3.5 Feature Extraction 特征提取

3.5.1 Region Features 区域特征

3.5.1.1 Area 面积

  • 到目前为止,最简单的区域特征是区域的面积
    121.png
  • 如果区域是二值图像,用第一个登是
  • 如果区域时行程编码,用第二个求和公式

3.5.1.2 Moments 矩

  • 面积是被称为区域的矩的广义特征中的一个特例.
  • $p \geq 0, q\geq 0$时,(p,q)阶矩定义为
    122.png
  • $m_{0,0}$就是区域的面积
  • 使用行程可以高效计算
  • 当$p+q \geq 1$时,矩除以区域的面积就得到归一化的矩
    123.png

  • 区域的重心:$(n_{1,0},n_{0,1})$

    • 是一个亚像素精度特征

  • 通过计算相对于区域重心的矩来实现使特征不随图像中区域的位置变化而变化

    • 中心矩 central moments在$(p+q\geq2)$时由下式计算得到

124.png

3.5.1.3 Ellipse Parameters 椭圆参数

  • 二阶中心矩(p+q=2)可以用来定义区域的方位和区域的范围.

    • 通过假设从一个椭圆上获取区域的一阶矩和二阶矩而实现的.
    • 从这五个矩推导出椭圆的五个参数
    • 长轴$r_{1}$短轴$r_{2}$

125.png

  • 各向异性$r_{1}/r_{2}$在区域缩放时保持恒定不变,可以描述一个区域的细长程度
  • 角$θ$可以用来对经过旋转的文本进行校正

126.png

  • 只有$r_{1} \neq r_{2}$时才可以确定区域的方位
  • 仅能以$\pi$为模确定方位$θ$

3.5.1.4 Enclosing Rectangles and Circles 外接矩形和外接圆

  • 矩形也被称为区域的边框,可基于区域横纵坐标的最大值和最小值计算得到

  • 基于矩形的参数,可计算出其他有用的特征量,比如宽度高度宽高比

    • 快速判断是否存在相交可能性,可以使用边框的参数
  • 最小外接矩
  • 与椭圆参数相比,矩形参数可以返回正方形的方向

127.png

3.5.1.5 Contour Length 轮廓长度

  • 为计算轮廓长度,必须跟踪区域的边界以获得一个轮廓,此轮廓将边界上的全部点连接在一起.

    • 通过欧几里得距离求和
  • 基于区域的轮廓长度l和区域的面积a,能定义区域紧性的度量方法
    $$c=\frac{l^{2}}{4\pi a}$$
  • 所有圆形区域的紧性特征值都是1,而其他区域的紧性特征值更大

3.5.2 Gray Value Features 灰度值特征

3.5.2.1 Statistical Features

  • 最大最小平均灰度值
    128.png

130.png

  • 灰度值的方差
    131.png
  • 灰度直方图累积直方图

  • α-分位数:使用直方图的一个特征来对图像紧性鲁棒性的对比度归一化处理
    132.png

    • α=0.5时,得到了中值灰度值

3.5.2.2 Moments矩

  • $p \geq 0, q\geq 0$时,(p,q)阶灰度值矩定义为:
    133.png
  • 归一化后
    134.png

  • 矩$(n_{1,0},n_{0,1})$定义为区域的灰度值中心

    • 中心灰度值矩被定义为

135.png

  • 能定义椭圆的长轴短轴和方向

3.5.2.3 Ellipse Parameters椭圆参数

3.5.2.4 Comparison of Region and Gray Value Moments

  • 如果使用区域的特征函数作为灰度值时,灰度值矩就简化为区域矩

  • 特征函数可被解释为某像素对于此区域是否具备隶属关系.

    • 隶属关系为1时,意味此像素是区域内的
    • 0表示是区域外的
  • 这个判断方法是脆弱的,因为对于每个像素点都要判断一次
  • 对每个像素不使用硬性判断,而使用一个“soft”软的 or “fuzzy”模糊的判断来描述像素是否在区域内,这样对隶属于区域的程度紧性编码,编码使用[0,1]的数
  • 把图像看作一个模糊集合的好处是不必对像素点是否属于某个物体做出硬性判断,代以百分比
  • 灰度值矩实在整图像上计算得到的,避免了判断某个像素是否属于前景,所以计算得到的面积和重心更准确

  • 计算区域矩的速度更快

    • 灰度值矩只用于小区域

136.png

  • 模糊隶属关系

    • 灰度值低于背景灰度值$g_{min}$的每个像素,他们的隶属关系都是0
    • 灰度值高于前景灰度值$g_{max}$的每个像素,他们的隶属关系都是1
    • 灰度值落在此范围内的,由线性插值得到
  • 分割出每个独立的焊点
  • 使用灰度值面积和灰度值各向异性对面积和形状紧性判断

3.5.3 Contour Features 轮廓特征

3.5.3.1 Contour Length, Enclosing Rectangles and Circles

3.5.3.2 Moments

  • 必须围绕一个区域的轮廓才存在这些矩特征

    • 轮廓必须是闭合的且不能自相交
  • Rb表示轮廓围绕的亚像素精度区域,(p,q)阶矩定义为
    138.png
  • 归一化矩和中心距

139.png

  • 轮廓的重心和椭圆参数准确度与灰度值重心相同,轮廓面积的准确度比灰度面积的准确度稍差些

    • 因为将双曲线段近似处理为直线段.

标签: 机器视觉, 特征提取

评论已关闭