特徵點

特徵點

圖像處理中,特徵點指的是圖像灰度值發生劇烈變化的點或者在圖像邊緣上曲率較大的點(即兩個邊緣的交點)。圖像特徵點在基於特徵點的圖像匹配算法中有著十分重要的作用。圖像特徵點能夠反映圖像本質特徵,能夠標識圖像中目標物體。通過特徵點的匹配能夠完成圖像的匹配。

基本介紹

  • 中文名:(圖像)特徵點
  • 外文名:Image feature points
  • 領域:人工智慧
  • 性質:明確的圖形圖像特徵
分類,顏色特徵,紋理特徵,特徵描述,邊界特徵法,傅立葉形狀,幾何參數法,特徵提取,線性投影分析,非線性特徵抽取,

分類

顏色特徵

顏色特徵是一種全局特徵,描述了圖像或圖像區域所對應的景物的表面性質。一般顏色特徵是基於像素點的特徵,此時所有屬於圖像或圖像區域的像素都有各自的貢獻。由於顏色對圖像或圖像區域的方向、大小等變化不敏感,所以顏色特徵不能很好地捕捉圖像中對象的局部特徵。另外,僅使用顏色特徵查詢時,如果資料庫很大,常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特徵的方法,其優點是不受圖像旋轉和平移變化的影響,進一步藉助歸一化還可不受圖像尺度變化的影響,基缺點是沒有表達出顏色空間分布的信息。

紋理特徵

紋理特徵也是一種全局特徵,它也描述了圖像或圖像區域所對應景物的表面性質。但由於紋理只是一種物體表面的特性,並不能完全反映出物體的本質屬性,所以僅僅利用紋理特徵是無法獲得高層次圖像內容的。與顏色特徵不同,紋理特徵不是基於像素點的特徵,它需要在包含多個像素點的區域中進行統計計算。在模式匹配中,這種區域性的特徵具有較大的優越性,不會由於局部的偏差而無法匹配成功。作為一種統計特徵,紋理特徵常具有旋轉不變性,並且對於噪聲有較強的抵抗能力。但是,紋理特徵也有其缺點,一個很明顯的缺點是當圖像的解析度變化的時候,所計算出來的紋理可能會有較大偏差。

特徵描述

邊界特徵法

該方法通過對邊界特徵的描述來獲取圖像的形狀參數。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線起來組成區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,然後,做出關於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。

傅立葉形狀

傅立葉形狀描述符(Fourier shape deors)基本思想是用物體邊界的傅立葉變換作為形狀描述,利用區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,分別是曲率函式、質心距離、復坐標函式。

幾何參數法

形狀的表達和匹配採用更為簡單的區域特徵描述方法,例如採用有關形狀定量測度(如矩、面積周長等)的形狀參數法(shape factor)。在 QBIC 系統中,便是利用圓度偏心率、主軸方向和代數不變矩等幾何參數,進行基於形狀特徵的圖像檢索
需要說明的是,形狀參數的提取,必須以圖像處理圖像分割為前提,參數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,形狀參數甚至無法提取。

特徵提取

線性投影分析

其基本思想是根據一定的性能目標來尋找一線性變換,把原始信號數據壓縮到一個低維子空間,使數據在子空間中的分布更加緊湊,為數據的更好描述提供手段,同時計算的複雜度得到大大降低。線上性投影分析中,以主分量分析(PCA,或稱K-L變換)和Fisher線性鑑別分析(LDA)最具代表性,圍繞這兩種方法所形成的特徵抽取算法,已成為模式識別領域中最為經典和廣泛使用的方法。
線性投影分析法的主要缺點為:需要對大量的已有樣本進行學習,且對定位、光照與物體非線性形變敏感,因而採集條件對識別性能影響較大。

非線性特徵抽取

投影方法的基本思想是將原樣本空間中的樣本通過某種形式的非線性映射,變換到一個高維甚至無窮維的空間,並藉助於核技巧在新的空間中套用線性的分析方法求解。由於新空間中的線性方向也對應原樣本空間的非線性方向,所以基於核的投影分析得出的投影方向也對應原樣本空間的非線性方向。

相關詞條

熱門詞條

聯絡我們