圖像特征提取

1、圖像特征提取方法特征提取是使用計算機提取圖像信息，決定每個圖像的點是否屬于一個圖像特征，其結果是把圖像上的點分為不同的子集，這些子集往往屬于孤立的點、連續(xù)的曲線或者連續(xù)的區(qū)域。常用的圖像特征有顏色特征、紋理特征、形狀特征和空間關系特征。伍収方江顏色n方閤圖1圖像特征分類及其方法一、顏色特征顏色特征是一種全局特征，描述了圖像或圖像區(qū)域所對應的景物的表面性質。一般顏色特征是基于像素點的特征，此時所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻。由于顏色對圖像或圖像區(qū)域的方向、大小等變化不敏感，所以顏色特征不能很好地捕捉圖像中對象的 局部特征。常用的特征提取與匹配方法有5種：顏色矩、顏色直方圖、顏色集、顏

2、色聚合向量、顏色相關圖。（1）顏色矩顏色矩是一種簡單而有效的顏色特征，其數(shù)學基礎是圖像中的任何的顏色分布均可以用它的矩來表示。此外，由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩 （mea n）、階矩（Varianee）和三階矩（Skewness就足以表達圖像的顏色分布，與顏色直方圖相比，該方法 的另一個好處是無須對特征進行量化。1 N一階矩：iRjN j i1N1二階矩：i十（Ri）22N j 11N三階矩：s-（Rji）33N j 1一階：顏色分量的平均強度；二、三階：方差和偏移度。圖像的顏色矩一共有九個分量，每個顏色通道均有三個低階矩。顏色矩僅僅使用少數(shù)幾個矩，從而導致過多

3、的虛警，因此顏色矩常和其他特征結合使用。（2）顏色直方圖它能簡單描述一幅圖像中 顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。但它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。直方圖中的數(shù)值都是統(tǒng)計而來，描述了該圖像中關于顏色的數(shù)量特征，可以反映圖像顏色的統(tǒng)計分布和基本色調。顏色直方圖可以分為三類，分別為：全局直方圖、累加直方圖、主色調直方圖。全局直方圖：反映的是圖像中顏色的組成分布，即出現(xiàn)了哪些顏色以及各種顏色出現(xiàn)的概率。其對圖像的旋轉、平移、縮放和圖像質量變化不敏感，比較

4、適合于檢索圖像的全局顏色相似性，即通過比較顏色直方圖的差異來衡量兩幅圖像在顏色全局分布上的差異。累加直方圖：當圖像中的特征并不能取遍所有可取值時，統(tǒng)計直方圖中會出現(xiàn)一些零值。這些零值的出現(xiàn)會對相似性度量的計算帶來影響，從而使得相似性度量并不能正確反映圖像之間的顏色差別。所以，在全局直方圖的基礎上，使用累加顏色直方圖。在累加直方圖中， 相鄰顏色在頻數(shù)上是相關的。雖然累加直方圖的存儲量和計算量有很小的增加，但是累加直方圖消除了一般直方圖中常見的零值，也克服了一般直方圖量化過細過粗檢索效果都會下降的缺陷。主色調直方圖：因一幅圖像中，往往少數(shù)幾種顏色就涵蓋了圖像的大多數(shù)像素，而且不同顏色在圖像中的出現(xiàn)

5、概率是不同的，可以通過統(tǒng)計圖像中各種顏色出現(xiàn)的概率，選出最頻繁出現(xiàn)的幾種做為主色。使用主色并不會降低顏色匹配的效果，因為顏色直方圖中出現(xiàn)頻率很低的哪些顏色往往不是圖像的主要內容，從某種程度上講，是對圖像內容表示的一種噪聲。(3) 顏色集顏色集是對顏色直方圖的一種近似，首先將RGB顏色空間轉換成視覺均衡的顏色空間(HSV),并將顏色空間量化成若干個bin，然后運用顏色自動分割技術將圖像分為若干個區(qū)域，每個區(qū)域用量化顏色空間的某個顏色分量來索引，從而將圖像表達成一個二進制的顏色索引表。在圖像匹配中，比較不同圖像顏色集之間的距離和顏色區(qū)域的空間關系。因為，顏色集表達為二進制的特征向量，可以構造二分查

6、照樹來加快檢索速度，對大規(guī)模的圖象集合十分有力。(4) 顏色聚合向量圖像的顏色聚合向量是顏色直方圖的一種演變，其核心思想是將屬于直方圖每一個bin的像素分為兩部分： 如果該bin內的某些像素所占據(jù)的連續(xù)區(qū)域的面積大于給定的閾值，則 該區(qū)域內的像素作為聚合像素，否則作為非聚合像素。顏色聚合向量的最大特點是： 克服了顏色直方圖和顏色矩的缺點， 將顏色在圖像中的空間 信息與顏色直方圖結合了起來。 這樣既考慮了顏色分布的統(tǒng)計信息， 又考慮了顏色的空間分 布信息。(5) 顏色相關圖不但刻畫了某一種顏色的像素數(shù)量占整個圖像的比例，還反映了不同顏色對之間的空間相關性。假設I表示整張圖像的全部像素，lc(i)

7、 則表示顏色為c(i)的所有像素。顏色 相關圖可以表達為：其中 i, j 1,2,N , k 1,2,d , | pl - p2 | 表示像素pl和p2之間的距離。顏色相關圖可以看作是一張用顏色對i, j索引的表，其中i, j的第k個分量表示顏色為c(i)的像素和顏色為c(j)的像素之間的距離 小于k的概率。如果考慮到任何顏色之間的相關性，顏色相關圖會變得非常復雜和龐大(空間復雜度為0(N2d)。一種簡化的變種是顏色自動相關圖(color auto-correlogram ),它僅僅考察具有相同顏色的像素間的空間關系，因此空間復雜度降到O(Nd)。、紋理特征紋理特征是一種全局特征， 描述了圖像

8、或圖像區(qū)域所對應景物的表面性質， 它不是基于 像素點的特征， 它需要在包含多個像素點的區(qū)域中進行統(tǒng)計計算， 是從圖像中計算出來的一 個值，它對區(qū)域內部灰度級變化的特征進行量化。紋理特征常具有旋轉不變性， 并且對于噪聲有較強的抵抗能力。 但它也有缺點， 就是當 圖像的分辨率變化的時候， 所計算出來的紋理可能會有較大偏差。 另外，也有可能受到光照、 反射情況的影響，從 2-D 圖像中反映出來的紋理不一定是 3-D 物體表面真實的紋理。常用的特征提取方法大概分為 5 類： 統(tǒng)計法、幾何法、模型法、信號處理法、結構法。 （ 1） 統(tǒng)計法是基于像元及其鄰域的灰度屬性,研究紋理區(qū)域中的統(tǒng)計特性 ,或像元及

9、其鄰域內的灰度的一階、二階或高階統(tǒng)計特性 ; 其典型代表是一種稱為灰度（ 2） 幾何法 是建立在紋理基元 （基本的紋理元素） 理論基礎上的一種紋理特征分析方法。 紋理 基元理論認為， 復雜的紋理可以由若干簡單的紋理基元以一定的有規(guī)律的形式重復排列 構成。在幾何法中，比較有影響的算法有兩種： Voronio 棋盤格特征法和結構法。（ 3） 模型法 模型法以圖像的構造模型為基礎， 采用模型的參數(shù)作為紋理特征。 典型的方法是隨 機場模型法，如馬爾可夫（ Markov ）隨機場（MRF）模型法和 Gibbs隨機場模型法（ 4）信號處理法是建立在時、頻分析與多尺度分析基礎之上,對紋理圖像中某個區(qū)域內實行

10、某種變換后 ,再提取保持相對平穩(wěn)的特征值 ,以此特征值作為特征表示區(qū)域內的一致性以及區(qū)域 間的相異性（ 5）結構法基于“紋理基元”分析紋理特征 ,著力找出紋理基元 ,認為紋理由許多紋理基元構成 ,不同 類型的紋理基元、不同的方向及數(shù)目等,決定了紋理的表現(xiàn)形式。三、形狀特征物體表現(xiàn)出來的視覺特征稱為形狀特征或直觀特征。 形狀特征可以分為兩類 , 一類是基 于邊界的特征 , 另一類是基于區(qū)域的特征。由于形狀特征的直觀性和易理解性 , 提取圖像的形狀特征可以較好的識別圖像中的目 標. 但是 , 這種方法缺乏完善的數(shù)學模型 , 目標變形時結果不可靠 , 全面描述目標對計算消 耗和存儲消耗的要求較高 ,

11、 許多形狀特征所反映的目標形狀信息與人的直覺不完全一致 , 形 狀特征提取結果的準確性依賴于前期分割的效果。常用的特征提取方法有： 邊界特征法、傅里葉形狀描述符法、幾何參數(shù)法、形狀不變 矩法。（ 1）邊界特征法該方法通過對邊界特征的描述來獲取圖像的形狀參數(shù)。其中Hough 變換檢測平行直線方法 和邊界方向直方圖方法 是經典方法。Hough 變換 是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法， 其基本思想是點 線的對偶性；邊界方向直方圖 法首先微分圖像求得圖像邊緣， 然后， 做出關于邊緣大小和方向的直方圖，通常的方法是構造圖像灰度梯度方向矩陣。（2）傅里葉形狀描述符法傅里葉形

12、狀描述符（Fourier shape descriptors）基本思想是用物體邊界的傅里葉變換作為 形狀描述，利用區(qū)域邊界的封閉性和周期性，將二維問題轉化為一維問題。由邊界點導出三種形狀表達，分別是曲率函數(shù)、質心距離、復坐標函數(shù)。傅立葉描繪子具有對平移、旋轉、 比例縮放變換、起點位置不敏感的特點。幾何參數(shù)法形狀的表達和匹配采用更為簡單的區(qū)域特征描述方法。例如采用有關形狀定量測度（如矩、面積、周長等）的形狀參數(shù)法（ shape factor ）。在QBIC系統(tǒng)中，便是利用圓度、偏心 率、主軸方向和代數(shù)不變矩等幾何參數(shù)，進行基于形狀特征的圖像檢索。需要說明的是，形狀參數(shù)的提取，必須以圖像處理及圖像

13、分割為前提，參數(shù)的準確性必然受到分割效果的影響，對分割效果很差的圖像，形狀參數(shù)甚至無法提取。（3）形狀不變矩法利用目標所占區(qū)域的矩作為形狀描述參數(shù)。四、空間關系特征空間關系，是指圖像中分割出來的多個目標之間的相互的空間位置或相對方向關系，這些關系也可分為連接/鄰接關系、交疊/重疊關系和包含/包容關系等?？臻g位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息。前一種關系強調的是目標之間的相對情況，如上下左右關系等，后一種關系強調的是目標之間的距離大小以及方位?？臻g關系特征的使用可加強對圖像內容的描述區(qū)分能力，但空間關系特征常對圖像或目標的旋轉、反轉、尺度變化等比較敏感。另外，實際應用中，僅

14、僅利用空間信息往往是不夠 的，不能有效準確地表達場景信息。為了檢索，除使用空間關系特征外，還需要其它特征來配合。算法：1. 二進制顏色相關矩陣（BMCCM）BMCCM算法流程圖如圖1 :（1）RGB分量顏色不變量模型對圖像進行量化，再計算變換后圖像的顏色 相關矩陣，不僅降維，且有很好的抗干擾能力。RGB分量顏色不變量模型將顏色量化數(shù)降 為6，特征向量僅為36維。圖】算法流程RGB分量顏色不變量模型假設像素表示為丄G(p)(p),則：= niax(/?O), G(p), 5(p)其中，人於3 人啜分別表示顏色分量中的最大、最小和中 間值“在計算顏色相關矩陣和顏色直方圖時，顏色量化為集合* I h

15、. l4 mill、 *Eori ”mf (2)二進制表達將原顏色相關矩陣中概率非 而有效抑制背景色的影響。矩陣二進制表達示例如下： 對其進行二值化處理，即所有非0處以數(shù)值1M 為 6 X 60值變?yōu)?:代替，使相關矩陣的數(shù)值量化成0和1,從的顏色相關矩陣,4,0.0,0.040LOOO.(X?2?0.3,0.0L LOgO2.0.0334.01.0_0.L1.0M=10.5,0/17.0,0= M1.L0J.0.00.000 丄 00,0,0,0,1,007.0,0,0,00.1.0.0.0.0 (3)相似性度量(？)Jaccard系數(shù)定義如下:，其中，？?、？0、？?分別表示2個矩陣中相應元素為1和1, 1和 0, 0和1的個數(shù)。2. 基于顏色相關圖和紋理矩的(1) 改進的顏色相關圖(2) 紋理矩(3) A:將RGB轉換到HSV顏色空間中；量化轉換來的HSV空間q,量化到0-36之間;B:使