最新图像描述PPT课件.ppt

《最新图像描述PPT课件.ppt》由会员分享，可在线阅读，更多相关《最新图像描述PPT课件.ppt（71页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像描述图像描述7.2 7.2 二值图像的几何特征二值图像的几何特征7.2.1 7.2.1 简单的几何特征简单的几何特征1) 1) 面积：面积：KiiNxNyAAyxfA11010, ),(7.2.2 7.2.2 拓扑特性拓扑特性 拓扑逻辑是研究图形几何形状的理论，只要图形不出现撕裂或粘连，其拓扑性质并不受形状的变化而改变。1)邻接与连通邻接：4邻接、6邻接、8邻接。6邻接不适于卷积、付里叶分析。设A、B为图像子集，若A中至少有一点，其邻点在B内，称A、B邻接。路径：图像中两点P、Q之间存在一系列点P=P0、P1、Pn=Q，其中Pi、 Pi-1的邻点，则P、Q之间存在长度为n的路径。连通分量：

2、对于图像子集S中任意一点p，S中所有的与p连通的点的集合称为S的连通分量，即一个连通区域。路径、连通分量存在4邻点及8邻点的问题，未必相同。2)背景与孔设 为S的补集，凡是连通到图像边缘的 中所有点都属于 的同一连通分量，称这个分量为S的B，而 其它的连通分量称S的孔。注意：S和 需采用不同的邻接定义。SSSSS3) 3) 包围与边界包围与边界 包围的定义：S、T是两个不相交的子集，若从S中的任一点到达图像边缘的任一路径必定与T相遇，则称T包围S，或S在T内。 S的边界S定义：在 中有邻点的S中点的集合。 差集S-S称为S的内部。4) 4) 目标物体的标记目标物体的标记S7.3 7.3 二维形

3、状描述二维形状描述7.3.1 区域描述1)简单区域描述 分散度 分散度=P2/A 面积形状测度。圆最紧凑(4 )。分散度一样，形状未必一样。(2)伸长度 伸长度=A/W2 A为图像子集S的面积，W为子集S的宽度，即使S完全消失的最小收缩步数。面积一定，宽度越小则越长。(3) (3) 欧拉欧拉(Euler)(Euler)数数 E=C-H C为物体的连通部分数，H为孔数，只要不出现撕裂或折叠，拉伸压缩旋转不变。(4)(4)凹凸性凹凸性 子集S为凸状的二条等效定义(教材上四条=,= )任一条直线与S只相交一次。对S中的任意两点相连的直线完全在S中。凸壳：对于任意一个子集S，有一个最小的包含S的凸集，

4、称其为凸壳。(5)(5)复杂性复杂性 可以从不同的角度去定义图像的复杂度：边界曲率极大值的角度数目多少、或变化量的绝对值大小，或要确定或描述物体的信息量的多少。(6)(6)偏心度偏心度 用区域的主轴和辅轴之比来定义偏心度。所谓主轴是指两个方向上的最长值。也可计算惯性主轴比，式7.3.3式7.3.5，涉及矩不变量的计算。(7)(7)同心圆比同心圆比/ /圆环面积比圆环面积比 具有具有RSTRST不变性。不变性。2)2)矩不变量矩不变量(1)矩不变量基本原理连续图像 (p+q)阶矩定义为黎曼积分形式,.2 , 1 , 0),(),(qpdxdyyxfyxmqppq中心距的定义中心距的定义( (进行

5、质心点进行质心点 位置的归一化位置的归一化处理处理) ),(yxdxdyyxfyyxxqppq),()()(式中dxdyyxxfmdxdyyxyfmdxdyyxfmmmymmx),(),(),(,10010000010010数字图像数字图像二值图像二值图像MiNjqppqjifjim11),(),(jiRqppqjim可见，可见， 是区域是区域R的面积的面积00m00010010,mmjmmi中心矩中心矩),()()(jiRqppqjjii定义归一化中心矩定义归一化中心矩(对中心矩进行大小的归一对中心矩进行大小的归一化处理化处理)1200qppqpq胡名桂利用胡名桂利用 表示了表示了7个具有个

6、具有RST不变性的矩不不变性的矩不变量。式变量。式7.3.15pq(2) 矩特征的物理意义矩特征的物理意义 低阶矩描述图像的整体特征：低阶矩描述图像的整体特征： 零阶矩反映了目标的面积、一阶矩反映目标零阶矩反映了目标的面积、一阶矩反映目标的质心位置、二阶矩反映了目标的主轴、辅轴的的质心位置、二阶矩反映了目标的主轴、辅轴的长短和主轴的方向角。式长短和主轴的方向角。式7.3.167.3.18 高阶矩主要描述了图像的细节：高阶矩主要描述了图像的细节： 如目标的扭曲度和峰态的分布等。如目标的扭曲度和峰态的分布等。 投影矩不变量投影矩不变量 对图像作投影变换实现降维，算法在 作投影，将二维矩变成一维矩，

7、提高运算速度。43,2,4, 0(4)(4)矩特征在目标识别中的应用矩特征在目标识别中的应用 通过对不同照度场、不同姿态下物体进行矩特征的统计分析，选取若干个具有明显差异(均值及方差)的矩或组合矩特征量(应具有RST不变性)，建立特征库。 计算待识别物体的相应特征量，按一定的准则，计算与各类目标的隶属度，找出最小的隶属度值。 在最小的隶属度值中找最大值(在最不像当中找最像的)。 最后同一个设定的阈值相比，若大于阈值，则找到了在最小隶属度中最大的那类目标，否则，图像中没有需识别的目标。3)3)中轴变换、收缩、膨胀及细化运算中轴变换、收缩、膨胀及细化运算(1)(1)中轴变换中轴变换 中轴变换可以用

8、中轴(骨架)来描述区域的几何特征，还可用中轴变换来重建原始区域。中轴生成的方式：中轴生成的方式： 设B为图像区域S的边界，S中的某一点x，若边界B上至少有两点y使式 成立，其中 为欧氏距离，则该点x位于中轴上。 图像区域S中某点x属于中轴的充要条件是，中心在x的包含在S中的最大圆，不再包含在S中的另一个更大的圆中。SyyxdBxq),(min(),(),(yxd(2)(2)收缩和膨胀收缩和膨胀 收缩是将S的边界点用 的值来代替，而膨胀是将 中的边界点添加到S中。说明：在收缩及膨胀中邻域的定义要保持一致。SS收缩S相当于膨胀 ；膨胀S相当于收缩 。收缩与膨胀可重复多次或组合进行。 如 存在如下关

9、系：SSnmmnnmSSS)()(nmnmmnSSS)()( 用中轴变换可得物体的中轴，形象化的说明叫“火烧草地”。 先膨胀后收缩，独立点不变，而成团聚集点的会成块，及孔会消失。 先收缩后膨胀可以平滑图像，去除噪声。(3) (3) 细化细化 细化的目的是为了得到与原区域形状近似的由简单的弧与曲线组成的图形。 细化不等于中轴变换，细化结果位于中轴附近；细化是一种多次迭代的收缩算法，但不同于收缩，细化的结果是要求得到一个弧与曲线组成的连通的图形。因此，细化不破坏连通性，收缩有可能会破坏连通性。弧与曲线的定义：弧与曲线的定义：它们是S的一个子集，且是S的一个连通分量，子集中除两个端点外的每一个点都有

10、且只有两个邻点(端点只有有一个邻点)。算法：算法：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，直到不存在可以消去的简单边界点为止。如何判别简单边界点？假设如何判别简单边界点？假设1 1表示区域点，称暗点；表示区域点，称暗点；0 0表示背景点，称亮点。表示背景点，称亮点。边界是一个暗点，且该暗点至少有一个亮点的边界是一个暗点，且该暗点至少有一个亮点的4 4邻接点。邻接点。 端点是一个暗点，且该暗点有、且只有一个暗端点是一个暗点，且该暗点有、且只有一个暗点的点的8 8邻接点。邻接点。转折点是一个暗点，如果删除该暗点，则连通转折点是一个暗点，如果删除该暗点，则连通性被破坏。性被

11、破坏。7.3.2 7.3.2 边界描述边界描述 利用边界来描述目标，可节省存储信息利用边界来描述目标，可节省存储信息量，以可准确地确定物体。量，以可准确地确定物体。1 1）链码）链码 链码是一串指向符的序列，可以描述任意链码是一串指向符的序列，可以描述任意形状的曲线或闭合边界，给定了起点坐标，形状的曲线或闭合边界，给定了起点坐标，就确定了曲线或闭合边界在空间的位置。就确定了曲线或闭合边界在空间的位置。链码具有以下主要的性质：链码具有以下主要的性质：旋转若干个旋转若干个4545o o 起点终点反向起点终点反向 长度长度)8(mod)()()45(101mamamamaCnoini)8(mod41

12、iiaa7 , 5 , 3 , 126 , 4 , 2 , 01)(2)(1iiioeniiaaalnnalL j j方向上投影（宽度）方向上投影（宽度）两点间的距离两点间的距离)(min)(maxkWkWWjkjkj3 , 2 , 1 , 0,1)()(1jnkapkWkjijj21212210)()(niiniiCpCpD说明：说明：对于闭合边界，用规格化链码表示，即对于闭合边界，用规格化链码表示，即使链码表示的整数最小，便于形状匹配。使链码表示的整数最小，便于形状匹配。链码的导数表示，即除第一个码元外，链码的导数表示，即除第一个码元外，其它每个码元向后作差分，并对结果作模其它每个码元向后

13、作差分，并对结果作模8 8运算；第一个码元保持原值。链码的导运算；第一个码元保持原值。链码的导数表示与边界的旋转无关（除第一个码元数表示与边界的旋转无关（除第一个码元外。）外。）2 2）付立叶形状描述子）付立叶形状描述子用一系列付氏系数来表示闭合曲线的形用一系列付氏系数来表示闭合曲线的形状特征，仅适合于单封闭曲线。状特征，仅适合于单封闭曲线。方法：将边界定义在复平面上，由边界方法：将边界定义在复平面上，由边界上的任意一点开始，按逆时针的方向逐点写上的任意一点开始，按逆时针的方向逐点写出边界点复数序列。出边界点复数序列。对此序列作离散付氏变换，得该边界在频域对此序列作离散付氏变换，得该边界在频域

14、的唯一表示式，称其为付氏描述子（的唯一表示式，称其为付氏描述子（FDFD）。）。说明：说明：FDFD描述了边界的形状、位置、大小、方向。描述了边界的形状、位置、大小、方向。为了便于其它目标物的边界的为了便于其它目标物的边界的FDFD进行比较，进行比较，必须对必须对FDFD进行归一化处理，即用最大幅值系进行归一化处理，即用最大幅值系数作为归一化系数。数作为归一化系数。理论上沿边界线作等间距采样结果才严格理论上沿边界线作等间距采样结果才严格正确，实际上存在的差异，故是近似结正确，实际上存在的差异，故是近似结果，采样点越多近似程度就越高。果，采样点越多近似程度就越高。为了便于为了便于FFTFFT，采

15、样点取，采样点取2 2的整数次幂。的整数次幂。23 3）弦分布）弦分布通过一条闭合边界曲线上所有弦的通过一条闭合边界曲线上所有弦的长度和角度的分布来描述边界的形状。长度和角度的分布来描述边界的形状。辐射弦分布与旋转无关，与比例成辐射弦分布与旋转无关，与比例成线性变化；角弦分布与比例无关，而有线性变化；角弦分布与比例无关，而有一个与旋转成比例的偏置，组合应用这一个与旋转成比例的偏置，组合应用这两个分布可作为一种形状匹配技术。两个分布可作为一种形状匹配技术。4 4）自回归模型描述）自回归模型描述说明：说明：自回归模型参数具有自回归模型参数具有RSTRST不变的性质。不变的性质。有孔或凹形轮廓的目标

16、不适宜。（需作修有孔或凹形轮廓的目标不适宜。（需作修改）改）7.47.4二维纹理描述二维纹理描述纹理纹理：由紧密的交织在一起的单元组成：由紧密的交织在一起的单元组成的某种结构。具有局部区域呈现不规则的某种结构。具有局部区域呈现不规则性，而整体上表现出某种规律性的特点。性，而整体上表现出某种规律性的特点。图像纹理图像纹理：反映了物体表面颜色和灰度：反映了物体表面颜色和灰度的某种变化，而这些变化又与物体本身的某种变化，而这些变化又与物体本身的属性相关。的属性相关。纹理结构纹理结构：把图像灰度分布性质或图像：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。表面呈现出的方向信息称为纹理结构。

17、纹理基元纹理基元：把具有一定的不变性的视觉：把具有一定的不变性的视觉基元称为纹理基元。因此纹理可以看作基元称为纹理基元。因此纹理可以看作是纹理基元以不同的形变及不同的方向是纹理基元以不同的形变及不同的方向重复出现的一种图形。重复出现的一种图形。7.4.1 7.4.1 纹理特征纹理特征纹理特征的定量估计方法：纹理特征的定量估计方法：统计分析方法：区域的统计特性、邻统计分析方法：区域的统计特性、邻域内的一阶统计分析、若干个像素及其域内的一阶统计分析、若干个像素及其邻域的二阶或高阶统计分析、用模型来邻域的二阶或高阶统计分析、用模型来分析。分析。结构分析方法：试图找出纹理基元，结构分析方法：试图找出纹

18、理基元，再从组织结构上探索纹理的规律或直接再从组织结构上探索纹理的规律或直接探求纹理组成的结构规律。探求纹理组成的结构规律。7.4.2 7.4.2 灰度共生矩阵法灰度共生矩阵法二阶统计度量，可以提取纹理的特性，常用的纹理二阶统计度量，可以提取纹理的特性，常用的纹理特征系数有：特征系数有：1 1） 角二阶矩（能量）角二阶矩（能量）图像灰度分布均匀性的度量；均匀，分布集中在主图像灰度分布均匀性的度量；均匀，分布集中在主对角线附近。因此，从图像整体看，粗纹理含有较对角线附近。因此，从图像整体看，粗纹理含有较多的能量；反之，细纹理则能量较小。多的能量；反之，细纹理则能量较小。ijdjipdE2),()

19、,(2 2） 惯性矩（对比度）惯性矩（对比度）惯性矩反映了图像纹理的清晰程度。惯性矩反映了图像纹理的清晰程度。纹理的沟纹越深（反映在纹理的沟纹越深（反映在k k上），其对比上），其对比度度I I越大，图像的视觉效果越是清晰。越大，图像的视觉效果越是清晰。ijkjikdjipkdI),(),(23 3） 相关性相关性相关性是用来衡量灰度共生矩阵的元素在行、列的相关性是用来衡量灰度共生矩阵的元素在行、列的方向的相似程度，某一方向上的纹理其相关性一定方向的相似程度，某一方向上的纹理其相关性一定大于其它方向上的相关值。大于其它方向上的相关值。ijyyjixxijyjixyxijyxdjipjdjipi

20、djipjdjipidjiijpdC),()(; ),()(),(, ),(),(),(2222224 4） 熵熵 熵是图像所具有的信息量的度量，纹理熵是图像所具有的信息量的度量，纹理信息也属于图像的信息。若没有纹理，则灰信息也属于图像的信息。若没有纹理，则灰度共生矩阵接近于零阵，则熵值接近为度共生矩阵接近于零阵，则熵值接近为0 0；若分布着较少的纹理，则该图像的熵值较小；若分布着较少的纹理，则该图像的熵值较小；若图像充满细纹理，则灰度共生矩阵数值近若图像充满细纹理，则灰度共生矩阵数值近似相等，则该图像的熵值最大。似相等，则该图像的熵值最大。ijdjipdjipdH),(log),(),(5

21、5） 局部均匀性（逆差矩）局部均匀性（逆差矩）说明：在实际应用中，通常在不影响纹理特征的前说明：在实际应用中，通常在不影响纹理特征的前提下压缩图像，根据实际图像纹理的特点，选取几提下压缩图像，根据实际图像纹理的特点，选取几个距离和方向，计算出共生造成矩阵及特征系数，个距离和方向，计算出共生造成矩阵及特征系数，将特征系数组成一纹理特征矢量，作为统计分类器将特征系数组成一纹理特征矢量，作为统计分类器的输入。的输入。ijdjipjidL),()(11),(2局部二进制模式（local binary pattern，LBP） 7.4.3 MRF7.4.3 MRF模型分析纹理模型分析纹理马尔可夫随机场定

22、义的直观意义马尔可夫随机场定义的直观意义：如果：如果把把(i,j)(i,j)看作看作“将来将来”，而把，而把N Nijij看作看作“现在现在”，所有其它的，所有其它的(I(I,j,j) )看作过看作过去，则去，则“现在现在”将将“过去过去”和和“将来将来”分开，对预测或计算分开，对预测或计算“将来将来”的状态的的状态的概率而言，知道概率而言，知道“过去过去”和和“现在现在”，等价于只知道等价于只知道“现在现在”，“过去过去”不起不起作用，即作用，即(i,j)(i,j)只受到其周围点只受到其周围点N Nijij的影的影响，与其它点无关。响，与其它点无关。MRFMRF模型是用以表征图像数据的空模型

23、是用以表征图像数据的空间相关性的模型间相关性的模型，其显著特点是通过，其显著特点是通过适当定义的邻域（适当定义的邻域（4/84/8邻域）和相应的邻域）和相应的连通系上的能量函数引入了结构信息。连通系上的能量函数引入了结构信息。MRFMRF模型作纹理分析的方法模型作纹理分析的方法：利用：利用最大似然估计，从图像数据中估计最大似然估计，从图像数据中估计MRFMRF的参数，再用这些估计去计算的参数，再用这些估计去计算MRFMRF的条的条件概率，通过假设试验检测对件概率，通过假设试验检测对MRFMRF模型模型的按拟合程度。的按拟合程度。7.4.4 7.4.4 付立叶功率谱纹理分析付立叶功率谱纹理分析功

24、率谱功率谱 反映了图像的全局性信息，其径反映了图像的全局性信息，其径向分布与图像纹理的粗细度有关。向分布与图像纹理的粗细度有关。“稠稠密密”的细纹理，径向分布分散，且远离的细纹理，径向分布分散，且远离原点；原点；“稀疏稀疏”的粗纹理，比较集中，的粗纹理，比较集中，且在原点附近；对于方向性纹理，分布且在原点附近；对于方向性纹理，分布将偏置于纹理方向垂直的方向上。将偏置于纹理方向垂直的方向上。7.4.5 7.4.5 纹理的结构分析纹理的结构分析结构分析的出发点：认为纹理是由许多结构分析的出发点：认为纹理是由许多个纹理基元组成的某种重复性的分布，研个纹理基元组成的某种重复性的分布，研究纹理基元之间的究纹理基元之间的“重复性重复性”的结构关系。的结构关系。（1 1）将纹理图像通过图像的区域分割或）将纹理图像通过图像的区域分割或边缘、线的提取来得到纹理基元。边缘、线的提取来得到纹理基元。（2 2）用统计分析的方法得到纹理基元之间）用统计分析的方法得到纹理基元之间的统计特征，如相位、距离、尺寸等。的统计特征，如相位、距离、尺寸等。（3 3）利用这些统计特征去区分）利用这些统计特征去区分/ /识别纹理。识别纹理。 （4 4）从纹理图像去研究景物的形状。）从纹理图像去研究景物的形状。