图像特征提取

图像特征提取方法图像特征提取方法 特征提取是使用计算机提取图像信息 决定每个图像的点是否属于一个图像特征 其 结果是把图像上的点分为不同的子集 这些子集往往属于孤立的点 连续的曲线或者连续 的区域 常用的图像特征有颜色特征 纹理特征 形状特征和空间关系特征 图 1 图像特征分类及其方法 一 颜色特征 颜色特征是一种全局特征 描述了图像或图像区域所对应的景物的表面性质 一般颜 色特征是基于像素点的特征 此时所有属于图像或图像区域的像素都有各自的贡献 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 常用的特征提取与匹配方法有 5 种 颜色矩 颜色直方图 颜色集 颜色聚合向量 颜色颜色矩 颜色直方图 颜色集 颜色聚合向量 颜色 相关图 相关图 1 颜色矩 颜色矩是一种简单而有效的颜色特征 其数学基础是图像中的任何的颜色分布均可以 用它的矩来表示 此外 由于颜色分布信息主要集中在低阶矩中 因此 仅采用颜色的一阶矩 mean 二阶矩 Variance 和三阶矩 Skewness 就足以表达图像的颜色分布 与颜色直方图相比 该 方法的另一个好处是无须对特征进行量化 一阶矩 二阶矩 三阶矩 一阶 颜色分量的平均强度 二 三阶 方差和偏移度 图像的颜色矩一共有九个分量 每个颜色通道均有三个低阶矩 颜色矩仅仅使用少数 几个矩 从而导致过多的虚警 因此颜色矩常和其他特征结合使用 2 颜色直方图 它能简单描述一幅图像中颜色的全局分布 即不同色彩在整幅图像中所占的比例 特 别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像 但它无法描述 图像中颜色的局部分布及每种色彩所处的空间位置 即无法描述图像中的某一具体的对象 或物体 直方图中的数值都是统计而来 描述了该图像中关于颜色的数量特征 可以反映 图像颜色的统计分布和基本色调 颜色直方图可以分为三类 分别为 全局直方图 累加直方图 主色调直方图 全局直方图 累加直方图 主色调直方图 全局直方图 反映的是图像中颜色的组成分布 即出现了哪些颜色以及各种颜色出现 的概率 其对图像的旋转 平移 缩放和图像质量变化不敏感 比较适合于检索图像的全 局颜色相似性 即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异 累加直方图 当图像中的特征并不能取遍所有可取值时 统计直方图中会出现一些零 值 这些零值的出现会对相似性度量的计算带来影响 从而使得相似性度量并不能正确反 映图像之间的颜色差别 所以 在全局直方图的基础上 使用累加颜色直方图 在累加直 方图中 相邻颜色在频数上是相关的 虽然累加直方图的存储量和计算量有很小的增加 但是累加直方图消除了一般直方图中常见的零值 也克服了一般直方图量化过细过粗检索 效果都会下降的缺陷 主色调直方图 因一幅图像中 往往少数几种颜色就涵盖了图像的大多数像素 而且 不同颜色在图像中的出现概率是不同的 可以通过统计图像中各种颜色出现的概率 选出 最频繁出现的几种做为主色 使用主色并不会降低颜色匹配的效果 因为颜色直方图中出 现频率很低的哪些颜色往往不是图像的主要内容 从某种程度上讲 是对图像内容表示的 1 1 N iij j P N 1 2 2 1 1 N iiji j P N 1 3 3 1 1 N iiji j sP N 一种噪声 3 颜色集 颜色集是对颜色直方图的一种近似 首先将 RGB 颜色空间转换成视觉均衡的颜色空间 HSV 并将颜色空间量化成若干个 bin 然后运用颜色自动分割技术将图像分为若干个 区域 每个区域用量化颜色空间的某个颜色分量来索引 从而将图像表达成一个二进制的 颜色索引表 在图像匹配中 比较不同图像颜色集之间的距离和颜色区域的空间关系 因为 颜色 集表达为二进制的特征向量 可以构造二分查照树来加快检索速度 对大规模的图象集合 十分有力 4 颜色聚合向量 图像的颜色聚合向量是颜色直方图的一种演变 其核心思想是将属于直方图每一个 bin 的像素分为两部分 如果该 bin 内的某些像素所占据的连续区域的面积大于给定的阈值 则该区域内的像素作为聚合像素 否则作为非聚合像素 颜色聚合向量的最大特点是 克服了颜色直方图和颜色矩的缺点 将颜色在图像中的空 间信息与颜色直方图结合了起来 这样既考虑了颜色分布的统计信息 又考虑了颜色的空 间分布信息 5 颜色相关图 不但刻画了某一种颜色的像素数量占整个图像的比例 还反映了不同颜色对之间的空 间相关性 假设 I 表示整张图像的全部像素 Ic i 则表示颜色为 c i 的所有像素 颜色 相关图可以表达为 其中 i j 1 2 N k 1 2 d p1 p2 表示像素 p1 和 p2 之间的距离 颜色相关图可以看作是一张用颜色对索引的表 其中的第 k 个分量表示颜色为 c i 的像素和颜色为 c j 的像素之间的距 离小于 k 的概率 如果考虑到任何颜色之间的相关性 颜色相关图会变得非常 复杂和庞大 空间复杂度为 O N2d 一种简化的变种是颜色自动相关图 color auto correlogram 它仅仅考察具有相同颜色的像素间的空间关系 因此空间复杂度降到 O Nd 二 纹理特征 纹理特征是一种全局特征 描述了图像或图像区域所对应景物的表面性质 它不是基 于像素点的特征 它需要在包含多个像素点的区域中进行统计计算 是从图像中计算出来 的一个值 它对区域内部灰度级变化的特征进行量化 纹理特征常具有旋转不变性 并且对于噪声有较强的抵抗能力 但它也有缺点 就是 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 另外 也有可能受到 光照 反射情况的影响 从 2 D 图像中反映出来的纹理不一定是 3 D 物体表面真实的纹理 常用的特征提取方法大概分为 5 类 统计法 几何法 模型法 信号处理法 结构法 统计法 几何法 模型法 信号处理法 结构法 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 其典型代表是一种称为灰度 2 几何法 是建立在纹理基元 基本的纹理元素 理论基础上的一种纹理特征分析方法 纹 理基元理论认为 复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复 排列构成 在几何法中 比较有影响的算法有两种 Voronio 棋盘格特征法和结构法 3 模型法 模型法以图像的构造模型为基础 采用模型的参数作为纹理特征 典型的方法是 随机场模型法 如马尔可夫 Markov 随机场 MRF 模型法和 Gibbs 随机场模型法 4 信号处理法 是建立在时 频分析与多尺度分析基础之上 对纹理图像中某个区域内实行某种变 换后 再提取保持相对平稳的特征值 以此特征值作为特征表示区域内的一致性以及区域 间的相异性 5 结构法 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 三 形状特征 物体表现出来的视觉特征称为形状特征或直观特征 形状特征可以分为两类 一类是 基于边界的特征 另一类是基于区域的特征 由于形状特征的直观性和易理解性 提取图像的形状特征可以较好的识别图像中的目 标 但是 这种方法缺乏完善的数学模型 目标变形时结果不可靠 全面描述目标对计算消 耗和存储消耗的要求较高 许多形状特征所反映的目标形状信息与人的直觉不完全一致 形 状特征提取结果的准确性依赖于前期分割的效果 常用的特征提取方法有 边界特征法 边界特征法 傅里叶形状描述符法 几何参数法 形状不变傅里叶形状描述符法 几何参数法 形状不变 矩法 矩法 1 边界特征法边界特征法 该方法通过对边界特征的描述来获取图像的形状参数 其中 Hough 变换检测平行直线 方法和边界方向直方图方法是经典方法 Hough 变换变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法 其基本思想是点 线的对偶性 边界方向直方图边界方向直方图法首先微分图像求得图像边缘 然后 做出关于边缘大小和方向的直 方图 通常的方法是构造图像灰度梯度方向矩阵 2 傅里叶形状描述符法傅里叶形状描述符法 傅里叶形状描述符傅里叶形状描述符 Fourier shape descriptors 基本思想是用物体边界的傅里叶变换作为 形状描述 利用区域边界的封闭性和周期性 将二维问题转化为一维问题 由边界点导出 三种形状表达 分别是曲率函数 质心距离 复坐标函数 傅立叶描绘子具有对平移 旋 转 比例缩放变换 起点位置不敏感的特点 几何参数法几何参数法 形状的表达和匹配采用更为简单的区域特征描述方法 例如采用有关形状定量测度 如矩 面积 周长等 的形状参数法 shape factor 在 QBIC 系统中 便是利用圆度 偏心率 主轴方向和代数不变矩等几何参数 进行基于形状特征的图像检索 需要说明的是需要说明的是 形状参数的提取 必须以图像处理及图像分割为前提 参数的准确性 必然受到分割效果的影响 对分割效果很差的图像 形状参数甚至无法提取 3 形状不变矩法形状不变矩法 利用目标所占区域的矩作为形状描述参数 四 空间关系特征四 空间关系特征 空间关系 是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系 这些关系也可分为连接 邻接关系 交叠 重叠关系和包含 包容关系等 空间位置信息可以分为两类 相对空间位置信息和绝对空间位置信息 前一种关系强 调的是目标之间的相对情况 如上下左右关系等 后一种关系强调的是目标之间的距离大 小以及方位 空间关系特征的使用可加强对图像内容的描述区分能力 但空间关系特征常对图像或 目标的旋转 反转 尺度变化等比较敏感 另外 实际应用中 仅仅利用空间信息往往是 不够的 不能有效准确地表达场景信息 为了检索 除使用空间关系特征外 还需要其它 特征来配合 算法 算法 1 二进制颜色相关矩阵 二进制颜色相关矩阵 BMCCM BMCCM 算法流程图如图算法流程图如图 1 1 RGB 分量颜色不变量模型分量颜色不变量模型 对图像进行量化 再计算变换后图像的颜 色相关矩阵 不仅降维 且有很好的抗干扰能 力 RGB 分量颜色不变量模型将颜色量化数降 为 6 特征向量仅为 36 维 RGB 分量颜色不变量模型 2 二进制表达 将原颜色相关矩阵中概率非 0 处以数值 1 代替 使相关矩阵的数值量化成 0 和 1 从 而有效抑制背景色的影响 矩阵二进制表达示例如下 M 为 6 6 的颜色相关矩阵 对其进行二值化处理 即所有非 0 值变为 1 3 相似性度量 Jaccard 系