06数字摄影测量-数字影像点特征提取
【CN110020639A】视频特征提取方法及相关设备【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910312917.8 (22)申请日 2019.04.18 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一街2号爱奇 艺创新大厦10、11层 (72)发明人 晋瑞锦 张云桃 (74)专利代理机构 北京集佳知识产权代理有限 公司 11227 代理人 钱娜 王宝筠 (51)Int.Cl. G06K 9/00(2006.01) G06N 3/04(2006.01) (54)发明名称视频特征提取方法及相关设备(57)摘要本发明提供了一种视频特征提取方法及相关设备，本方案可以对多帧目标视频图像进行时域及空域上的卷积处理，得到第一预设数量通道的第一视频特征，然后对第一预设数量通道的第一视频特征进行分组，并使用不同尺寸的卷积核对各个分组的第一视频特征进行时域上的卷积处理，得到每个分组各自对应的第二预设数量通道的第二视频特征，再对第二视频特征进行空域上的卷积处理，以得到第三预设数量通道的第三视频特征。本方案中，3D卷积神经网络可以将输入的多帧视频图像进行通道分离处理，不同通道在时域上进行不同尺度的卷积处理，分组的方式可以有效地减少网络参数，从而提高视频特征的提取效率，进而使得该网络模型的实际应用效果 更佳。权利要求书3页 说明书11页 附图3页CN 110020639 A 2019.07.16 C N 110020639 A
权 利 要 求 书1/3页CN 110020639 A 1.一种视频特征提取方法，其特征在于，所述方法适用于3D卷积神经网络，包括： 获得多帧目标视频图像； 对所述多帧目标视频图像进行时域及空域上的卷积处理，得到第一预设数量通道的第一视频特征； 对所述第一预设数量通道的第一视频特征进行分组，并使用不同尺寸的卷积核对各个分组的第一视频特征进行时域上的卷积处理，得到每个分组各自对应的第二预设数量通道的第二视频特征； 对所述第二视频特征进行空域上的卷积处理，以得到第三预设数量通道的第三视频特征。 2.根据权利要求1所述的视频特征提取方法，其特征在于，所述对所述第二视频特征进行空域上的卷积处理，以得到第三预设数量通道的第三视频特征，包括：合并每个分组各自的第二预设数量通道的第二视频特征，以得到一组包括第三预设数量通道的第二视频特征； 分别对一组中的每个通道的第二视频特征进行空域上的卷积处理，以得到第三预设数量通道的第三视频特征。 3.根据权利要求1所述的视频特征提取方法，其特征在于，还包括： 对所述第三预设数量通道的第三视频特征进行分组，并使用不同尺寸的卷积核对各个分组的第三视频特征进行时域上的卷积处理，得到每个分组各自对应的第四预设数量通道的第四视频特征。 4.根据权利要求3所述的视频特征提取方法，其特征在于，还包括： 合并每个分组各自的第四预设数量通道的第四视频特征，以得到一组包括第五预设数量通道的第四视频特征； 将所述第一视频特征进行升维处理，以得到第五预设数量的第五视频特征，并将第五预设数量的所述第四视频特征与第五预设数量的所述第五视频特征分别对应相加，以得到第五预设数量的第六视频特征。 5.根据权利要求1所述的视频特征提取方法，其特征在于，所述获得多帧目标视频图像，包括： 获得多帧原始视频图像； 对所述多帧原始视频图像中的至少一帧原始视频图像进行分辨率调整，以得到符合3D 卷积神经网络的分辨率要求的目标视频图像。 6.根据权利要求1所述的视频特征提取方法，其特征在于，所述获得多帧目标视频图像，包括： 获得多帧原始视频图像； 按照预设的帧间隔长度，从所述多帧原始视频图像中间隔抽取原始视频图像，以得到目标视频图像。 7.一种视频特征提取装置，其特征在于，适用于3D卷积神经网络，所述装置包括： 视频图像获得单元，用于获得多帧目标视频图像； 普通卷积处理单元，用于对所述多帧目标视频图像进行时域及空域上的卷积处理，得到第一预设数量通道的第一视频特征； 2
数字摄影测量复习题含答案
第五章数字影像与特征提取 1.什么是数字影像?其频域表达有什么作用？ 答：①数字影像是以数字形式保存数字化航空、胶片影像的扫描影像 ②频域表达对数字影像处理是很重要的。因为变换后矩阵中元素的数目与原像中的相同。但其中很多是零值或数值很小，这就意味着通过变换、数据可以被压缩，使其能更有效的存储和传递；其次是影像分解力的分析以及许多影像处理过程。例如滤波、卷积以及在有些情况下的相关运算，在频域内可以更为有利的进行。其中所利用的一条重要关系就是在空间域内的一个卷积，相当于在频率域内其卷积函数的相乘，反之亦然。在摄影测量中所使用的影像的傅立叶谱可以有很大的变化，例如在任何一张航摄影像上总可以找到有些地方只含有很低的频率信息，而有些地方则主要包含高频信息，偶然的有些地区主要是有一个狭窄范围的带频率信息。 2.怎样根据已知的数字影像离散灰度值，精确计算其任意一点上的灰度值？ 答：：当欲知不位于矩阵(采样)点上的原始函数g（x,y）的数值时就需要内插，此时称为重采样 3.常用的影像重采样方法有哪些？试比较他们的优缺点 答：①常用的影像重采样方法有最邻近像元法、双线性插值、双三次卷积法 ②最邻近像元法最简单、计算速度快、且能不破坏原始影像的灰度信息，但几何精度较差； 双线性插值法虽破坏原始影像的灰度信息，但精度较高，较为适宜；
双三次卷积法其重采样中误差约为双线性插值的1/3，但较费时； 4.已知/4，4，为采 样间隔，用双线性插值计算gk,l 答:g(k,l)=W(i,j) g(i,j）+W(i+1,j) g(i+1,j）+W(i,j+1) g(i,j+1）+W(i+1，j+1) =（1- /4）（/4）*102+（/4/4*112+ 4（1- 4） *118+( /4)* ( /4)*126 =102+13/-1 ５.什么是线特征？有哪些梯度算子可用于线特征的提取？ 答：①线特征指影像的边缘与线，边缘可定义影响局部区域特征不相同的那些区域间的分界线，而线则可以认为是具有很小宽度的其中间区域具有相同影响特征的边缘对 ②常用方法有差分算子、拉普拉斯算子、LOG算子等
数字图像的特征提取
呵呵,看了半天，原来你只不过要求进行边缘检测就可以，然后再做阈值化而已，太简单了。按照下面做即可： void RobelEdgeDetect(LPBYTE lpDibTemp, LPBYTE lpDibSave,int width,int height) { int i,j; float R; float RCos,RSin; for(j=1;j
视频内容特征的提取
视频内容特征的提取 【摘要】本文是基于视频特征提取的技术研究，主要是对关键帧进行特征提取，得到一个尽可能充分反映关键帧内容的特征空间，作为视频聚类和检索的依据，着重研究了关键帧的视觉特征，包括颜色特征、纹理特征、形状特征等静态特征和运动特征等。 【关键词】关键帧；特征；运动 0 引言 关键帧是视频的镜头表示帧。基于关键帧的特征检索是基于内容视频检索的重要一部分。虽然人们更倾向于使用语义特征进行视频查询，但由于语义特征很难做到自动提取，所以通常视频检索所采用的是较低层的关键帧的视觉特征，包括颜色特征、纹理特征、形状特征等静态特征，也包括反映镜头一定语义内容的运动特征等。 1 视频特征描述的要求 基于内容的视频检索实际上就是基于特征的检索。因此是视频检索的基础，也是难点所在。良好的特征应具有以下特点： 1）可区别性：对于不同的图像来说，其特征值应具有明显的差异，便于比较； 2）可靠性：对相似图像的特征值应比较相近，查询的结果是按特征值相似程度排列的图像集合； 3）独立性：所用的各个特征之间应彼此不相关； 4）特征维度低：检索复杂度随着特征数量和特征维数会迅速增长，不利于检索。 2 静态特征提取 2.1 提取颜色特征 色彩是物体表面的一种视觉特性，是人类视觉的重要组成部分。每种物体都有其特有的色彩特征，同一类物体往往有着相似的色彩特征。因此可以根据色彩特征来区分物体。而且颜色特征非常稳定，对于旋转、平移、尺度变化，甚至各种形变都不敏感，表现出相当强的鲁棒性。颜色内容一般包含两个方面，一个对应于全局颜色分布，一个对应于局部颜色信息。按照全局颜色分布来索引图像可以通过计算每种颜色的象素的个数并构造颜色灰度直方图来实现，这对检索具有
视频内容特征的提取-精选资料
视频内容特征的提取 0 引言 关键帧是视频的镜头表示帧。基于关键帧的特征检索是基于内容视频检索的重要一部分。虽然人们更倾向于使用语义特征进行视频查询，但由于语义特征很难做到自动提取，所以通常视频检索所采用的是较低层的关键帧的视觉特征，包括颜色特征、纹理特征、形状特征等静态特征，也包括反映镜头一定语义内容的运动特征等。 1 视频特征描述的要求 基于内容的视频检索实际上就是基于特征的检索。因此是视频检索的基础，也是难点所在。良好的特征应具有以下特点：1）可区别性：对于不同的图像来说，其特征值应具有明显的差异，便于比较； 2）可靠性：对相似图像的特征值应比较相近，查询的结果是按特征值相似程度排列的图像集合； 3）独立性：所用的各个特征之间应彼此不相关； 4）特征维度低：检索复杂度随着特征数量和特征维数会迅速增长，不利于检索。 2 静态特征提取 2.1 提取颜色特征 色彩是物体表面的一种视觉特性，是人类视觉的重要组成部
分。每种物体都有其特有的色彩特征，同一类物体往往有着相似的色彩特征。因此可以根据色彩特征来区分物体。而且颜色特征非常稳定，对于旋转、平移、尺度变化，甚至各种形变都不敏感，表现出相当强的鲁棒性。颜色内容一般包含两个方面，一个对应于全局颜色分布，一个对应于局部颜色信息。按照全局颜色分布来索引图像可以通过计算每种颜色的象素的个数并构造颜色灰 度直方图来实现，这对检索具有相似的总体颜色内容的图像是一个很好的途径。局部颜色信息是指局部相似的颜色区域，它考虑了颜色的分类与一些初级的几何特征。比如，颜色集是通过抽取空间局部颜色信息来提供颜色区域的有效索引。而颜色矩特征的数学依据是任何颜色的分布均可由它的矩来刻画，且大部分信息集中在低阶矩上。 2.2 提取纹理特征 纹理就是图像局部不规则而宏观有规律的特性。它是与物体表面材质有关的图像特征。目前也是基于内容检索系统中所采用的一个重要手段。纹理特征表达是Tamura等人在对人类对纹理的视觉感知的心理学研究的基础上提出的，在视觉上和心理上都是有意义的。纹理特征包括粗糙性（Coarseness）、规则性（Regularity）、线条相似性（Linelikeness）、凹凸性（Roughness）、方向性（Directionality）和对比度（Contrast）等，这些特征都可作为检索项。纹理特征可使用统计方法和结构方法进行分析。结构方法假定图像由较小的纹理基元排列而成，
数字摄影测量学要点
数字摄影测量复习要点（2016.5） 1、摄影测量发展历程 模拟摄影测量(1851-1970) 模拟摄影测量主要是根据摄影过程的几何反转，反求地面点的空间位置。它所采用的仪器为光学投影器、机械投影器或光学-机械投影器模拟摄影过程，用光线交会被摄物体的空间位置。 解析摄影测量(1950-1980) 1957年，Helava提出用“数字投影代替”物理投影，数字投影就是利用电子计算机实时的进行共线方程的解算，从而交会出被摄物体的空间位置。 数字摄影测量(1970-现在） 利用数字影像相关技术，实现真正的自动化测图。 数字摄影测量与模拟、解析摄影测量的最大区别： 1)处理的原始信息主要是数字影像； 2)以计算机视觉代替人眼的立体观测。 2、数字摄影测量的任务、特点 主要任务：使用星载(机载)传感器所获取的可见光影像对地球陆地区域进行信息提取，具体包括：目标量测、影像解译、地形图测绘、正射影像图制作、数字高程模型生成。 特点：数据量大、计算机运算速度快、技术精度高。 3、数字摄影测量 定义：数字摄影测量是利用影像相关技术来代替人眼的目视观测，自动识别同名点，实现几何信息的自动提取。 主要内容：影像及特征点的识别、同名像点的自动相关和匹配、数字影像纠正技术、数字高程模型（DEM）的制作、数字摄影测量系统的完整操作和测绘产品的生产。 4、计算机辅助测图 计算机辅助测图（又称数字测图）是利用解析测图仪或具有机助系统的模拟测图仪，进行数据采集和数据处理，测绘数字地图，制作数字高程模型，建立测量数据库。计算机辅助测图系统所处理的依旧是传统像片，且对影像的处理仍然需要人眼的立体量测，计算机则起数据记录与辅助处理的作用，是一种半自动化的方式。计算机辅助测图是摄影测量从解析化向数字化的过渡阶段。
数字图像处理题库
一、基本题目 1. 加色图像的三基色是指：红 、 绿 、 蓝 2. HSI 模型中，H 表示色调(Hue)，S 表示饱和度(Saturation)， I 表示亮度(Intensity) 3. CMYK 模式的原色为青色(Cyan)、品红色(Magenta)、黄色(Yellow)和黑色 （Black ）。 4. 常见的数字图像文件格式有：BMP 、JPEG 、GIF 、TIFF 、PNG 等 5. 图像按其亮度等级的不同，可以分成二值图像（只有黑白两种亮度等级）和灰度图像（有多种亮度等级）两种。 6. 数字图像对图像进行采集、量化后得到的。图像在空间上的离散化过程称为取样或抽样。被选取的点成为取样点、抽样点或样点，这些点也称为像素。 7. 数字图像显示质量的主要由空间分辨率和灰度分辨率两个因素决定。 8. 存储一幅大小为M ×N ，灰度级为2g 级的图像需要M ×N ×g （bit ）大小的 存储空间。 9. 图像退化是图像形成、传输和记录的过程中，由于成像系统、传输介质和设备的不完善，而引起图像质量的下降。图像退化的典型表现为图像模糊、失真、噪声等。 10. 图像边缘是指图像中象素灰度值有阶跃变化或屋顶状变化的那些象素的集 合。我们常常利用灰度变换曲线的导数在边缘 取极值和零交叉的特点来进行图像的边缘检测。 11. 用函数b kr s +=来对图像象素进行拉伸变换，其中r 表示待变换图像象素灰 度值，若系数0,1>>b k ，则输出图像的象素灰度值范围被 拉伸 （拉伸或压缩），图像变 暗 （暗或者亮）。 12. 广义的图像处理包含三个层次：图像变换处理，图像分析，图像理解。 13. 图像按其色调不同，可分为无色调的灰度（黑白）图像和有色调的彩色图像 两种。 14. 图像的一般可以用多变量函数来表示(,,,,)I f x y z t λ= 15. 对每个取样点灰度值的离散化过程称为量化。量化等级越多（多 少），所得图像层次越丰富，灰度分辨率越高（高 低），质量越好，但数据量越大。 16. 频率域法是在图像的变换域(或频率域)上进行处理，增强我们感兴趣的频率分量，然后进行反变换，便得到增强了的图像。 17. 图像退化的典型表现为图像模糊、失真、噪声等，我们针对退化进行图像复 原的一般过程是：分析退化原因－>建立退化模型－>反向推演－>恢复图像 18. 灰度直方图反映一幅图像中各灰度级象素出现的频率之间的关系，以灰度级
图像目标提取及特征计算
摘要 对图像进行研究和应用时，人们往往对图像中的某些部分感兴趣，这些部分常被称为目标或对象 目标或对象特征提取是计算机视觉和图像处理中的一个概念。它指的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。特征提取的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。 本课设需要解决的问题是，利用阈值分割方法，对该图像进行分割，得到提取那个目标后的二值图像，计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法，而面积、周长的计算则是先通过将图像转换成二值图像，在通过计算二值图像像素点的方式求取。 关键词：阈值分割，边缘检测，像素点
1 绪论 目标的特征提取是图像处理和自动目标识别(ATR)中的一个重要的研究课题，是解决图像识别问题的难点和关键。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时，假如特征提取需要许多的计算时间，而可以使用的时间有限制，一个高层次算法可以用来控制特征提取阶层，这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。
2 设计原理 2.1 常用的特征提取的方法 提取图像空间关系特征可以有两种方法：一种方法是首先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引；另一种方法则简单地将图像均匀地划分为若干规则子块，然后对每个图像子块提取特征，并建立索引。 本课程设计是采用的第一种方法，即先对该图像进行分割，得到提取那个目标后的二值图像，计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法，而面积、周长的计算则是先通过将图像转换成二值图像，在通过计算二值图像像素点的方式求取。其中计算周长时，先需要对二值图像进行边缘检测，然后再统计其像素点。 2.2 阈值分割原理 图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像[1]。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。 2.2.1 阈值分割思想和原理 阈值分割法是一种基于区域的图像分割技术，其基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。设原始图像为f(x，y)，按照一定的准则f(x，y)中找到特征值T，将图像分割为两个部分，分割后的图
数字图像处理实验报告_图像边缘检测和特征提取
华南师范大学实验报告 一、实验目的 1、.掌握边缘检测的Matlab实现方法 2、了解Matlab区域操作函数的使用方法 3、了解图像分析和理解的基本方法 4、了解纹理特征提取的matlab实现方法 二、实验平台 计算机和Matlab软件环境 三、实验内容 1、图像边缘检测 2、图像纹理特征提取 四、实验原理 1、图像边缘检测 图像理解是图像处理的一个重要分支，它研究的是为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。 导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。 一阶导数 f x ? ? 与 f y ? ? 是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率， 而方向α上的灰度变化率可以用下面式子计算：
基于遥感影像数字特征的提取实验报告
实验基于遥感立体影像数字特征的提取 一．实验目的 了解基础地理信息4D产品的生成过程，理解各个步骤中的原理。 二．实验要求 1、了解Virtuozo全数字摄影测量系统的作业流程和功能； 2、加深对数字摄影测量的基本原理、方法和过程的理解； 3、学会使用Virtuozo全数字摄影测量系统进行模型的定向、核线模型重采样、模型拼接、 生成数字高程模型、数字正射影像、透视影像等多种数字产品。 三．实验数据 1、相机文件(rc30.cmr)。提供像片的内方位元素X0、Y0、f0，框标点坐标，相机鉴定参 数。 2、控制资料：外业控制点文件（hammar.ctl），相对应的控制点分布图。 3、航片扫描数据：包括6张影像文件，均为TIFF格式。我们分析得到，测区包括两条航 带的影像，一条航带有三张影像。第一条航带从左到右依次是157-156-155，第二条航带从左到右依次是164-165-166。 四．实验内容 1、新建测区和模型 新建测区选择测区的主目录，并指定控制点文件、加密文件点、相机文件，并设置测区基本参数。这里将航带数改为2。 新建模型时，由于影像要求是Virtuozo支持的影像文件，所以需要在建立模型之前将原有的TIFF格式转换为*.vz格式。所以需要在“设置—引入影像”，需要填写影像正确的像素大小。因为飞机是循环飞行的，所以第一条航带与第二条航带方向是相反的，需要将第二条航带旋转，进行处理。处理完成后，建立模型，主要是指定模型的左右影像，模型按“航带号—模型左右像片”命名，共4个模型，分别是1-157156、1-156155、2-164165、2-165166。
2、模型定向 （1）模型内定向 内定向：①建立框标坐标系，将框标坐标转化为像平面坐标； ②像点坐标纠正。Virtuozo将量测的框标坐标和相机文件中提供的框标坐标 对比，可以纠正像片材料的变形、重采样的变形。
数字图像处理课程设计之图像特征提取
河南农业大学《数字图像处理》 题目：图像特征提取 学院： 专业： 班级： 学号： 姓名： 指导教师： 成绩： 时间：年月日至年月日
一、目的与要求 图像特征提取的目的让计算机具有认识或者识别图像的能力，即图像识别。特征选择是图像识别中的一个关键问题。特征选择和提取的基本任务是如何从众多特征中找出最有效的特征。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。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。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 二、设计的内容 能对图像文件（进bmg、 jpg、 tiff、 gif等)进行打开、保存、另存、打印、退出等功能操作； (一)图像预处理功能： 数字图像的增强处理功能：空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等）。 (二)图像特征提取 区域图的面积、周长的统计；区域单元的个数统计等。 三、总体方案设计 (一)图像特征提取的算法 我们知道一幅图像可定义为一个二维函数f（x,y),这里x和y是空间坐标，而在任何一对空间坐标（x,y)上的幅值f称为该图像的强度或灰度。当x，y和幅值f 为有限的离散数值时，称该图像为数字图像。而图像的特征提取主要有以下几种方法：边界特征法，傅里叶形状描述符法，几何参数法，形状不变矩法等。 而区域的周长及面积的算法如下： （1）面积S：图像中的区域面积S可以用同一标记的区域内像素的个数总和来表示。
数字图像处理实验报告-图像边缘检测和特征提取
数字图像处理实验报告-图像边缘检测和特征提取
华南师范大学实验报告 一、实验目的 1、.掌握边缘检测的Matlab实现方法 2、了解Matlab区域操作函数的使用方法 3、了解图像分析和理解的基本方法 4、了解纹理特征提取的matlab实现方法 二、实验平台 计算机和Matlab软件环境 三、实验内容 1、图像边缘检测 2、图像纹理特征提取 四、实验原理 1、图像边缘检测 图像理解是图像处理的一个重要分支，它研究的是为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，
边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能 会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。 导数算子具有突出灰度变化的作用，对图像 运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。 一阶导数f x ??与f y ??是最简单的导数算子，它们分别求出了灰度在x 和y 方向上的变化率，而方向α上的灰度变化率可以用下面式子计算： cos sin (cos sin )f f f G i j x y ααααα???=+=+??? 对于数字图像，应该采用差分运算代替求 导，相对应的一阶差分为： (,)(,)(1,) (,)(,)(,1) x y f i j f i j f i j f i j f i j f i j ?=--?=--