图像特征提取与分析剖析课件.pptVIP

第4章图像特征提取与分析

第章第4章图像特征提取与分析图像特征提取与分析本章重点：M图像特征及特征提取的基本概念。M常见的图像特征提取与描述方法，如颜色特征、纹理特征和几何形状特征提取与描述方法。

第4章图像特征提取与分析第章图像特征提取与分析4.1引言4.2颜色特征的提取与表示4.3纹理特征的提取与表示4.4形状特征的提取与表示4.5小结

第章4.1引言4.1.1基本概念图像特征提取与]特征从广义上讲，图像的特征包括基于文本的特征（如关键字、注释等）和视觉特征（如色彩、纹理、分形状、对象表面等）两类。析视觉特征分类：颜色(color)、形状(shape)、纹理(texture)等

第章4.1.1基本概念图像特征提取与分析]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。

第章4.1.1基本概念图像特征提取与分析]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

第章4.1.1基本概念图像特征]特征选择和提取的基本任务如何从众多特征中找出最有效的特征。提]图像特征提取的方法取低层次：形状、纹理、颜色、轮廓等图像某一方面的特征。与分析中层次：高层次：在图像中层次特征基础上的再一次抽象，赋予图像一定的语义信息。

第章4.1.2应用图像特征提取与分析基于内容的图像检索(CBIR，Content-BasedImageRetrieval)M研究背景：FCBIR是目前多媒体、信息检索、人工智能、数据库等领域共同关注的一个重要研究领域；F源于改进基于文本的图像检索技术（text-basedimageretrieval）的不足；

第章4.1.2应用图像M研究内容：特F图像的内容是指物体、背景、构成、颜色等；征提F是一种基于图像固有属性的机械匹配；取与M步骤分析①特征提取②图像匹配③结果输出④特征调整

第章4.1.2应用图像特征提取与分析M体系结构系统的核心是图像特征数据库。

第章4.1.2应用图像特征提取与分析M方法分类①基于颜色特征的检索②基于纹理特征的检索③基于形状特征的检索M研究现状目前CBIR技术主要集中在颜色、纹理、形状等低层物理特征提取的基础上。基于高层语义的检索正有待研究。

第章图像特征提取与分析

第章4.2颜色特征的提取与表示图像特征提取与分析4.2.1引言4.2.2颜色直方图4.2.3颜色矩4.2.4颜色集4.2.5颜色聚合向量4.2.6颜色相关图

第章4.2.1引言图像特征提取与u颜色特征的特点?颜色与图像中包含的物体或场景关系密切；?颜色特征对图像尺寸、方向、视角等的依赖性小；u需要解决的两个问题分?选择合适的颜色空间计算颜色特征析?选择合适的方法将颜色特征量化u表示的主要方法颜色直方图、主色调、颜色矩、颜色集、聚类

第章4.2.2颜色直方图图(1)概念像特设一幅图像包含个像素，图像的颜色空间被JM征提取与分析量化成N个不同颜色。颜色直方图H定义为：hi为第i种颜色在整幅图像中具有的像素数。归一化为：J

第章4.2.2颜色直方图(2)特点图像特征提取与分析|包含了图像中的颜色信息；|描述的是不同颜色在整幅图像中所占的比例，而不关心每种颜色的空间位置；|通过对图像中的像素进行遍历即可建立；|对于平移、旋转、尺度的变化和部分遮挡情况具有不变性；

第章4.2.2颜色直方图图像(3)建立特J选择合适的颜色空间征由于RGB颜色空间与人的视觉不一致，可将提取与分析RGB空间转换到视觉一致性空间。除了HSI空间外，还可以采用一种更简单的颜色空间：这里，max=255。

第章4.2.2颜色直方图图(3)建立像特征J颜色量化：提取与分析F将颜色空间划分为若干个小的颜色区间，每个小区间成为直方图的一个bin（柱状图中每个柱所在的区间）；F方法：向量量化、聚类方法、神经网络方法等；J计算落在每个小区间内像素的数量，得到颜色直方图。

第章4.2.2颜色直方图图(4)区分颜色直方图和灰度直方图像特征提取与分析灰度直方图示例

第章4.2.2颜色直方图图像特征提取与分析(5)小结J优点：计算简单,对平移和旋转不敏感,能简单描述一幅图像中颜色的全局分布。J缺点：无法捕捉颜色组成之间的空间关系,丢失了图像的空间信息。

第章4.2.3颜色矩图像特征提取与分析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