解它们。纹理特征5区域描述目前纹理算法大体可以分为两大类：一类是从图像有关属性的统计分析出发的统计分析方法；另一类是力求找出纹理基元，再从结构组成探索纹理的规律或直接去探求纹理构成的结构规律的结构分析方法。目前常用的方法是统计分析方法。本节主要介绍统计纹理分析方法，并在最后简单地介绍一下结构纹理分析方法。5区域描述统计分析方法灰度共生矩阵法5区域描述又称灰度共现阵，是图像灰度的二阶统计量，是一种对纹理的统计分析方法。灰度共生阵定义为从灰度为i的点离开某个固定的位置（相距d，方向为)的点上灰度为j的概率。往往适当地选择d，而则取0,45,90,135度。,dp（1）灰度共生矩阵法5区域描述具体定义：P(i,j;d,):方向上相邻间隔为d的像素一个灰度为i，另一个为j值的点对数。5区域描述0011001102222233特点»０度阵主对角线上元素全部为０，说明水平方向上灰度变化的频率高，纹理细０度阵主对角线上元素值很大，说明水平方向上灰度变化的频率低，纹理粗5区域描述1）角二阶矩(能量)：是图像灰度分布均匀性的度量。定义为灰度共生矩阵元素值的平方和。2,,,ijdjipdE纹理粗时E值大，纹理细时E值小。2）惯性矩（对比度):图像的对比度可以理解为图像的清晰度。在图像中，纹理的沟纹越深，则其对比度i越大，图像越清晰。jikdjipkdIijk,,,,2灰度共生矩阵并不能直接提供纹理信息时，需要进一步从中提取信息，常用的共四种。5区域描述4）熵：是图像所具有的信息量的度量。若图像没有任何纹理，则熵值几乎为零，若细纹理多，则熵值较大。,,log,,,djipdjipdHii3）相关性：用来衡量灰度共生矩阵的元素在行的方向或列的方向的相似程度。ijyyjixxijyjixyxijyxdjipjdjipidjipjdjipidjiijpdC,,,,,,,,,,,,,,,2222225区域描述纹理的结构分析简介结构分析方法认为纹理是由许多纹理基元组成的某种“重复性”的分布形式，在结构分析中，除了提取纹理基元外，还要研究存在于纹理基元之间的“重复性”关系。确定纹理基元的方法：通过图像的区域分割或边缘、线的抽取来提取纹理基元。纹理基元之间的结构关系：有多种途径进行研究，比较简单的方法是分析纹理基元间存在的相位、距离、尺寸等统计特性，也可以考虑用复杂的，如模型或句法等。5区域描述其它方法纹理特征的两要素:(A)形状与大小,(B)基元排列的稀密,周期性,方向性1区域直方图方法:比较已知目标的直方图与图像中某个给定区域的灰度直方图,从而决定两目标是否相似.操作步骤:1选取适当的区域大小2对每一个像素,计算其领域的灰度直方图3比较此直方图与基元的直方图,决定两者是否相似,若相似,则说明所给的图像中有我们所需的纹理,进行第4步.4比较不同像素的直方图的相似性,决定纹理的稀密,周期性,方向性.衡量直方图相似的常见度量1直方图的均直(2)直方图的方差