Выделение признаков изображения (стр. 1 )

Выделение признаков изображения

Признаком изображения называется его простейшая отличительная особенность или свойство. Некоторые признаки устанавливаются визуальным анализом и называются естественными. Другие получаются в результате специальной обработки или измерений и являются искусственными. К естественным относятся такие признаки как яркость, текстура, форма контуров. Искусственные – гистограммы, спектры частот.

Яркостные признаки. К яркостным признакам относят собственно яркость, спектральную интенсивность излучения, координаты цвета для цветных изображений. Измерение яркостных признаков проводят либо в отдельных точках изображения, либо в их окрестностях, а затем усредняют. Яркостные признаки можно использовать непосредственно, а можно перейти к новым признакам, выполнив некоторое линейное или нелинейное преобразование.

Гистограммные признаки.

Распределение вероятностей значений яркости первого порядка определяется как

P(b)ºP{F(j,k)= b }; P(b) = N(b) / M, 0£ b £ L-1

где M – число элементов изображения, N(b) - число элементов с уровнем b, F(j,k) - элемент изображения.

Форма гистограммы говорит о свойствах изображения: узкая гистограмма указывает на низкий контраст, бимодальная – на наличие областей разной яркости.

Характеристики гистограмм первого порядка:

Среднее .

Дисперсия .

Коэффициент асимметрии .

Коэффициент эксцесса (-3 вводят для нормализации коэффициента, чтобы эксцесс =0 для гауссовой плотности вероятности).

Энергия .

Энтропия .

Гистограммные признаки второго порядка основаны на определении совместного распределения вероятностей пар элементов изображения. Пусть F(j,k) F(m,n) элементы изображения. Совместное распределение значений яркости имеет вид

P(a, b)ºP{ F(j, k) =a, F(m, n) =b }; P(a, b) = N(a, b) / M,

где N(а,b) - число случаев, когда F(j,k)=а и F(m,n) =b.

Характеристики гистограмм второго порядка:

Автокорреляция .

Ковариация .

Момент инерции .

Средняя абсолютная разность .

Обратная разность .

Энергия

Энтропия .

Пространственно-спектральные признаки

Обобщенный спектральный анализ является одним из методов формирования признаков в задачах распознавания образов. Спектральные коэффициенты, найденные в результате двумерного преобразования, определяют веса базисных функций. При этом взвешенная сумма базисных функций идентична изображению. То есть спектральные коэффициенты показывают степень корреляции соответствующих базисных функций с изображением. Если базисное изображение имеет ту же пространственную форму, что и признак, который необходимо обнаружить на изображении, то обнаружение признака можно выполнить просто путем наблюдения соответствующего спектрального коэффициента.

Рассмотрим когерентно-оптическое устройство, для выделения признаков изображения. Оптическая система создает на выходе электрическое поле, пропорциональное спектру

где wx, wy - пространственные частоты.

Оптическое считывающее устройство дает на выходе функции , значение которых пропорционально интенсивности спектров.

Интегрирование функции M(wx, wy) по углу на плоскости пространственных частот дает пространственно-частотный признак, инвариантный относительно сдвига и вращения. Представим функцию M(wx, wy) в полярных координатах и возьмем интеграл:

где q=arctg(wx / wy), r2=wx2 + wy2 - полярные координаты.

Признак, инвариантный относительно масштаба:

.

Для выделения признаков яркостный образ M(wx, wy) обычно рассмат­ривают в областях специфической формы, например:

- горизонтальная щель;

- вертикальная щель;

- кольцо;

- сектор.

Для дискретного изображения, описанного массивом чи­сел f(i, j) , в качестве источника признаков можно рассматривать непосредственно дискретный спектр Фурье. В этом случае признаки для горизонтальной щели, вертикальной щели, кольца и сектора можно определить аналогично.

Описанный подход можно распространить и на другие унитарные преобразования, такие как преобразование Адамара, преобразование Хаара и др.

Выделение признаков, представленных в виде спектральных коэффициентов, было использовано в различных практических при­менениях для классификации земельных ресурсов, неразрушающего контроля деталей, диагностики рентгеновских снимков и т. д. При этом алгоритмы распознавания могут быть ориентированы на определен­ный класс распознаваемых объектов, что позволяет добиться прос­тоты и надежности работы.

Контурные признаки

Наибольшее распространение в качестве признаков получили ло­кальные неоднородности функции яркости или яркостные перепады. Модели неоднородности делятся на неоднородность первого рода - ступенчатые перепады яркости, разделяющие области с почти одинаковой яркостью, и неоднородность второго рода - точка изменения знака первой производной яркости. Наибольший интерес исследователей вызывает задача выделения ступенчатого перепада яркости.

В одномерном случае перепад характеризуется высотой, углом наклона и координатой центра склона. Перепад существует, если его угол наклона и высота больше некоторого порога. В двумерном случае перепад яркости характеризуется углом наклона, высотой и ориентацией в плоскости координат. Идеальный детектор перепадов должен указывать на наличие перепада в единственной точке, расположенной в центре склона.

Общий подход к обнаружению перепадов: исходное изображение, представляющее собой массив чисел F(j,k) подвергается линейной или нелинейной обработке чтобы усилить перепады яркости. В результате образуется массив чисел G(j,k). Выполняется сравнение с порогом . Величины T-(j,k) и T+(j,k) – нижнее и верхнее пороговые значения, могут быть одинаковы для изображения или переменными. Для обозначения положения контуров формируют контурный препарат – массив E(j,k). Если не различают восходящие и нисходящие перепады, то обычно отмечают перепады черными точками на белом фоне. Если делают различия, то на сером фоне белыми и черными точками.

Другой подход к обнаружению перепада состоит в аппроксимации фрагмента некоторым идеальным одно - или двумерным перепадом. Если аппроксимация оказывается достаточно точной, то считают, что перепад существует и ему приписывают параметры идеального перепада.

Линейные методы контрастирования.

Наиболее простой способ заключается в вычислении дискретных разностей, что аналогично пространственному дифференцированию. Подчеркивание вертикальных перепадов осуществляется по строке, горизонтальных – по столбцу и диагональные пары аналогично.

G(j,k)= F(j,k) - F(j,k+1); G(j,k)= F(j,k) - F(j+1,k); G(j,k)= F(j,k) - F(j+1,k+1).

Подчеркивание по трем точкам выполняется аналогично. Горизонтальное подчеркивание (вертикальный перепад):

G(j,k)= (F(j,k) - F(j,k-1) ) – ( F(j,k+1) - F(j,k) ) = 2 F(j,k)- F(j,k-1) - F(j,k+1).

Двумерное дифференцирование выполняется путем свертки исходного изображения с курсовыми градиентными масками. Название курса указывает на направление склона перепада яркости, при котором маска дает максимальный отклик.