關于圖像信息表示與特征提取小第一頁，共二十七頁，編輯于2023年，星期日2引言信息和特征是圖像理解最近本的處理和分析對象，是完成目標識別，場景分類以及語義分析推理等任務的先決條件。圖像特征依賴于圖像內容。特征提取旨在獲取圖像中視覺特征信息，減少視覺特征數據量。提取特征要盡量反映目標重要的本原特性。圖像特征對圖像理解的效果有重要的影響第二頁，共二十七頁，編輯于2023年，星期日圖像信息表示圖像數據結構線性表，金字塔結構，圖結構以及復雜循環結構平面曲線鏈碼（Freeman碼）常用于進行數據信息的線性表表示第三頁，共二十七頁，編輯于2023年，星期日Freeman碼假設簡單圖像：f=

1

1

0

1

1

1

1

1

1

1

1

1

1

1

1

0

1

1

1

1

0

1

1

1

1

求其邊界：

>>t=boundaries(f,4)t=

[19x2double]第四頁，共二十七頁，編輯于2023年，星期日Freeman碼求其Freeman鏈碼（4方向數）：

>>c=fchcode(t{:},4)%注意fchcode的第一個參數是n*2的點集，而邊界t是cell類型的

c=

x0y0:[11]

fcc:[030010333322211211]

diff:[310133000300301303]

mm:[001033332221121103]

diffmm:[013300030030130331]第五頁，共二十七頁，編輯于2023年，星期日Freeman碼第六頁，共二十七頁，編輯于2023年，星期日Freeman碼第七頁，共二十七頁，編輯于2023年，星期日金字塔結構圖像數據結構金字塔結構處理和分析多分辨率圖像時圖像數據存儲的一種有效方式。底層為原圖像，每層像素尺寸大小不變，圖像尺寸改變，因此，各層有不同分辨率。第八頁，共二十七頁，編輯于2023年，星期日金字塔結構第九頁，共二十七頁，編輯于2023年，星期日圖結構圖結構表述了圖像中點，線，面之間的更為復雜的連接關系和空間關系。為了表示和控制可視模型，可以采用RSE結構，即區域，線段和端點組成的圖第十頁，共二十七頁，編輯于2023年，星期日基于基函數的圖像信息表示基于基函數的圖像信息表示是指設計一副圖像的生成模型，然后用生成模型里的成分給出圖像的一個“表示”“表示”是指通過某種方式對圖像數據進行變換獲得，使其本質結構更顯著或更容易理解第十一頁，共二十七頁，編輯于2023年，星期日生成模型與判別模型令o和s分別代表觀察序列（觀察值）和標記序列（模型），對o和s進行統計建模，通常有兩種方式：(1)生成模型

（產生模型）構建o和s的聯合分布p(s,o)(2)判別模型（條件概率模型，條件模型）

構建o和s的條件分布p(s|o)兩者皆為概率模型第十二頁，共二十七頁，編輯于2023年，星期日生成模型和判別模型的區別1.對于觀察序列的處理不同生成模型中，觀察序列作為模型的一部分；判別模型中，觀察序列只作為條件，因此可以針對觀察序列設計靈活的特征。2.是否支持無指導訓練只有生成模型支持無知道訓練第十三頁，共二十七頁，編輯于2023年，星期日基于基函數的變換1.傅里葉變化2.小波變換3.主分量變換4.獨立分量分析5.稀疏編碼傅里葉變換和小波變換基函數一旦確定就不再改變，和數據無關其余變換通過建立圖像的生成模型，利用不同的目標函數，得到圖像的基函數以及該基函數的表示第十四頁，共二十七頁，編輯于2023年，星期日知識表示圖像理解系統中世紀可用的知識是由人的經驗獲得的常識性知識和由專家研究的啟發性知識。1.基于規則的產生式表示（人工智能專家系統）2.框架結構表示（圖像理解不多見）3.語義網絡表示（網絡結構表示方法，個體和集合ISA弧。全體和部分之間的HAS-PART弧）第十五頁，共二十七頁，編輯于2023年，星期日數據與知識的融合圖像中的數據和人類知識構成了圖像理解的信息流，處理和分析這些信息流需要建立兩類信息之間的統一對應關系，體香“數據”和“知識”的融合。保證視覺信息的存儲方式和知識信息處理方式的一直連貫性，選擇合適的計算機特征表示方法實現人類的知識表示。第十六頁，共二十七頁，編輯于2023年，星期日相似度相似度是實體間視覺相似度的度量，既有可能是目標之間，又有可能是場景之間。任何目標和場景的信息均存儲在反應視覺特征的結構單元中。可采用特征共享編碼矩陣表示實體間的相似關系第十七頁，共二十七頁，編輯于2023年，星期日因果關系，位置關系等因果關系式認知體系中最常見的關系專家系統，人工智能位置關系主要包括特征線面間和目標實體間的位置關系。P175網格結構“場景→目標→區域→線段→像素點”逐層認知包含關系。第十八頁，共二十七頁，編輯于2023年，星期日圖像特征提取圖像特征提取是圖像理解中從圖像獲得數據信息并進行相關分析的前提條件和關鍵環節基本特征提取方法常用特征提取方法第十九頁，共二十七頁，編輯于2023年，星期日基本特征提取方法1.顏色特征RGB,XYZ,HIS,LAB，顏色統計2.形狀特征全局幾何特征，變換域幾何特征第二十頁，共二十七頁，編輯于2023年，星期日紋理特征從紋理圖像中計算相應統計分布值，對紋理內部灰度級變化的特征進行量化包含了物體表面組織結構排列的重要信息，以及與周圍環境的聯系，反映了圖像本身灰度變化通常與位置，走向，尺寸，形狀有關，與平均灰度級無關第二十一頁，共二十七頁，編輯于2023年，星期日紋理特征1.統計法從紋理中計算一些在某個區域內的相對平穩的特征值作為紋理特征①基于灰度直方圖②基于灰度差值直方圖③基于灰度共生矩陣2.結構法紋理六種屬性：粗糙度，對比對，方向度，線像度，規整度和粗略度。假設紋理基元可以分離出來，按某種規律排列進行紋理分割3.分形法4.其他分形特征第二十二頁，共二十七頁，編輯于2023年，星期日分形法組成部分以某種方式與整體相似的形體叫做分形。1.自相似性從不同空間時間尺度看都是相似的，區域性質和結構和整體相似2.尺度不變性任選一個局部區域，進行放大，放大圖又會顯出原圖的形態特性。又叫伸縮不變性第二十三頁，共二十七頁，編輯于2023年，星期日尺度不變性對圖進行不同程度的縮放，計算縮放后圖像的分形維數。將圖像縮放到120-220等11個不同尺度上對應的分形維數，求出11個分形維數的平均值。原始圖像170*170的分形維數與平均值的差值接近（小于某閥值），則原圖像在【0.7,1.3】縮放范圍有尺度不變性第二十四頁，共二十七頁，編輯于2023年，星期日分形維數提取1.毯子法將圖像視為山丘，高度為圖像灰度，假設形成了一層壇子，求分形表面積來求分形維數D。2.盒維數法盒子維是最為廣泛的一種維數，容易由計算機求得。3.基于分數布朗隨機場的分形維數4.其他分形特征第二十五頁，共二十七頁，編