图像特征提取

图像特征提取

在图像处理中，边缘检测指的是灰度值发生突变的像素集合。其本质特征在于能够有效识别物体轮廓。其基本思路是首先识别图像中的边缘点，并结合特定方法将这些边缘点连接形成轮廓以构成分割区域。

2） Canny算子的基本原理：

评价标准：

较高的检测效率（确保所有边界均被正确识别，并避免将非边界元素误判为边界）

精确的定位（检测的边缘与实际的边缘误差要尽可能小）

明确的响应（对每一条边缘只有一次响应，只得到一个点）

基本步骤：

a) 去噪声：使用高斯函数对图像进行平滑滤波。

计算梯度值及其方向角：具体操作中可采用Sobel算子完成二维卷积运算

非最大值抑制：Following the evaluation criteria of the Canny edge operator, edges in an image are constrained to a single pixel width. After applying a filter, edges in the image differ. Non-maximum suppression identifies and retains pixels with maximum gradient values along their respective gradient directions, while suppressing others. The principle is that maximum gradient values typically occur at edge centers, diminishing as distance from these centers increases along the gradient direction.

d) 滞后阈值化：噪声的存在会导致原本应连续的边缘出现断裂现象。这种技术通过设定两个不同的临界点——一个是高临界点、另一个是低临界点来进行判断。当任一像素通过边缘检测器作用后的响应超过高位临界点时，则将其标记为边界的外延部分。而对于那些响应位于低位临界点与高位临界点之间的像素而言，则根据其4-邻域或8-邻域是否存在已经被标记为边界的像素来进行判断并进行相应的标记处理。

Edge(I,method,,’threshold’)

函数功能：I指输入的灰度图像

method：进行边缘检测方法（sobel,,prewitt,canny,log）

threshold:为所设定的阈值

输出形式：BW-经过边缘检测后的二值图像。

3） Prewitt算子

运算器是一种基于一阶差分的微分算子用于进行边缘检测，在发生剧烈亮度变化的地方定位边界，并抑制虚假边界的影响的同时减少噪声干扰。其工作原理是通过将两个方向上的模板与图像数据进行局部区域（即邻域）计算来实现，在这一过程中其中一个方向专门用于捕捉水平方向上的边界信息而另一个则专注于垂直方向的变化特征。

4） 角点：角点是两个边缘的交点，角点是领域内具有两个主方向的特征点。

角点的基本原理：在某个局部的小区域内通常会实现某种特定的功能或者效果。当将一个小型的观察窗沿着不同方向进行平移时，在观察窗内部出现灰度值的变化则可以判断该区域存在角点特征；反之若观察窗内部各向灰度值均未发生变化则可认为该区域不存在明显的角点特征。进一步地当观察窗沿着某一特定的方向发生平移并且观察窗内部出现了显著的灰度变化而其他方向并未出现明显变化这种现象往往表明该观察窗所覆盖的区域呈现直线型的特点；相反若沿某一个特定的方向出现了明显的灰度变化而其他所有方向均未出现明显的变化则可能反映出该观察窗覆盖区域内呈现出曲线型的状态。

检测步骤：1）计算图像在X和Y方向上的梯度Ix,Iy.

2）计算图像两个方向梯度的乘积。

3）使用高斯函数对Ix^2,Iy2和Ixy进行高斯加权，生成矩阵M

4）计算两个像元的角点的响应值R，并对小于某一阈值的R置为零。

5）在33或55的邻域内进行非最大值抑制，局部最大值点即为图像中的角点

角点检测函数：

CM= cornermetric(I,method,’sensitivityFactor’)

功能介绍：对输入的图像进行角点检测

I：输入的图像

Method：该系统采用基于角点检测的策略进行图像处理，其中关键参数包括Harris算法和最小特征值法，默认选择使用Harris算法作为主要计算依据。

sensitivityFactor：敏感因子，默认值为0.04

CM：生成角点坐标矩阵...其尺寸与输入图像完全一致...其中，在该矩阵中各角点的位置对应于原始图像的空间坐标。

例题如图

SURF特征提取

算法简介：

积分图像表示：基于积分图像的方法中, 高斯二阶导数算子作用于图像是将其滤波过程转换为对图象进行加法和减法运算

应用J=integralimage（I），J积分图像，I原图像

2. DoH近似：在将模板与图像进行卷积运算以实现盒子滤波的过程中，在简化高斯微分二阶模板的过程中，在其分解为几个矩阵区域的基础上，在每个矩阵区域内填充相同的常数值。

3，在尺度空间表示中：为了实现不同尺度斑点的目标，则需构建一个完整的尺度空间金字塔；通常的做法是利用不同σ值的高斯函数对图像进行平滑处理，并通过重新采样过程生成高层次的空间表示结构。

4. SIFT特征提取器：该算法在构建特征向量时采用积分图像作为基础，并其主要目的便是高效利用特征检测过程中产生的中间计算结果。其通过这种方式不仅能够减少冗余计算，在后续的特征匹配阶段也能够显著提升计算效率。同时该方法还特别注意避免在同一图像不同区域重复计算相同的特征信息。

函数应用：POINTS=detectSUREFFeatures(I,name,value)

功能：用于检测灰度图像的SUREF特征。

I：待检测的图像

NAME：VakuemetricThreshold:矩阵阈值；仅当数值超过该阈值时才会被视为矩阵中的特征点；预设默认设置下取值为1000

NumOctaves:组数（Octave），默认值为3。

NumScaleLevals:每组的尺度层数，默认值为4.