图像特征提取

1概述图像是客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中最常用的信息载体。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75%来自视觉。古人说“百闻不如一见”、“一目了然”便是非常形象的例子，都反映了图像在信息传递中的独特效果。广义上，图像就是所有具有视觉效果的画面，它包括：纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的。图像根据图像记录方式的不同可分为两大类：模拟图像和数字图像。模拟图像可以通过某种物理量（如光、电等）的强弱变化来记录图像亮度信息，例如模拟电视图像；而数字图像则是用计算机存储的数据来记录图像上各点的亮度信息。国际图像艺术推广机构君友会对图像处理流程的阐述是：图像处理是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。1.1引言图像特征选择提取是图像识别中的一个关键问题。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。图像特征分析在工业生产中有重要的应用。我通过关注和学习图像特征提取并用VC实践，强化了所学习过的知识，并对图像特征提取有了更深一步的认识和理解。1.2图像特征图像特征是指图像的原始特性或属性。常见的图像特征可以分为灰度特征、纹理特征和几何形状特征等。1.3图像特征提取的相关定义由于实际问题的应用类型各不相同，所以对图像特征提取一直没有精确的定义，许多的计算机图像分析和算法都是以特征为切点，其算法成功与否与其使用和定义的特征息息相关。参阅大量文献，其定义概述为：图象处理中最初级的运算就是特征提取，所以数字图像首先要进行的运算就是特征提取，然后通过运算来检查图像的每个像素，最后确定像素所属的特征．如果算法检查的是图像的一些特征区域，那么图像特征提取就是算法中的一部分作为特征提取的一个前提运算，其输入图像一般在尺度空间中被平滑，最后运用导数法则计算出图像的特征。1.3.1图像颜色特征提取颜色特征是通过图像或图像区域的颜色特征来描述，它具有整体性，颜色特征提取方法有颜色直方图、颜色集、颜色矩等方法。1.3.2纹理特征提取纹理特征和颜色特征类似，它也是一种整体性的特征。近些年来，对纹理分析方法的各种理论或方法在纹理特征提取中的应用已经基本成形，纹理特征提取方法归纳为5类，即结构方法、信号处理方法、几何方法、模型方法和计方法。1.3.2纹理特征提取纹理特征和颜色特征类似，它也是一种整体性的特征。近些年来，对纹理分析方法的各种理论或方法在纹理特征提取中的应用已经基本成形，纹理特征提取方法归纳为5类，即结构方法、信号处理方法、几何方法、模型方法和计方法。灰度共生矩阵是被广泛应用的纹理提取算法，是分析图像的基础，它运用统计学中的概率来反映图像灰度有关方向和间隔等整体信息。1.3.3形状特征提取形状特征提取表示方法有2类，一类是区域特征，它主要针对图像的整个形状区域；另一类是轮廓特征，它针对的是物体的外边界。前人关于形状特征提取的典型方法有：边界特征值法（图像的外边界）、几何参数法（图像几何参数化处理）、形状不变矩法（找图像不变矩特征）、傅里叶形状描述法（傅里叶变换法）等。2算法及数学基础2.1二值图像binaryimage是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。二值图像是每个像素只有两个可能值的数字图像。人们经常用黑白、B&W、单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如灰度图像等。二值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。二值图像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式。二值图像经常出现在数字图像处理中中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。一些输入输出设备，如激光打印机、传真机、单色计算机显示器等都可以处理二值图像。二值图像经常使用位图格式存储。2.2二值图像生成算法1)读取图像像素数据2)设定阈值3)以阈值确定每个像素点的值为0或者1通过阈值运算是否可以有效地进行图像分割，取决于物体和背景之间是否有足够的对比度．设一幅灰度图像],[jiF中物体的灰度分布在区间],[21TT内，经过阈值运算后的图像为二值图像]。阈值（如图2-1）算法与应用领域密切相关．事实上，某一阈值运算常常是为某一应用专门设计的，在其它应用领域可能无法工作．阈值选择(如图1)常常是基于在某一应用领域获取的先验知识，因此在某些场合下，前几轮运算通常采用交互式方式来分析图像，以便确定合适的阈值．但是，在机器视觉系统中，由于视觉系统的自主性能（autonomy）要求，必须进行自动阈值选择．现在已经研究出许多利用图像灰度分布和有关的物体知识来自动选择适当阈值的技术。图2-1一幅灰度图像和使用不同阈值得到的二值图像结果．上左：原始灰度图像，上右：阈值T=100；左下：T=128．右下：T1=100|T2=128．2.3轮廓提取用下述算法可以很简单地抽取二值图像的轮廓线。(1)若中心像素值为0，不问其余8像素的值如何，一律保留中心像素值为0；(2)若中心像素值为1，且其余8个像素全为1，则改变中心像素值为0；(3)除此以外，全部将中心像素值设为1。如图2-2图2-2轮廓提取2.4边缘检测边缘与图像处理在图像处理中，边缘不仅仅指物体边界的线，还包括能够描绘图像特征的线的要素，这些线要素就相当于素描画中的线条。对于图像的处理，边缘检测也是重要的基本操作之一。利用所提取的边缘可以识别出特定物体的的面积及周长，求两幅图像的对应点等（如图2-3）。边缘与图像的性质能联系在一起是因为在图像灰度级急剧变化的地方可以看作是边缘。由于自然图像中的颜色变化必然会有灰度变化，因此对于边缘检测与提取，只要把焦点集中在灰度上就可以了。基于微分的边缘提取。由于边缘为灰度值急剧变化的部分，所以微分作为提取函数变化部分的运算能够在边缘检测与提取中利用。微分运算有一阶微分运算，二阶微分运算。由于使用的微分算子的不同，提取的边缘强度也不同。图2-3边缘检测