資源描述：
《圖像特征提取方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、圖像特征提取方法摘要?特征提取是計(jì)算機(jī)視覺(jué)和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)提取圖像信息，決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。特征提取的結(jié)果是把圖像上的點(diǎn)分為不同的子集，這些子集往往屬于孤立的點(diǎn)、連續(xù)的曲線或者連續(xù)的區(qū)域。至今為止特征沒(méi)有萬(wàn)能和精確的圖像特征定義。特征的精確定義往往由問(wèn)題或者應(yīng)用類型決定。特征是一個(gè)數(shù)字圖像中“有趣”的部分，它是許多計(jì)算機(jī)圖像分析算法的起點(diǎn)。因此一個(gè)算法是否成功往往由它使用和定義的特征決定。因此特征提取最重要的一個(gè)特性是“可重復(fù)性”：同一場(chǎng)景的不同圖像所提取的特征應(yīng)該是相同的。???????
2、特征提取是圖象處理中的一個(gè)初級(jí)運(yùn)算，也就是說(shuō)它是對(duì)一個(gè)圖像進(jìn)行的第一個(gè)運(yùn)算處理。它檢查每個(gè)像素來(lái)確定該像素是否代表一個(gè)特征。假如它是一個(gè)更大的算法的一部分，那么這個(gè)算法一般只檢查圖像的特征區(qū)域。作為特征提取的一個(gè)前提運(yùn)算，輸入圖像一般通過(guò)高斯模糊核在尺度空間中被平滑。此后通過(guò)局部導(dǎo)數(shù)運(yùn)算來(lái)計(jì)算圖像的一個(gè)或多個(gè)特征。常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征。當(dāng)光差圖像時(shí)，常?？吹降氖沁B續(xù)的紋理與灰度級(jí)相似的區(qū)域，他們相結(jié)合形成物體。但如果物體的尺寸很小或者對(duì)比度不高，通常要采用較高的分辨率觀察：如果物體的尺寸很大或?qū)?/p>
3、比度很強(qiáng)，只需要降低分辨率。如果物體尺寸有大有小，或?qū)Ρ扔袕?qiáng)有弱的情況下同事存在，這時(shí)提取圖像的特征對(duì)進(jìn)行圖像研究有優(yōu)勢(shì)。常用的特征提取方法有：Fourier變換法、窗口Fourier變換（Gabor)、小波變換法、最小二乘法、邊界方向直方圖法、基于Tamura紋理特征的紋理特征提取等。設(shè)計(jì)內(nèi)容課程設(shè)計(jì)的內(nèi)容與要求（包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計(jì)要求等）：一、課程設(shè)計(jì)的內(nèi)容本設(shè)計(jì)采用邊界方向直方圖法、基于PCA的圖像數(shù)據(jù)特征提取、基于Tamura紋理特征的紋理特征提取、顏色直方圖提取顏色特征等等四種方法設(shè)計(jì)。（1）邊界方向直方圖
4、法由于單一特征不足以準(zhǔn)確地描述圖像特征,提出了一種結(jié)合顏色特征和邊界方向特征的圖像檢索方法.針對(duì)傳統(tǒng)顏色直方圖中圖像對(duì)所有像素具有相同重要性的問(wèn)題進(jìn)行了改進(jìn),提出了像素加權(quán)的改進(jìn)顏色直方圖方法;然后采用非分割圖像的邊界方向直方圖方法提取圖像的形狀特征,該方法相對(duì)分割方法具有簡(jiǎn)單、有效等特點(diǎn),并對(duì)圖像的縮放、旋轉(zhuǎn)以及視角具有不變性.為進(jìn)一步提高圖像檢索的質(zhì)量引入相關(guān)反饋機(jī)制,動(dòng)態(tài)調(diào)整兩幅圖像相似度中顏色特征和方向特征的權(quán)值系數(shù),并給出了相應(yīng)的權(quán)值調(diào)整算法.實(shí)驗(yàn)結(jié)果表明,上述方法明顯地優(yōu)于其它方法.小波理論和幾個(gè)其他課題相關(guān)。所有小波變
5、換可以視為時(shí)域頻域的形式，所以和調(diào)和分析相關(guān)。所有實(shí)際有用的離散小波變換使用包含有限脈沖響應(yīng)濾波器的濾波器段(filterbank)。構(gòu)成CWT的小波受海森堡的測(cè)不準(zhǔn)原理制約，或者說(shuō)，離散小波基可以在測(cè)不準(zhǔn)原理的其他形式的上下文中考慮。通過(guò)邊緣檢測(cè)，把圖像分為邊緣區(qū)域和非邊緣區(qū)域，然后在邊緣區(qū)域內(nèi)進(jìn)行邊緣定位．根據(jù)局部區(qū)域內(nèi)邊緣的直線特性，求得小鄰域內(nèi)直線段的高精度位置；再根據(jù)邊緣區(qū)域內(nèi)邊緣的全局直線特性，用線段的中點(diǎn)來(lái)擬合整個(gè)直線邊緣，得到亞像素精度的圖像邊緣．在擬合的過(guò)程中，根據(jù)直線段轉(zhuǎn)角的變化剔除了噪聲點(diǎn)，提高了定位精度．并且
6、，根據(jù)角度和距離區(qū)分出不同直線和它們的交點(diǎn)，給出了圖像精確的矢量化結(jié)果圖像的邊界是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合，邊界廣泛的存在于物體和背景之間、物體和物體之間，它是圖像分割所依賴的重要特征．邊界方向直方圖具有尺度不變性，能夠比較好的描述圖像的大體形狀．邊界直方圖一般是通過(guò)邊界算子提取邊界，得到邊界信息后，需要表征這些圖像的邊界，對(duì)于每一個(gè)邊界點(diǎn)，根據(jù)圖像中該點(diǎn)的梯度方向計(jì)算出該邊界點(diǎn)處法向量的方向角，將空間量化為M級(jí)，計(jì)算每個(gè)邊界點(diǎn)處法向量的方向角落在M級(jí)中的頻率，這樣便得到了邊界方向直方圖．圖像中像素的梯度
7、向量可以表示為[(，)，)，(，)，)]，其中Gx(，)，)，G(，)，)可以用下面的Sobel算子[8]：(，Y)=，(一1，Y+1)+2×，(，Y+1)+，(+1，Y+1)一，(一1，Y一1)一2×，(，Y一1)一，(+1，Y一1)(，Y)=，(+1，Y一1)+2×，(+1，Y)+，(+1，Y+1)一，(一1，Y一1)一2×，(一1，Y)一，(一1，Y+1)(4)I(x，y)表示在圖像的(x，y)點(diǎn)像素的亮度。為了減少由于數(shù)字化過(guò)程中產(chǎn)生的噪聲的影響，邊界方向直方圖是基于局部像素梯度向量的平均值．因?yàn)橄喾捶较虻奶荻瓤赡軙?huì)相互抵消
8、，所以并不能直接對(duì)局部鄰居像素點(diǎn)的梯度向量平均．解決這個(gè)問(wèn)題的一個(gè)方法就是在計(jì)算平均值前，先對(duì)用復(fù)數(shù)表示的向量進(jìn)行平方運(yùn)算，等價(jià)于把梯度向量的角度增加一倍．角度增加一倍的相反方向的兩個(gè)梯度向量分別指向它們的對(duì)立梯度向量，從而互相得到增
