图像处理和识别中的纹理特征和模型Word文档下载推荐.docx
- 文档编号:16428884
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:15
- 大小:813.43KB
图像处理和识别中的纹理特征和模型Word文档下载推荐.docx
《图像处理和识别中的纹理特征和模型Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《图像处理和识别中的纹理特征和模型Word文档下载推荐.docx(15页珍藏版)》请在冰豆网上搜索。
62*乞Sm(i)
即图
反映线性结构的角度。
大的DD说明纹理谱对图像的方向模式较为敏感;
像中有线性机构纹理单元存在。
以上三个特征都是图像的几何特征,可描述原始图像的宏观纹理;
下面介绍几个描述图像微观纹理的特征。
(4)、方向特征
微观水平结构特征:
MHSS(i)*HM(i)
MVS,MDS1,MDS2
HM(i)二P(a,b,c)*P(f,g,h)
同样,我们可以得到其它方向的方向纹理特征
(5)中心对称性
CS二為S(i)*[K(i)]2
2.常用统计特征:
把图像看成是一个二维随机过程的一次实现,可得到图像的直方图、均值、方差、偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。
常用来描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归模型、同时自回归模型等。
原图:
1、2、3、4阶矩
1、一维统计特征
1.1、一维直方图为:
N(l)
P⑴1=1,2,…L-1
M
1,2,•-L-1为图像的灰
可用来描述直方图的相
M为象素总数,N(l)为灰度值为I的象素数,I=度级。
1.2、均值
I/
i=\i*pi)
i卫
1.3、方差
IA
2_2
二八(I-I)*p(l)
I卫
直方图相对于均值的分布,是灰度对比度的度量,对平滑程度。
1.4、偏度
1M-3
IbI、(I-I)*P(I)
I=0
直方图相对于均值的对称性。
1.5、峰度
1I」
If=丁、(I_丨)4*p(I)_3
I
直方图的相对平坦性。
1.6、能量
I」
2
In八[P(I)]
1.7、墒
I4
Is…log(p(l))*P(l)
2、二维统计特征
设两任意像素点的灰度值分别为则
联合分布密度可表示为
P(h,l2)=P(jQ,j'
=hJgl);
=l2)
其中,人归均为0到L之间的灰度级。
1)二维直方图。
二维直方图可表示为
(4.23.8)
其中,M为像素总数,Ngh)表示两事件=h同时发生的事件数。
2)自相关
£
-1Z.-I
Lh=Z工/心P(/“2)(4.2.3.9)
3)协方差
Lc=£
±
3-/i)(/2-/2>
P(/i,/2)(4.2.3.10)
/I-0/2-0
4)惯性矩
-1L-l
厶二工工(八①2Pi/i./2)(4.23.11)
71=0/2=0
71^0/2-0
(4.2.3.14)
3.共生矩阵。
以上讨论没有利用像素间的位賈佶息.利用像素间相对位
胃的空间信息•可以建立区域灰度共纶矩阵•设Q为目标区域/?
中具有某种空
间联系的像索对的集合,则共生矩阵可定义为
(425•刀
—八为{[("
対)"
22)]€0|=“&
/(口户)=/2}
巴/2刃(“),g冋也
上式中分子为灰度值分别为血和,2的像素对的个数・分母为像素对总和;
0中的元索之问具有某种空间位置关系。
例如.相距〃个像素、方向相差0角・共生矩阵反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息,基于共生矩阵P可以定文几个常用的纹理描述符:
1)能Jtt(纹理二阶矩〉
2)
爛
/I/?
«
=-E》n)k>
g尸(必)
••/s
(4・2.5・8)
(4・2・5・9)
3)
对比度
(4.2.5.10)
4)
局部均匀性
S工工晋%
u】+|/i-711
(4.2.5.11)
"
表示图像的平滑性.图像为均匀分布时."
达到故小值;
给出了图像随机性的度履.当图像为均匀分布时,£
e达到最大;
3较大时,表明近邻像素间有较大的反差。
直接基于图像像素:
对比度:
描述图像灰度分布,可检测图像中局部的灰度变化,与图像中局部灰度动态范围,边缘的尖锐程度相关。
contrast而二为图像标准差,J4为四阶中心矩。
contrast
粗糙度:
测量纹理尺寸
coarseness二丄'
2kf(i,j)
mnij
方向性:
描绘纹理的方向性。
=Xcos(naw+如)
JP
phase)。
相位一致性可定义为:
分数维特征:
在自然界中,很多现象都是粗略、不规则、和多尺度的;
用分数维可被用来描述这些模型;
纹理图像的分数维可被认为是纹理在不同的空间尺寸上相对现象的一个索引表示。
图像的熵特征:
直接根据图像邻域像素的分布计算图像熵,窗口尺寸:
7X7
I4.
entropy=log(p(l))*p(l)
4.2.5纹理特证计算
描述纹理的统计特征技术有许多.例如自相关函数、功率谱、正交变换、灰度级同时事件、坎度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔科夫随机场棋黑、自回归模型、同时自回归摸型等.
1、自相关函数。
设图像为/亿丿).其自相关函数定义为
E工
p⑷4;
“)=二…(425.1)
工L/K刀F
上式是对(2m+l〉X(2m+l)窗口内每一像素仏,/)与偏离值为少、4/=0,±
1,土2,...,土T像素之间的相关值作计算。
一般粗纹理区对于给定偏离(少,勺)的相关性要比细纹理区高,也就是说,对粗纹理区:
,自相关函数p(A/,A/UJ)随着偏离值增大而下降的速度较慢:
对于细纹理区,自相关函数p(山,为汰丿)随着偏規值增大而下降的速度较快。
随着馄离值的继续增加,p(A7,/V;
^0会呈现某种周期性的变化,其周期的大小可作为描述图像纹理的重要特征。
下面给出自相关函数的一种推广形式
:
5(匕/)=£
£
(山)2(4/)2仪也勾火/)-(4.2.S.2)
&
/■—7*
纹理粗糙性越大,&
*」)就是越大.因此可以作为度量纹理结构粗糙性的一个度屋。
2、付里叶功率谧.设图像为/(x,刃,其定义域为/?
f(x.y)的付里叶变换为
F(v)=»
Jj/(x,7)exp{-y27r(i£
r+vy)}dxdy(4.2.53)
R
F(u,v)通常是一复数,其二维付里叶变换的功率谱可写成
|F(m,v)|2=F(w,v)F*(tf,v)(4.2.54)
式中为F共|F(z/,v)|反映了图像的性质,如果用极坐标形式F(r,6)表示,那么|F(r,9)|2沿径向的分布就可以作为局部纹理的一种度量。
如果不考虑纹理取向,则纹理的粗糙性的度量为
r(r)=J[F(「E)r丹(425.5)
o
对上式取不同的/■值,可以徊到区域尺的i组纹理结构特征。
如果不考虑频率,则纹理的粗糙性的度最为
/(G)=£
F(r,0)|2dr(4.2.56)
诃式对方向不敏感,对频率敏感;
后式方向敏感,对频率不敏感.因此,在实际中常常将两者结合起來使用。
Gabor小波模型
gabor滤波系数提取:
叽也0-“亿小脸屛(—和旷幻)也力G
提取特征值,均值和方差:
%严JJI%(号)|血如佃%=』7硕仏万TD石亦
各个特征组合得到特征向量:
■V
f=占no疔ooM何…^3S^35]'
滤波器尺寸:
16X16,空间频率:
4〜6,方向:
6个:
■:
t-
输出数据的5X5窗口熵;
entropy:
standardvarianee:
average:
goboroutput:
fortwodiffeorfi'
iiiinirriqimcML
瑞利分布概率密度函数:
P⑴=exp(—皋)
只存在一个参数,减小了特征维数。
Gabor滤波输出的ICA特征处理:
图2ICA与PCA的主紬
Loggabor滤波器的传递函数:
gf⑼=亡2他冷>2
Loggabor滤波器与gabor滤波器的传递函数比较:
(b)在钱性颗率尺度h血<hb^r
團3I,確“I血曲數与知血苗散的传谡閑数
基于栅格元的特征描述:
i-HiI*nZLr*
厂*CH—T2」—pt£
32Ht
—;
:
'
——v~i~_■►—2|—^
阳I鳴応瓦擬即込邸犀珂
农"
简甲丿脇2盘不■棉f甲;
Lt二卑示■齋兀
栅格元模型运算(如图1)包括2个阶段,第一阶段,在接收场的一定范围内,将若干个简单元在相应方向、频率和位置的输出响应作为栅格子单元的输入,计算栅格子单元的响应;
第二阶段,栅格元在给定的方向和频率参数下,接收来自某一范围内的栅格子单元输出响应,
经过加权累加后作为栅格元的输入,通过栅格元运算产生的响应,即可提取图像在不同方向
和周期参数下的纹理特征。
栅格元模型这种对不同方向和周期输入产生不同响应的特性,类
似于Gabor滤波器,但栅格元模型对方向和周期的变化更敏感。
将纹理图像作为栅格元模型中简单元的输入,经过栅格元模型运算后,相应方向和周期下的输出响应即可作为描述图像纹理的特征向量,提取的特征向量经过降维和分类,实现纹理图像的区域分割。
NormalizedCuts
根据像素间的相似性连接图像,连接的边为相似性强度,
式:
分割公式:
cut(A,B)cut(A,B)minNcut(A,B):
deg(A)deg(B)
cut(A,B)八'
s(i,j)
i®
j田
deg(A)八、S(i,j)
i孑
分割结果:
均值漂移模型(meanshift):
均值漂移算法的主要思想是:
假设数据是按某种模式分布(一般假设为高斯分布),根据
这种模式拟合出数据分布的概率密度函数,迭代求出最大密度点作为聚类中心。
算法的过程
中使用分布密度的梯度值来确定作为窗口移动步长,在低密度区域梯度值大,移动步长大,在高密度区步长小,在最大值处梯度为零。
特征概率密度分布以及得到的局部极大值点:
窗口尺寸为13时分割结果
此外常见的图像描述模型还有:
马尔可夫随机场模型;
小波模型;
期望最大(EM)模型;
最近几年有ICA模型;
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 处理 识别 中的 纹理 特征 模型