紋理與模糊不變特征提取技術(shù)研究.pdf

1、作為計(jì)算機(jī)視覺(jué)重要研究?jī)?nèi)容的圖像檢索、圖像分類(lèi)、目標(biāo)檢測(cè)等技術(shù)都離不開(kāi)特征提取與描述環(huán)節(jié)。好的特征提取手段及其描述方法，能夠有效地提高圖像檢索、分類(lèi)、目標(biāo)檢測(cè)和識(shí)別性能，而選擇什么樣的特征往往和具體的應(yīng)用相關(guān)聯(lián)。因此，特征提取與描述技術(shù)一直以來(lái)都是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一。本文聚焦于圖像分類(lèi)中的特征提取技術(shù)，分別從圖像的空域、梯度（包括梯度模和梯度方向）和頻域設(shè)計(jì)了三種特征提取方法，即：梯度方向和梯度模矩陣、自相關(guān)直方圖和局部相位模

2、式，分別從圖像中提取紋理特征、結(jié)構(gòu)輪廓特征和模糊不變的相位特征，實(shí)現(xiàn)紋理圖像、圖像中行人/非行人和模糊圖像的分類(lèi)。
　　灰度共生矩陣能夠描述特定方向上間隔一定距離像素間的空間相關(guān)特性，但是提取的紋理特征不夠精細(xì)和全面。圖像紋理通過(guò)像素灰度絕對(duì)值表現(xiàn)出來(lái)，像素間的梯度既反映像素值變化的幅度，又反映像素變化的方向，不失為描述圖像紋理的新手段。本文從圖像的梯度出發(fā)，通過(guò)將梯度方向和梯度模值再量化后，根據(jù)梯度方向再量化后的取值范圍，利用梯

3、度模構(gòu)建若干個(gè)梯度方向和梯度模矩陣，最后從上述生成的矩陣中提取一系列統(tǒng)計(jì)特征描述紋理圖像。在對(duì)不同材質(zhì)、不同尺度、不同角度和不同光照成像條件下紋理庫(kù)中圖像進(jìn)行分類(lèi)的實(shí)驗(yàn)中，梯度方向和梯度模矩陣和其它紋理特征提取算法相比較，分類(lèi)精度較好。
　　利用梯度信息包含梯度方向和梯度模的HOG特征，經(jīng)過(guò)訓(xùn)練后可以得到目標(biāo)近似的輪廓特征。受此啟發(fā)，本文研究了一種從自相關(guān)信息中提取目標(biāo)近似結(jié)構(gòu)輪廓信息的特征提取方法。首先利用圖像像素周邊區(qū)域的自相

4、關(guān)值獲得局部區(qū)域內(nèi)各像素周邊區(qū)域的自相關(guān)平面，然后將自相關(guān)平面轉(zhuǎn)換到劃分為若干區(qū)間的極坐標(biāo)系下，極坐標(biāo)系的若干個(gè)區(qū)間由取對(duì)數(shù)后的極值和極角均分得到，計(jì)算自相關(guān)平面落在各區(qū)間的值，獲得描述圖像局部區(qū)域內(nèi)各像素的局部自相關(guān)特征，最后按照保留最大值的準(zhǔn)則，對(duì)圖像局部區(qū)域內(nèi)各像素對(duì)應(yīng)的自相關(guān)平面進(jìn)行合并，獲得圖像區(qū)域的自相關(guān)直方圖。本文選擇圖像中的行人分類(lèi)為應(yīng)用背景開(kāi)展了所提出特征的實(shí)驗(yàn)檢驗(yàn)工作，先研究了自相關(guān)直方圖特征選取不同參數(shù)時(shí)行人分類(lèi)精

5、度的變化，然后在相同的行人圖像庫(kù)上，比較了自相關(guān)直方圖特征法和其它特征提取方法的行人分類(lèi)精度，實(shí)驗(yàn)顯示自相關(guān)直方圖特征提取方法行人分類(lèi)精度較好。
　　針對(duì)實(shí)際應(yīng)用中獲取的可能是模糊圖像的問(wèn)題，本文提出了一種具有模糊不變性的特征，以利于提高模糊圖像的分類(lèi)性能。本文將每個(gè)像素周邊區(qū)域的圖像轉(zhuǎn)換到頻域后，證明圖像模糊前后，圖像在頻域中相位正切值保持不變，通過(guò)提取圖像在頻域中相位正切值的變化規(guī)律----局部相位模式，最后將空域圖中局部區(qū)域