图像信息表示与特征提取小课件.ppt

《图像信息表示与特征提取小课件.ppt》由会员分享，可在线阅读，更多相关《图像信息表示与特征提取小课件.ppt（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、关于图像信息表示与特征提取小现在学习的是第1页，共27页2引言信息和特征是图像理解最近本的处理和分析对象，是完成目标识别，场景分类以及语义分析推理等任务的先决条件。图像特征依赖于图像内容。特征提取旨在获取图像中视觉特征信息，减少视觉特征数据量。提取特征要尽量反映目标重要的本原特性。图像特征对图像理解的效果有重要的影响现在学习的是第2页，共27页图像信息表示图像数据结构线性表，金字塔结构，图结构以及复杂循环结构平面曲线链码（Freeman码）常用于进行数据信息的线性表表示现在学习的是第3页，共27页Freeman码假设简单图像：f=1101 111111111110111101111求其边界：t

2、=boundaries(f,4)t=19x2 double现在学习的是第4页，共27页Freeman码求其Freeman链码（4方向数）：c=fchcode(t:,4)%注意fchcode的第一个参数是n*2的点集，而边界t是cell类型的c=x0y0:11fcc:030010333322211211diff:310133000300301303mm:001033332221121103diffmm:013300030030130331现在学习的是第5页，共27页Freeman码现在学习的是第6页，共27页Freeman码现在学习的是第7页，共27页金字塔结构图像数据结构金字塔结构处理和分析多

3、分辨率图像时图像数据存储的一种有效方式。底层为原图像，每层像素尺寸大小不变，图像尺寸改变，因此，各层有不同分辨率。现在学习的是第8页，共27页金字塔结构现在学习的是第9页，共27页图结构图结构表述了图像中点，线，面之间的更为复杂的连接关系和空间关系。为了表示和控制可视模型，可以采用RSE结构，即区域，线段和端点组成的图现在学习的是第10页，共27页基于基函数的图像信息表示基于基函数的图像信息表示是指设计一副图像的生成模型，然后用生成模型里的成分给出图像的一个“表示”“表示”是指通过某种方式对图像数据进行变换获得，使其本质结构更显著或更容易理解现在学习的是第11页，共27页生成模型与判别模型令o

4、 o和s s分别代表观察序列（观察值）和标记序列（模型），对o o和s s进行统计建模，通常有两种方式：(1)生成模型（产生模型）构建o o和s s的联合分布p(s s,o o)(2)判别模型（条件概率模型，条件模型）构建o和s的条件分布p(s s|o o)两者皆为概率模型现在学习的是第12页，共27页生成模型和判别模型的区别1.对于观察序列的处理不同生成模型中，观察序列作为模型的一部分；判别模型中，观察序列只作为条件，因此可以针对观察序列设计灵活的特征。2.是否支持无指导训练只有生成模型支持无知道训练现在学习的是第13页，共27页基于基函数的变换1.傅里叶变化2.小波变换3.主分量变换4.独

5、立分量分析5.稀疏编码傅里叶变换和小波变换基函数一旦确定就不再改变，和数据无关其余变换通过建立图像的生成模型，利用不同的目标函数，得到图像的基函数以及该基函数的表示现在学习的是第14页，共27页知识表示图像理解系统中世纪可用的知识是由人的经验获得的常识性知识和由专家研究的启发性知识。1.基于规则的产生式表示（人工智能专家系统）2.框架结构表示（图像理解不多见）3.语义网络表示（网络结构表示方法，个体和集合ISA弧。全体和部分之间的HAS-PART弧）现在学习的是第15页，共27页数据与知识的融合图像中的数据和人类知识构成了图像理解的信息流，处理和分析这些信息流需要建立两类信息之间的统一对应关系

6、，体香“数据”和“知识”的融合。保证视觉信息的存储方式和知识信息处理方式的一直连贯性，选择合适的计算机特征表示方法实现人类的知识表示。现在学习的是第16页，共27页相似度相似度是实体间视觉相似度的度量，既有可能是目标之间，又有可能是场景之间。任何目标和场景的信息均存储在反应视觉特征的结构单元中。可采用特征共享编码矩阵表示实体间的相似关系现在学习的是第17页，共27页因果关系，位置关系等因果关系式认知体系中最常见的关系专家系统，人工智能位置关系主要包括特征线面间和目标实体间的位置关系。P175 网格结构“场景目标区域线段像素点”逐层认知包含关系。现在学习的是第18页，共27页图像特征提取图像特征

7、提取是图像理解中从图像获得数据信息并进行相关分析的前提条件和关键环节基本特征提取方法常用特征提取方法现在学习的是第19页，共27页基本特征提取方法1.颜色特征RGB,XYZ,HIS,LAB，颜色统计2.形状特征全局几何特征，变换域几何特征现在学习的是第20页，共27页纹理特征从纹理图像中计算相应统计分布值，对纹理内部灰度级变化的特征进行量化包含了物体表面组织结构排列的重要信息，以及与周围环境的联系，反映了图像本身灰度变化通常与位置，走向，尺寸，形状有关，与平均灰度级无关现在学习的是第21页，共27页纹理特征1.统计法从纹理中计算一些在某个区域内的相对平稳的特征值作为纹理特征基于灰度直方图基于灰

8、度差值直方图基于灰度共生矩阵2.结构法纹理六种属性：粗糙度，对比对，方向度，线像度，规整度和粗略度。假设纹理基元可以分离出来，按某种规律排列进行纹理分割3.分形法4.其他分形特征现在学习的是第22页，共27页分形法组成部分以某种方式与整体相似的形体叫做分形。1.自相似性 从不同空间时间尺度看都是相似的，区域性质和结构和整体相似2.尺度不变性 任选一个局部区域，进行放大，放大图又会显出原图的形态特性。又叫伸缩不变性现在学习的是第23页，共27页尺度不变性对图进行不同程度的缩放，计算缩放后图像的分形维数。将图像缩放到120-220等11个不同尺度上对应的分形维数，求出11个分形维数的平均值。原始图

9、像170*170的分形维数与平均值的差值接近（小于某阀值），则原图像在【0.7,1.3】缩放范围有尺度不变性现在学习的是第24页，共27页分形维数提取1.毯子法 将图像视为山丘，高度为图像灰度，假设形成了一层坛子，求分形表面积来求分形维数D。2.盒维数法 盒子维是最为广泛的一种维数，容易由计算机求得。3.基于分数布朗随机场的分形维数4.其他分形特征现在学习的是第25页，共27页盒维数法将灰度图像抽象成三维曲面.x,y表示位置,z表示灰度。对于一个给定的尺度L，将三维空间分解为荣干大小的L*L*L 其中L为像素点数；L为灰度值如果图像大小现在学习的是第26页，共27页感感谢谢大大家家观观看看现在学习的是第27页，共27页