图像特征的选择与提取.pptVIP

第1页，共32页，编辑于2022年，星期六 图像识别一般包括图像预处理、图像特征提取、图像特征选择和图像分类 4 个步骤。 第2页，共32页，编辑于2022年，星期六 目录 1.论述 2.图像特征 3.提取方法 3. 第3页，共32页，编辑于2022年，星期六 基本任务 求出一组对分类最有效的特征，即从众多特征中找出最有效的特征。 第4页，共32页，编辑于2022年，星期六 特征提取(FeatureExtraction) 图像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 。 第5页，共32页，编辑于2022年，星期六 图像特征 常见的目标特征分为灰度（颜色）、纹理和几何形状特征等。其中，灰度和纹理属于内部特征，几何形状属于外部特征。 第6页，共32页，编辑于2022年，星期六 纹理特征 第7页，共32页，编辑于2022年，星期六 几何特征，判断凹凸 第8页，共32页，编辑于2022年，星期六 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 ? 对尺寸、变换、旋转等变换尽可能不敏感 第9页，共32页，编辑于2022年，星期六 颜色特征的描述 颜色特征和图像的大小、方向无关，而且对图像的背景颜色不敏感，因此颜色特征被广泛应用于图像识别。 颜色特征中包括颜色直方图、颜色相关图、颜色矩等。 第10页，共32页，编辑于2022年，星期六 颜色特征 8.2.1 颜色矩 8.2.2 颜色直方图 8.2.3 颜色聚合向量 8.2.4 颜色相关图 第11页，共32页，编辑于2022年，星期六 颜色矩（Color Moments） 颜色矩是一种图像的颜色特征，可以用来描述图像的颜色分布信息。 由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩(mean)、二阶矩(Variance)和三阶矩(Skewness)就足以表达图像的颜色分布。 第12页，共32页，编辑于2022年，星期六 一阶矩(mean) 设P(j,i)为图像的第j个像素的第i个颜色分量值，一阶矩为： 即表示待测区域的颜色均值 。 第13页，共32页，编辑于2022年，星期六 二阶矩(Variance) 表示待测区域的颜色方差，即不均匀性。 第14页，共32页，编辑于2022年，星期六 三阶矩(Skewness) 三阶矩反映颜色的不对称性。如果图象颜色完全对称，其值应为零。 第15页，共32页，编辑于2022年，星期六 颜色直方图（Color Histogram） 颜色直方图是在许多图像识别系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。 计算颜色直方图需要将颜色空间划分成若干个小的颜色区间(每个小区间称为直方图的一个bin),这个过程称为颜色量化。然后，通过计算颜色落在每个小区间内的像素数量可以得到颜色直方图。 第16页，共32页，编辑于2022年，星期六 颜色直方图 设一幅图像包含M个像素，图像的颜色空间被量化成N个不同颜色。颜色直方图H定义为： pi=hi hi为第i 种颜色在整幅图像中具有的像素数。 归一化为： pi=hi/M 颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间，此外基于HSI空间、Luv空间和Lab空间的颜色直方图。 第17页，共32页，编辑于2022年，星期六 形状特征 8.3.1 几个基本概念 8.3.2 区域内部空间域分析 8.3.3 区域内部变换分析 8.3.4 区域边界的形状特征描述 第18页，共32页，编辑于2022年，星期六 第19页，共32页，编辑于2022年，星期六 第20页，共32页，编辑于2022年，星期六 第21页，共32页，编辑于2022年，星期六 提取方法 点特征提取 线特征提取 区域分割 第22页，共32页，编辑于2022年，星期六 第23页，共32页，编辑于2022年，星期六