图像方向性特征提取方法研究

毕 业 论 文论文题目（中文） 图像方向性特征提取方法研究 论文题目（外文）Research on image directional feature extraction图像方向性特征提取方法研究摘要随着计算机和电子技术的快速发展，图像的获取和使用越来越方便，海量图像信息的分析和处理也显得愈加重要。直接获取的图像往往不能满足特定需求，因此需要对图像进行处理和分类标识，这就是图像处理。对图像进行标识和分类具有重要的研究价值和意义。通常所说的图像处理主要是指数字图像处理，也就是利用计算机技术对数字图像进行处理。对图像进行标识最主要的方法是图像的特征提取。特征提取是计算机视觉和图像处理中的一个重要的概念。它是借助计算机技术来提取图像信息，判别每个像素点是否属于一个图像特征。本论文选题主要研究图像方向性特征的提取，并结合一定具有代表性的实例进行分析研究。并分析了将小波变换扩展到多为空间所产生的问题、存在的不足以及将小波变换扩展到多维空间的优化变换contourlets 变换。本论文首先研究了目前存在的方向特征提取算法。然后讨论、推理了多维小波变换和 contourlets 变换在图像边沿特征提取中的原理和效果。最后采用同样的样本图片对比了这两种变换方式以及其他边沿特征提取算法的优势和劣势。关键词：边沿特征提取 小波变换 contourlets 变换 Research on image directional feature extractionAbstractWith the rapid development of computer and electronic technology, image acquisition and use is more and more convenient, large amounts of image information analysis and processing also appears more and more important. Directly obtained images often cannot meet the specific requirements, so need to deal with image identification and classification, this is the image processing. Identification and classification of image has important research value and significance. Commonly referred to as image processing, image processing mainly is the index of word, also is to use computer technology to the digital image processing. Is the primary method for identifying the image feature extraction.Feature extraction is an important concept in computer vision and image processing. It is the use of computer technology to extract image information to determine whether each pixel belongs to an image feature. In this paper, we mainly study the extraction of the directional features of the image, and analyze it with some representative examples. This paper analyzes the problems that the wavelet transform is extended to the space, and the wavelet transform is extended to the multi-dimensional space, the contourlets transform. In this paper, we first study the current feature extraction algorithm. Then, the principle and effect of multidimensional wavelet transform and contourlets transform in image edge feature extraction are discussed. Finally, the advantages and disadvantages of the two methods and other edge feature extraction algorithms are compared with the same samples.Key words: Edge feature extraction wavelet transform contourlets transform目 录中文摘要 .I英文摘要 .II第一章 图像方向特征提取方法 .11.1 图像方向特征提取研究背景 .11.1.1 图像方向特征检测 .11.1.2 图像边沿特征提取原理 .11.2 现阶段图像方向特征提取 .21.2.1 现阶段提取方法 .21.2.2 边沿检测的一般步骤 .21.3 边沿检测的基本方法 .31.3.1 Roberts 边缘检测算子 .31.3.2 Prewitt 边缘检测算子 .31.3.3 Sobel 边缘检测算子 .3第二章 小波变换和 contourlet 变换 .52.1 小波变换 .52.1.1 小波变换的背景 .52.1.2 小波变换与边沿检测 .52.1.3 小波变换的算法 .62.1.4 小波变换的总结 .72.2 Contourlet 变换 .72.2.1 Contourlet 变换的背景 .72.2.2 Contourlet 变换的原理 .8第三章 用 Contourlet 变换提取图像边沿特征 .93.1 在 matlab 中实现边沿提取 .93.1.1 Contourlet 变换的优势 .93.1.2 Contourlet 变换实现算法 .93.2 结论 .10第四章 总结与未来 .104.1 全文工作总结 .104.2 未来工作展望 .11参考文献 .121本科生毕业论文 第一章 图像方向特征提取方法1.1 图像方向特征提取研究背景1.1.1 图像方向特征检测图像方向特征提取是计算机视觉图像处理中的一个重要概念。决定每一个图像点是否符合某一个图像特征。图像方向特征提取的结果就是把已知图像上的点划分为不同的子集，这些子集往往是属于孤立的点、连续的曲线或者联系的区域。特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否属于某一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。在图像处理和计算机视觉中，边缘检测被广泛使用。其目的在于标识出数字图像中亮点变化明显的点，进而提取出有用的信息。通常情况下我们可以将数字图像表示为二位数组，而二位数组中每个元素的值则对应着图像各个像素点的灰度值。而边缘检测的根本原理是通过算法将该数组中各个数据邻域内数值变化大的数据元素进行突出显示，而邻域内变化不大的相邻数据元素数据元素进行屏蔽或降低其灰度显示。不能看出其边缘检测的很像即为如何找出一种算法来突出这种邻域内的数值变化率。1.1.2 图像边沿特征提取原理图像的边沿是图像的一个重要特征，边沿在图像分析中有着重要的作用，图像的边沿是图像的一种基本特征，是图像分析和识别的重要环节。在图像识别、图像分割、图像融合、图像增强、图像压缩等众多领域中都有广泛的应用。本科生毕业论文 边沿是图像上局部区域亮度变化最显著，即灰度变化最剧烈的地方，传统意义上，边沿检测利用此特性，对图像上的点求微分或者二阶微分来确定图像的边沿点。一阶微分的峰值或者二阶微分的零点对应为图像的边沿，下图展示了根据图像灰度特征边沿的三种类型。本论文主要讨论、分析小波变换和小波变换向多维空间扩展时所出现的问题，以及探索使用 contourlet 变换的边缘检测算法，并比较它与其他边缘检测算法。1.2 现阶段图像方向特征提取1.2.1 现阶段提取方法传统意义上，图像的方向特征检测和提取有很多种方法，例如：梯度算子、Gaus-sians的拉普拉斯算子、高斯差、Canny检测器、各向异性扩散等。小波变换已经成为另一种方向性特征检测的手段。通常,特征检测与提取是机器学习、机器视觉的应用程序的一个初步的步骤,。然而,没有完美的边缘检测器或特征提取算法。一个边缘探测器在一个应用程序可能工作得很好,而在其他应用程序中相同的算法可能会失败。因此,多种算法评价是很必要的。1.2.2 边沿检测的一般步骤首先第一步为滤波，因为图像中存在噪声所以需要先进行滤波。然而数字图像中的噪声大多和边缘信号一样占据高频段，所以如果滤波过于完全很可能本科生毕业论文 连同边缘一起滤除，使得滤波后的图像变得模糊，无法提取有效的边缘。而第二步为我们通常所说的利用边缘算子对边缘进行增强。这一步的结果便可直接当做边缘检测的结果。然而大多数边缘检测还需要进行第三部，设定阈值，对超过阈值的像素点进行突出，对低于阈值的像素点进行屏蔽。1.3 边缘检测的基本方法1.3.1 Roberts 边缘检测算子1963 年，Roberts 提出了这种寻找边缘的算子。Roberts 边缘算子是一个2x2 的模板，采用的是对角方向相邻的两个像素之差。从图像处理的实际效果来看，边缘定位较准，对噪声敏感。在 Roberts 检测算子中：Ix=I(i,j)I(i+1,j+1)Iy=I(i+1,j)I(i,j+1)可以导出 Roberts 在点(i+1/2,j+1/2)处的水平与竖直边缘检测卷积核为：mx=1001,my=01101.3.2 Prewitt 利用周围邻域 8 个点的灰度值来估计中心的梯度，它的梯度计算公式如下：Ix=I(i1,j+1)+I(i,j+1)+I(i+1,j+1)I(i1,j1)I(i,j1)I(i+1,j1)Iy=I(i+1,j1)+I(i+1,j)+I(i+1,j+1)I(i1,j1)+I(i1,j)+I(i1,j+1)本科生毕业论文 所以，Prewitt 的卷积核为：mx=111000+1+1+1,my=10+110+110+11.3.3 Sobel 边缘检测算子比起 Prewitt 算子，Sobel 也是用周围 8 个像素来估计中心像素的梯度，但是 Sobel 算子认为