文档介绍：章图像特征提取《数字图像处理》研究生课程在图像技术领域的许多应用中,人们总是希望从分割出的区域中分辨出地物类别,例如分辨农田、森林、湖泊、沙滩等;或是希望从分割出的区域中识别出某种物体(目标),例如在河流中识别舰船;在飞机跑道上识别飞机等。进行地物分类和物体识别的第一步就是物体特征的提取和检测,然后才能根据检测和提取的图像特征对图像中可能的物体进行识别。图像特征是用于区分一个图像内部特征的最基本的属性。图像特征可分成自然特征和人工特征两大类。人工特征是指人们为了便于对图像进行处理和分析而人为认定的图像特征,比如图像直方图、图像频谱和图像的各种统计特征(图像的均值、图像的方差、图像的标准差、图像的熵)等。自然特征是指图像固有的特征,比如图像中的边缘、角点、纹理、形状和颜色等。图像的边缘特征图像边缘具有方向和幅度两个特征。沿边缘走向,像素的灰度值变化比较平缓,而沿垂直于边缘的走向,像素的灰度值则变化比较剧烈。这种剧烈的变化或者呈阶跃状(stepedge),或者呈屋顶状(roofedge),分别称为阶跃状边缘和屋顶状边缘。一般常用一阶和二阶导数来描述和检测边缘。图像剖面一阶导数二阶导数上升阶跃边缘下降阶跃边缘脉冲状边缘屋顶边缘(a)(b)(c)(d) 图像的边缘特征综上所述,图像中的边缘可以通过对它们求导数来确定,而导数可利用微分算子来计算。对于数字图像来说,通常是利用差分来近似微分。图像的边缘特征设f(x,y)为连续图像函数,Gx和Gy分别为x方向和y方向的梯度,且在点(x,y)处的梯度可以表示为一个矢量,并有其梯度定义:()若记: 梯度边缘检测()()()()该梯度矢量在点(x,y)处的梯度幅值定义为:或用其最大值来近似梯度幅值:实际中常用两个分量的绝对值之和来近似梯度幅值,即:梯度的方向(由梯度矢量的幅角表示)是函数f(x,y)增加最快的方向,并定义为: 梯度边缘检测从梯度原理出发,已经发展了许多边缘检测算子,下面是几种最典型的边缘检测算子。