图像特征在区域范围内提取方法的研究.doc

图像特征在区域范围内提取方法的研究 　　摘要：在图像处理技术领域中是最重要的环节就是图像匹配，基于特征的匹配方法涉及特征的选定和提取。常用的方法是对图像进行分割子块后以点特征，线特征，面特征进行特征提取，本文主要对图像特征在区域范围内的颜色、纹理、形状三种特征的选定与特征提取方法进行分析与比较。总结出为了提高图像匹配的准确性，一般会使用多种提取方法同时应用同一特征上 关键词：图像检索 特征提取 边缘检测 中图分类号：TP39 文献标识码：A 文章编号：1007-9416（2016）11-0049-01 1 引言 随着多媒体技术及网络的迅速发展，我们的日常生活也发生了很大的变化，大家每天都会从四面八方收到各类信息，而其中收到最多的是图像类信息，并且这些信息都是没有任何规律可言的，如果不能完全读取与利用图像中的所有有效信息，就会给我们信息处理带来难度。这就要求有一种能够快速而且准确地查找访问图像的技术即图像检索技术 图像检索技术经历了基于关键字检索技术、基于内容检索技术与基于区域检索技术三种方法[1]。其中基于关键字的检索，效率较低，得不到令人满意的检索结果；基于内容的图像检索方法是根据图像的颜色、纹理、形状等视觉上的特征进行信息提取，然后对提取到的这些特征矢量进行匹配。可图像的视觉内容不易识别。比如颜色为蓝白的海洋与天空两幅图像，如果用特征提取，则取得的结果是相似的，可内容是不同的；本文中基于区域图像检索技术是先对图像表示进行分割，对分割后区域中的特征来表示图像的内容，从而增强了图像对内容的识别与感知能力 2 特征提取 特征提取是图象处理中的一个初级运算，它是众多计算机图像分析算法的基点。特征的选取直接决定一个算法是否成功 2.1 颜色特征提取 一般颜色特征是基于像素点的特征，图像或图像区域中的所有像素都参与进来。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。其中颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，基缺点是没有表达出颜色空间分布的信息[2] 在1976年，国际照明委员会推出了CIE1976LUV空间和CIE1976Lab空间两种均匀色标制，其中LUV是一种独立于设备的均匀颜色空间模型，它在人类的感官上分布相当一致，所 以本文以LUV颜色空间进行分析。其中L代表亮度信息，U和V代表色度信息。在CIELUV空间里，两点的欧式距离表示了两点间的色度差异，其与CIEXYZ颜色空间中的X，Y，Z值的转换公式如下： 其中Xn，Yn，Zn是标准白光的三个刺激值。它与RGB颜色空间的转换公式如下： 转换矩阵[A]决定于显示设备所采用的三种荧光粉的色度坐标和标准光源。基于区域的图像颜色特征选取对每一小块提取颜色特征，三个颜色特征分别是L，U，V三颜色在各块分布的一阶矩 2.2 纹理特征提取 一幅图像的纹理是在图像计算中经过量化的图像特征。图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。纹理特征的优点是：具有旋转不变性，对于噪声有较强的抵抗能力；缺点是：当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。纹理特征描述方法有统计法、模型法、结构法、信号处理法四种。[3] （1）统计法是基于像元及其邻域的灰度属性，研究纹理区域中的统计特性，或像元及其邻域内的灰度的一阶、二阶或高阶统计特性 （2）模型法是以某种参数控制的分布模型方式形成的，从纹理图像的实现来估计计算模型参数，以参数为特征或采用某种分类策略进行图像分割。比如马尔可夫随机场、子回归模型这两种基于随机场统计学的方法。这些模型是通过少量的参数表征来表示纹理 （3）结构法是基于“纹理基元”分析纹理特征，着力找出纹理基元，认为纹理由许多纹理基元构成，不同类型的纹理基元、不同的方向及数目等，决定了纹理的表现形式 （4）信号处理法是建立在时、频分析与多尺度分析基础之上，对纹理图像中的某个区域实行某种变换后，借助于频率特性来描述纹理特征，使用最多的有傅里叶功率谱法、塔式小波变换、树式小波变换、Gabor变换等方法 2.3 形状特征提取 形状特征是图像的重要视觉特征之一，图像的形状信息不随图像颜色、纹理、背影的变化而变化，具有平移旋转尺度不变性，是物体稳定的特征，因此可以利用形状特征，实现对形状特征比较明显的各类图像库的检索。现在用于图像检索的形状特征提取方法有两种，一种是区域特征，另一种是轮廓特征 （1）基于形状区域的特征提取是以形状区域内的信息作为特征提取的一种基础算法，比较经典的有基于形状矩的算法与通用傅里叶描述符等 （2）基于轮廓的形状特征提取首先提取形状的封闭轮廓，再对该轮廓进行等面