1、第第4 4章章 图像特征图像特征提取与分析提取与分析 第第4 4章章 图像特征提取与分析图像特征提取与分析第第4章章 图像特征提取与分析图像特征提取与分析本章重点：本章重点：M图像特征及特征提取的基本概念。图像特征及特征提取的基本概念。M常见的图像特征提取与描述方法，如常见的图像特征提取与描述方法，如 颜色特征、纹理特征和几何形状特征颜色特征、纹理特征和几何形状特征 提取与描述方法。提取与描述方法。第第4 4章章 图像特征提取与分析图像特征提取与分析4.1 4.1 引言引言 4.2 4.2 颜色特征的提取与表示颜色特征的提取与表示 4.3 4.3 纹理特征的提取与表示纹理特征的提取与表示 4.
2、4 4.4 形状特征的提取与表示形状特征的提取与表示 4.5 4.5 小结小结第第4章章 图像特征提取与分析图像特征提取与分析第第4 4章章 图像特征提取与分析图像特征提取与分析4.1 4.1 引引 言言 4.1.1 4.1.1 基本概念基本概念 特征特征 从广义上讲，图像的特征包括基于文本的特征从广义上讲，图像的特征包括基于文本的特征（如关键字、注释等）和视觉特征（如色彩、纹理、（如关键字、注释等）和视觉特征（如色彩、纹理、形状、对象表面等）两类。形状、对象表面等）两类。 视觉特征分类：颜色视觉特征分类：颜色(color)(color)、形状、形状(shape)(shape)、纹理纹理(te
3、xture)(texture)等等 第第4 4章章 图像特征提取与分析图像特征提取与分析特征形成特征形成 根据待识别的图像，通过计算产生一组原始特根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。征，称之为特征形成。特征提取特征提取 原始特征的数量很大，或者说原始样本处于一原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变换的方法可以将高维个高维空间中，通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个空间中的特征描述用低维空间的特征来描述，这个过程就叫特征提取。过程就叫特征提取。4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图像特
4、征提取与分析图像特征提取与分析特征选择特征选择 从一组特征中挑选出一些最有效的特征以达到降从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程就叫特征选择。低特征空间维数的目的，这个过程就叫特征选择。 选取的特征应具有如下特点：选取的特征应具有如下特点：可区别性可区别性可靠性可靠性独立性好独立性好数量少数量少4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图像特征提取与分析图像特征提取与分析特征选择和提取的基本任务特征选择和提取的基本任务如何从众多特征中找出最有效的特征。如何从众多特征中找出最有效的特征。图像特征提取的方法图像特征提取的方法低层次：形状、纹理、颜色
5、、轮廓等图像某一方面低层次：形状、纹理、颜色、轮廓等图像某一方面的特征。的特征。 中层次：中层次：高层次：高层次：在图像中层次特征基础上的再一次抽象，在图像中层次特征基础上的再一次抽象，赋予图像一定的赋予图像一定的语义语义信息。信息。 4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图像特征提取与分析图像特征提取与分析4.1.2 4.1.2 应应 用用 基于内容的图像检索基于内容的图像检索(CBIR，Content-Based Image Retrieval) M研究背景：研究背景：FCBIR是目前多媒体、信息检索、人工智能、是目前多媒体、信息检索、人工智能、数据库等领域共同关注的一
6、个重要研究领域；数据库等领域共同关注的一个重要研究领域；F源于改进源于改进基于文本的图像检索技术（基于文本的图像检索技术（text-text-based image retrievalbased image retrieval） 的不足；的不足； 第第4 4章章 图像特征提取与分析图像特征提取与分析4.1.2 4.1.2 应应 用用M研究内容：研究内容：F图像的内容是指物体、背景、构成、颜色等；图像的内容是指物体、背景、构成、颜色等；F是一种基于图像固有属性的机械匹配是一种基于图像固有属性的机械匹配 ； M步骤步骤 特征提取特征提取 图像匹配图像匹配 结果输出结果输出 特征调整特征调整 第第4
7、 4章章 图像特征提取与分析图像特征提取与分析4.1.2 4.1.2 应应 用用 M体系结构体系结构 系统的核心是图像特征数据库。系统的核心是图像特征数据库。 第第4 4章章 图像特征提取与分析图像特征提取与分析M研究现状研究现状 目前目前CBIR技术主要集中在技术主要集中在颜色、纹理、形状颜色、纹理、形状等低层物理特征提取的基础上。基于高层语义的检等低层物理特征提取的基础上。基于高层语义的检索正有待研究。索正有待研究。4.1.2 4.1.2 应应 用用 M方法分类方法分类 基于颜色特征的检索基于颜色特征的检索 基于纹理特征的检索基于纹理特征的检索 基于形状特征的检索基于形状特征的检索第第4
8、4章章 图像特征提取与分析图像特征提取与分析第第4 4章章 图像特征提取与分析图像特征提取与分析4.2 4.2 颜色特征的提取与表示颜色特征的提取与表示 4.2.1 4.2.1 引言引言4.2.2 4.2.2 颜色直方图颜色直方图 4.2.3 4.2.3 颜色矩颜色矩4.2.4 4.2.4 颜色集颜色集4.2.5 4.2.5 颜色聚合向量颜色聚合向量4.2.6 4.2.6 颜色相关图颜色相关图 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.1 4.2.1 引言引言 u颜色特征的特点颜色特征的特点颜色与图像中包含的物体或场景关系密切；颜色与图像中包含的物体或场景关系密切；颜色特征对
9、图像尺寸、方向、视角等的依赖性小；颜色特征对图像尺寸、方向、视角等的依赖性小；u需要解决的两个问题需要解决的两个问题选择合适的颜色空间计算颜色特征选择合适的颜色空间计算颜色特征选择合适的方法将颜色特征量化选择合适的方法将颜色特征量化u表示的主要方法表示的主要方法 颜色直方图、主色调、颜色矩、颜色集、聚类颜色直方图、主色调、颜色矩、颜色集、聚类 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.2 4.2.2 颜色直方图颜色直方图 J设一幅图像包含设一幅图像包含M个像素，图像的颜色空间被个像素，图像的颜色空间被量化成量化成N个不同颜色。颜色直方图个不同颜色。颜色直方图H定义为：定义为：
10、 hi为第为第i种颜色在整幅图像中具有的像素数。种颜色在整幅图像中具有的像素数。J归一化为：归一化为： iiphiiph M(1)(1)概念概念第第4 4章章 图像特征提取与分析图像特征提取与分析(2)(2)特点特点4.2.2 4.2.2 颜色直方图颜色直方图 |包含了图像中的颜色信息；包含了图像中的颜色信息；|描述的是不同颜色在整幅图像中所占的比例，而描述的是不同颜色在整幅图像中所占的比例，而不关心每种颜色的空间位置；不关心每种颜色的空间位置；|通过对图像中的像素进行遍历即可建立；通过对图像中的像素进行遍历即可建立；|对于平移、旋转、尺度的变化和部分遮挡情况具对于平移、旋转、尺度的变化和部分
11、遮挡情况具有不变性；有不变性；第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.2 4.2.2 颜色直方图颜色直方图 (3) (3) 建立建立J选择合适的颜色空间选择合适的颜色空间 由于由于RGB颜色空间与人的视觉不一致，可将颜色空间与人的视觉不一致，可将RGB空间转换到视觉一致性空间。除了空间转换到视觉一致性空间。除了HSI空间空间外，还可以采用一种更简单的颜色空间：外，还可以采用一种更简单的颜色空间： 这里，这里，max=255。 1233(max)22 (max)4CRGBCRBCRGB 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.2 4.2.2 颜色直方图颜色
12、直方图 J颜色量化：颜色量化：F将颜色空间划分为若干个小的颜色区间，每个将颜色空间划分为若干个小的颜色区间，每个小区间成为直方图的一个小区间成为直方图的一个bin（柱状图中每个柱（柱状图中每个柱所在的区间）；所在的区间）；F方法：向量量化、聚类方法、神经网络方法等；方法：向量量化、聚类方法、神经网络方法等；J计算落在每个小区间内像素的数量，得到颜色直计算落在每个小区间内像素的数量，得到颜色直方图。方图。(3)(3)建立建立第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.2 4.2.2 颜色直方图颜色直方图 (4) (4) 区分颜色直方图和灰度直方图区分颜色直方图和灰度直方图灰度直方
13、图示例灰度直方图示例 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.2 4.2.2 颜色直方图颜色直方图 (5)(5)小结小结J优点：计算简单优点：计算简单, ,对平移和旋转不敏感对平移和旋转不敏感, ,能简单描述能简单描述 一幅图像中颜色的全局分布。一幅图像中颜色的全局分布。J缺点：无法捕捉颜色组成之间的空间关系缺点：无法捕捉颜色组成之间的空间关系, ,丢失了丢失了 图像的空间信息。图像的空间信息。 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.3 4.2.3 颜色矩颜色矩 颜色矩是以数学方法为基础的，通过计算颜色矩是以数学方法为基础的，通过计算矩来描述颜色的分布
14、。矩来描述颜色的分布。 颜色矩通常直接在颜色矩通常直接在RGB空间计算。空间计算。 颜色分布的前三阶矩表示为：颜色分布的前三阶矩表示为：11NiijjPN2 1 211() )NiijijPN3 1 311() )NiijijsPN第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.3 4.2.3 颜色矩颜色矩 特点特点 n图像的颜色矩有九个分量（图像的颜色矩有九个分量（3 3个颜色分量，每个分个颜色分量，每个分量上量上3 3个低阶矩）；个低阶矩）；n与其它颜色特征相比非常简洁；与其它颜色特征相比非常简洁；n分辨力较弱；分辨力较弱；n颜色矩一般和其它特征结合使用，起到缩小范围的颜色矩一
15、般和其它特征结合使用，起到缩小范围的作用。作用。第第4 4章章 图像特征提取与分析图像特征提取与分析定义：定义： 设设BM是是M维的二值空间，在维的二值空间，在BM空间的每个空间的每个轴对应唯一的索引轴对应唯一的索引m。一个颜色集就是一个颜色集就是BM二值空二值空间中的一个二维矢量，它对应着对颜色间中的一个二维矢量，它对应着对颜色m的选择，的选择，即颜色即颜色m出现时，出现时，cm=1,否则，否则，cm=0。4.2.4 4.2.4 颜色集颜色集 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.4 4.2.4 颜色集颜色集 实现步骤：实现步骤： 对于对于RGB空间中任意图像，它的每个
16、像素可以空间中任意图像，它的每个像素可以表示为一个矢量表示为一个矢量 。 变换变换T将其变换到另一与人视觉一致的颜色空将其变换到另一与人视觉一致的颜色空间间 ，即，即 。 采用量化器采用量化器QM对对 重新量化，使得视觉上重新量化，使得视觉上明显不同的颜色对应着不同的颜色集，并将颜色集明显不同的颜色对应着不同的颜色集，并将颜色集映射成索引映射成索引m。, ,cvr g b cw ccwT v cw 第第4 4章章 图像特征提取与分析图像特征提取与分析与颜色直方图的关系：与颜色直方图的关系： 颜色集可以通过对颜色直方图设置阈值直接生颜色集可以通过对颜色直方图设置阈值直接生成。如对于一颜色成。如对
17、于一颜色m，给定阈值给定阈值 m，颜色集与直方，颜色集与直方图的关系如下：图的关系如下：因此，颜色集表示为一个二进制向量。因此，颜色集表示为一个二进制向量。 4.2.4 4.2.4 颜色集颜色集 1 0mifh mc motherwise第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.4 4.2.4 颜色集颜色集 颜色集同时考虑了颜色空间的选择和颜色颜色集同时考虑了颜色空间的选择和颜色 空间的划分。空间的划分。 使用颜色集表示颜色信息时，通常采用使用颜色集表示颜色信息时，通常采用 HSI颜色空间。颜色空间。第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.5 4.2.5
18、颜色聚合向量颜色聚合向量 颜色直方图的一种演变，核心思想是将属于直颜色直方图的一种演变，核心思想是将属于直方图每个颜色区间的像素分为两部分，如果该区间方图每个颜色区间的像素分为两部分，如果该区间中的某些像素所占据的连续区域面积大于给定的阈中的某些像素所占据的连续区域面积大于给定的阈值，则该区域内的像素作为聚合像素，否则为非聚值，则该区域内的像素作为聚合像素，否则为非聚合像素。表示为：合像素。表示为：其中其中i与与i分别代表直方图的第分别代表直方图的第i个个bin中聚合像素中聚合像素和非聚合像素的数量。和非聚合像素的数量。 第第4 4章章 图像特征提取与分析图像特征提取与分析4.2.6 4.2.
19、6 颜色相关图颜色相关图|不仅刻画了某一种颜色的像素占整个图像的比例，不仅刻画了某一种颜色的像素占整个图像的比例， 还反映了不同颜色对之间的空间相关性；还反映了不同颜色对之间的空间相关性；|颜色相关图可以看作是一张用颜色对颜色相关图可以看作是一张用颜色对索引的索引的 表，其中表，其中的第的第k个分量表示颜色为个分量表示颜色为c(i)的像素和的像素和 颜色为颜色为c(j)的像素之间的距离小于的像素之间的距离小于k的的概率概率；第第4 4章章 图像特征提取与分析图像特征提取与分析1( ),2( ),2( )12c iki jrc jpIpIPpIppk4.2.6 4.2.6 颜色相关图颜色相关图
20、设设I表示整张图像的全部像素，表示整张图像的全部像素，Ic(i) 则表示颜色为则表示颜色为c(i)的所有像素。颜色相关图可以表达为：的所有像素。颜色相关图可以表达为： 其中其中 i, j 1, 2, , N，k 1, 2, , d，| p1 p2 | 表示像素表示像素p1和和p2之间的距离。之间的距离。 第第4 4章章 图像特征提取与分析图像特征提取与分析4.3 4.3 图像的纹理分析技术图像的纹理分析技术 纹理纹理 纹理纹理指的是图像像素指的是图像像素灰度灰度或或颜色颜色的某种变化。的某种变化。4.3.1 4.3.1 引言引言 Texture tells us information abo
21、ut spatial arrangement of the colors or intensities in an image. 具有周期性；具有周期性；不依赖于颜色或亮度不依赖于颜色或亮度 ；第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.1 4.3.1 引言引言几种纹理图像几种纹理图像第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.1 4.3.1 引言引言包含多个纹理区域的图像包含多个纹理区域的图像第第4 4章章 图像特征提取与分析图像特征提取与分析一些典型的纹理图像一些典型的纹理图像4.3.1 4.3.1 引言引言第第4 4章章 图像特征提取与分析图像特征提取与分
22、析纹理特征纹理特征F纹理特征是从图像中计算出来的一个值，对纹理特征是从图像中计算出来的一个值，对区域区域内部内部灰度灰度级变化的特征级变化的特征进行量化。进行量化。F是一种是一种全局特征全局特征，仅利用纹理特征无法获得高层次图像内，仅利用纹理特征无法获得高层次图像内容。容。F不是基于像素点的特征，需要在包含多个像素点的不是基于像素点的特征，需要在包含多个像素点的区域区域中中进行统计计算。进行统计计算。F具有具有旋转不变性旋转不变性，且对噪声有较强的抵抗能力。，且对噪声有较强的抵抗能力。F当图像分辨率变化的时候，计算出来的纹理可能会有较大当图像分辨率变化的时候，计算出来的纹理可能会有较大偏差。偏
23、差。F适用于检索具有粗细、疏密等方面较大差别的纹理图像。适用于检索具有粗细、疏密等方面较大差别的纹理图像。 4.3.1 4.3.1 引言引言第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.1 4.3.1 引言引言纹理特征的表示纹理特征的表示 (1)Haralick(1)Haralick等用等用共生矩阵共生矩阵来表示纹理特征；来表示纹理特征； (2)Tamura(2)Tamura纹理特征：纹理特征：M基于人类对纹理的基于人类对纹理的视觉感知视觉感知心理学研究；心理学研究；M包含包含6 6个分量：粗糙度、对比度、方向度、线像度、个分量：粗糙度、对比度、方向度、线像度、规整度及粗略度；规
24、整度及粗略度；M6 6个分量对应于心理学角度上纹理特征的个分量对应于心理学角度上纹理特征的6 6种属性；种属性；第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.1 4.3.1 引言引言纹理分析纹理分析F定义：通过一定的图像处理技术抽取出纹理特征，定义：通过一定的图像处理技术抽取出纹理特征，从而获得纹理的从而获得纹理的定量或定性定量或定性描述的处理过程。描述的处理过程。F基本过程：从像素出发，在纹理图像中提取出一基本过程：从像素出发，在纹理图像中提取出一些辨识力比较强的特征，作为检测出的纹理基元，些辨识力比较强的特征，作为检测出的纹理基元，并找出纹理基元排列的信息，建立纹理基元模型，
25、并找出纹理基元排列的信息，建立纹理基元模型，然后再利用此纹理基元模型对纹理图像进一步分割、然后再利用此纹理基元模型对纹理图像进一步分割、分类或是辨识等处理。分类或是辨识等处理。第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.1 4.3.1 引言引言纹理特征描述方法分类纹理特征描述方法分类 （1 1）统计方法）统计方法灰度共生矩阵灰度共生矩阵 （2 2）几何法）几何法纹理基元纹理基元 （3 3）模型法）模型法构造图像的模型构造图像的模型 （4 4）信号处理法）信号处理法第第4 4章章 图像特征提取与分析图像特征提取与分析纹理特征的提取与匹配纹理特征的提取与匹配 4.3.1 4.3.1
26、 引言引言FTamura Tamura 纹理特征纹理特征F自回归纹理模型自回归纹理模型F小波变换小波变换 F灰度共生矩阵灰度共生矩阵第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 n基于人类对纹理的视觉感知心理学研究；基于人类对纹理的视觉感知心理学研究；n其其6个分量对应于心理学角度上纹理特征的个分量对应于心理学角度上纹理特征的6种属性；种属性；n粗糙度，对比度，方向度，线像度，规整粗糙度，对比度，方向度，线像度，规整度以及粗略度；度以及粗略度；第第4 4章章 图像特征提取与分析图像特征提取与分析粗糙度粗糙度1. 计算图
27、像中各像素在大小为计算图像中各像素在大小为2k2k邻域中的邻域中的均值；均值；4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 k=1,2,5；g(i, j)是位于是位于(i, j)的像素灰度值的像素灰度值11112121222( , )( , )/2kkkkyxkki xj yA x yg i j 第第4 4章章 图像特征提取与分析图像特征提取与分析2. 计算每个像素在水平和垂直方向上互不重叠的计算每个像素在水平和垂直方向上互不重叠的窗口之间的均值之差；窗口之间的均值之差；3. 对每个像素，能使对每个像素，能使E值（无论方向）达到最大值（无论方向）达到最大的的k值用来设置
28、最佳尺寸；值用来设置最佳尺寸；粗糙度粗糙度11,11,( , )(2, )(2, )( , )( ,2)( ,2)kkk hkkkkk vkkEx yA xyA xyEx yA x yA x y( , )2kbestSx y 4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图像特征提取与分析图像特征提取与分析4. 对于整幅图像（大小为对于整幅图像（大小为mn）中的每个像素，）中的每个像素，计算计算Sbest的平均值得到粗糙度的数值：的平均值得到粗糙度的数值：粗糙度粗糙度111( , )mncrsbestijFSi jm n4.3.2 Tamura 4.3.
29、2 Tamura 纹理特征纹理特征 第第4 4章章 图像特征提取与分析图像特征提取与分析 对粗糙度的描述只有一个数值，它反映的是一幅图像对粗糙度的描述只有一个数值，它反映的是一幅图像平均的粗糙程度。平均的粗糙程度。 对于纹理图像具有一致基元尺寸时，这种描述是最优对于纹理图像具有一致基元尺寸时，这种描述是最优的。的。 对具有不同尺寸分布的纹理图像，这种描述将损失大对具有不同尺寸分布的纹理图像，这种描述将损失大量图像信息。量图像信息。第第4 4章章 图像特征提取与分析图像特征提取与分析方向度方向度1. 计算每个像素的梯度向量，梯度向量的模和计算每个像素的梯度向量，梯度向量的模和方向分别为：方向分别
30、为：2/)/arctan(2/ )(HVVHG4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 其中两个其中两个delta值分别是通过图像卷积下列两个操作值分别是通过图像卷积下列两个操作符所得到的水平和垂直方向上的变化量定义的：符所得到的水平和垂直方向上的变化量定义的：101101101111000111第第4 4章章 图像特征提取与分析图像特征提取与分析2. 构造方向构造方向( 值值)的直方图；的直方图；q该直方图对于具有明显方向性的图像会表现该直方图对于具有明显方向性的图像会表现出峰值，对于无明显方向的图像则表现的比出峰值，对于无明显方向的图像则表现的比较平坦。较平坦。
31、3. 计算图像总体的方向性。计算图像总体的方向性。q再通过一个公式计算直方图中峰值的尖锐程再通过一个公式计算直方图中峰值的尖锐程度得到图像总的方向性度得到图像总的方向性方向度方向度2()( )ppndirpDpwFH4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图像特征提取与分析图像特征提取与分析对比度对比度对比度是通过对像素强度分布情况的统计得到的。对比度是通过对像素强度分布情况的统计得到的。 1/44conF其中其中4 = 4/4，4 是四阶中心矩，而是四阶中心矩，而2是方差。是方差。 4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理
32、特征 第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.3 4.3.3 自回归纹理模型自回归纹理模型 自回归纹理模型（自回归纹理模型（SAR）是）是Markov随机场（随机场（MRF）模型的一种应用实例。模型的一种应用实例。如果如果s代表某个像素，则其强度值代表某个像素，则其强度值g(s)可以表达为：可以表达为： 最小误差法（最小误差法（least square error）和极大似然估计）和极大似然估计（maximum likelihood estimation）可以用来计算模）可以用来计算模型中的参数。型中的参数。 ( )( ) ()( )r Dg sr g srs第第4 4章章
33、 图像特征提取与分析图像特征提取与分析4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 n对一幅图像进行小波对一幅图像进行小波分解，得到一系列的分解，得到一系列的小波系数；小波系数；n例如一幅例如一幅16161616的图的图像经过三层小波分解，像经过三层小波分解，可得到十块小波分解可得到十块小波分解结果，共结果，共256256个系数；个系数；小波分解示意图小波分解示意图第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 n分解出来的子图像称为小波分解通道，共有四分解出来的子图像称为小波分解通道，共有四种小
34、波通道：种小波通道：LLLL，LHLH，HLHL以及以及HHHH；n每个通道对应于原始图像在不同尺度（频率）每个通道对应于原始图像在不同尺度（频率）和方向下的信息：和方向下的信息：qLL LL 图像在水平低频和垂直低频下的信息；图像在水平低频和垂直低频下的信息；qLH LH 图像在水平低频和垂直高频下的信息；图像在水平低频和垂直高频下的信息；qHL HL 图像在水平高频和垂直低频下的信息；图像在水平高频和垂直低频下的信息；qHH HH 图像在水平高频和垂直高频下的信息；图像在水平高频和垂直高频下的信息；第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.4 4.3.4 基于小波变换的纹
35、理特征基于小波变换的纹理特征 n当图像在某个频率和方向下具有比较明显的纹当图像在某个频率和方向下具有比较明显的纹理特征时，与之对应的小波通道的输出就具有理特征时，与之对应的小波通道的输出就具有较大的能量；较大的能量；n纹理特征可以由小波通道的能量和方差来表示：纹理特征可以由小波通道的能量和方差来表示：第第4 4章章 图像特征提取与分析图像特征提取与分析nHHHH通道反映的是图像的高频特征，包含了大部通道反映的是图像的高频特征，包含了大部分的噪声，不适合用于纹理的提取；分的噪声，不适合用于纹理的提取； 使用阴影部分的七使用阴影部分的七个通道进行纹理分个通道进行纹理分析。析。4.3.4 4.3.4
36、 基于小波变换的纹理特征基于小波变换的纹理特征 第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 灰度共生矩阵就是从灰度共生矩阵就是从NN的图像的图像f(x,y)的灰度的灰度为为i的像素出发，统计与距离为的像素出发，统计与距离为 =(dx2+dy2)1/2，灰，灰度为度为 j的像素同时出现的概率的像素同时出现的概率P(i,j, , )。用数学表。用数学表达式则为：达式则为： 灰度共生矩阵的像素对灰度共生矩阵的像素对 ( , , , )( , ),(,)|( , ), (,)P i jx yxdx ydyf x yi f xdx ydy
37、j 第第4 4章章 图像特征提取与分析图像特征提取与分析0 0o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 一幅数字灰度图像一幅数字灰度图像0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 30 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3
38、 32 2 2 2 2 2 3 3(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵 当当 =0 时，时，dx=1,dy=0，由于所给图像中只有，由于所给图像中只有4个灰度级，因此所求得的灰度共生矩阵的大小为个灰度级，因此所求得的灰度共生矩阵的大小为44。4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图像特征提取与分析图像特征提取与分析4545o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2
39、 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 3当当 =45 时，时，dx=1,dy=-1当当 =90 时，时，dx=0,dy=-10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 39090o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 (1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章
40、 图像特征提取与分析图像特征提取与分析135135o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 3当当 =135 时，时，dx=-1,dy=-1(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图像特征提取与分析图像特征提取与分析灰度共生矩阵计算结果：灰度共生矩阵计算
41、结果：(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图像特征提取与分析图像特征提取与分析n用于测量灰度级分布随机性的一种特征参数叫用于测量灰度级分布随机性的一种特征参数叫做熵。做熵。n熵值是图像内容随机性的量度，熵值大表示随熵值是图像内容随机性的量度，熵值大表示随机性比较强。机性比较强。n若图像没有任何纹理，则灰度共生矩阵几乎为若图像没有任何纹理，则灰度共生矩阵几乎为零矩阵，则熵值接近为零；若图像有较多的细零矩阵，则熵值接近为零；若图像有较多的细小纹理，则灰度共生矩阵中的数值近似相等，小纹理，则灰度共生矩阵中的
42、数值近似相等，则图像的熵值最大。则图像的熵值最大。n熵值的定义：熵值的定义： (2)(2)熵值熵值 11lgNNijijijHPP 4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图像特征提取与分析图像特征提取与分析能量：能量： 对比度：对比度： 均匀度：均匀度： (3)(3)能量、对比度、均匀度能量、对比度、均匀度 211NNijijEP2()ijijij P1|ijijPij 反映均匀性或平滑性反映均匀性或平滑性反映图像点对中前后点间灰度差的度量反映图像点对中前后点间灰度差的度量 反映图像的均匀程度反映图像的均匀程度 第第4 4章章 图像特征提取与分析图像特征提取
43、与分析 能量能量是灰度共生矩阵各元素值的平方和，它是图像灰度分布均匀性或平滑性的度量，反映了图像的均匀程度和纹理粗细度，是影像纹理灰度变化均一性的度量。 能量值大表明当前纹理是一种规则变化较为稳定的纹理。 当灰度共生矩阵中元素分布较集中在主对角线附近值，说明局部区域内图像灰度分布较均匀。 从图像整体看，纹理粗糙，则能量值应较大。反之，能量值较小，图像比较均匀或平滑。 对比度对比度又称主对角线惯性矩，用于度量灰度共生矩阵的分布和图像局部的变化，即图像点对中前后点之间灰度差的度量，反映图像清晰度和纹理的沟纹深浅。 图像局部变化越大，即灰度差大的点对大量出现，则对比度越大，图像较粗糙，视觉效果越清晰
44、；反之，图像较柔和。因此，图像的对比度可理解为图像的清晰度，即纹理清晰程度。第第4 4章章 图像特征提取与分析图像特征提取与分析n灰度共生矩阵的优点：灰度共生矩阵的优点：q特别适用于描述微小纹理；特别适用于描述微小纹理；q易易于理解和计算；于理解和计算；n灰度共生矩阵的缺点：灰度共生矩阵的缺点：q不适合描述含有大面积基元的纹理，因为矩阵不适合描述含有大面积基元的纹理，因为矩阵没有包含形状信息；没有包含形状信息；q矩阵的矩阵的大大小小只只与最与最大大灰度灰度级级有关有关系系，而与图像，而与图像大大小无关；小无关；(4)(4)小结小结 4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第
45、4 4章章 图像特征提取与分析图像特征提取与分析4.3.6 4.3.6 纹理能量测量纹理能量测量 Laws的纹理能量测量方法是一种典型的一的纹理能量测量方法是一种典型的一阶分析方法阶分析方法 。 基本思想是设置两个窗口：基本思想是设置两个窗口：F一个是一个是微窗口微窗口，可能为，可能为33、55、77像像素，通常取素，通常取55，用来测量以像元为中心的，用来测量以像元为中心的小区域内灰度的不规则性，以形成属性，也小区域内灰度的不规则性，以形成属性，也称之为窗口滤波；称之为窗口滤波；第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.6 4.3.6 纹理能量测量纹理能量测量 F二是二是宏
46、窗口宏窗口，可以为，可以为1515或或3232，用来在，用来在 更大的窗口上求属性量的一阶统计特性，常为更大的窗口上求属性量的一阶统计特性，常为 均值或标准偏差，也称为能量变换。其具体实均值或标准偏差，也称为能量变换。其具体实 现就是用定义的一些模板与图像进行卷积，以现就是用定义的一些模板与图像进行卷积，以 便于检测出不同的纹理能量信息。便于检测出不同的纹理能量信息。第第4 4章章 图像特征提取与分析图像特征提取与分析纹理能量检测模板纹理能量检测模板 4.3.6 4.3.6 纹理能量测量纹理能量测量 第第4 4章章 图像特征提取与分析图像特征提取与分析4.3.7 4.3.7 纹理的结构分析方法
47、纹理的结构分析方法F是除统计方法之外的另一类纹理分析方法。该方是除统计方法之外的另一类纹理分析方法。该方法认为纹理是由结构基元按照某种重复性规则而构法认为纹理是由结构基元按照某种重复性规则而构成的模式，其表述过程实际是对纹理基元的提取以成的模式，其表述过程实际是对纹理基元的提取以及对基元分布规则的描述。及对基元分布规则的描述。F纹理的空间组织可以是随机的，可能一个基元对纹理的空间组织可以是随机的，可能一个基元对相邻基元有成对的依赖关系，或者几个基元同时相相邻基元有成对的依赖关系，或者几个基元同时相互关联。这样的关联可能是结构的、概率的或是函互关联。这样的关联可能是结构的、概率的或是函数的。数的
48、。第第4 4章章 图像特征提取与分析图像特征提取与分析 纹理基元可以是一个像素点，也可以是若干纹理基元可以是一个像素点，也可以是若干个灰度上比较接近的像素点的集合。由基元可以个灰度上比较接近的像素点的集合。由基元可以构成较为基本的、同时也是比较小的子纹理。最构成较为基本的、同时也是比较小的子纹理。最后纹理按某种空间组织规则合成为一幅完整的纹后纹理按某种空间组织规则合成为一幅完整的纹理图像。理图像。4.3.7 4.3.7 纹理的结构分析方法纹理的结构分析方法第第4 4章章 图像特征提取与分析图像特征提取与分析 给出三个纹理基元合成为一个子纹理的过程，给出三个纹理基元合成为一个子纹理的过程，对产生
49、的子纹理应用规则的空间组织规则形成了如对产生的子纹理应用规则的空间组织规则形成了如图所示的纹理图像。如果给出纹理基元图所示的纹理图像。如果给出纹理基元h(x,y)的排列的排列规则规则r(x,y)，就能够将这些基元按照规定的方式组织，就能够将这些基元按照规定的方式组织成所需的纹理模式成所需的纹理模式t(x,y)。可将纹理。可将纹理t(x,y)定义为：定义为：4.3.7 4.3.7 纹理的结构分析方法纹理的结构分析方法( , )( , )( , )t x yh x yr x y第第4 4章章 图像特征提取与分析图像特征提取与分析 纹理基本上是区域特性，图像中的区域纹理基本上是区域特性，图像中的区域
50、对应景物中的表面，纹理基元在尺寸和方向上对应景物中的表面，纹理基元在尺寸和方向上的变化，可以反映出景物中表面相对于照相机的变化，可以反映出景物中表面相对于照相机的转动倾斜。通常将利用纹理基元的变化去确的转动倾斜。通常将利用纹理基元的变化去确定表面法线方向的技术，称为纹理梯度技术，定表面法线方向的技术，称为纹理梯度技术，也就是常说的从纹理到形状的研究。也就是常说的从纹理到形状的研究。4.3.8 4.3.8 纹理梯度纹理梯度第第4 4章章 图像特征提取与分析图像特征提取与分析4.4 4.4 形状特征描述形状特征描述 4.4.1 4.4.1 引言引言4.4.2 4.4.2 区域描述区域描述 4.4.
