圖像檢測與識別的特征提取算法研究.pdf

1、在人類認(rèn)知和理解周圍環(huán)境的過程中，圖像成為視覺上一種最直觀、最容易的獲取方式，如何從圖像中獲得重要信息成為對圖像分析和理解的關(guān)鍵。圖像特征提取方法的出現(xiàn)，有效的解決了這一關(guān)鍵性問題。對圖像信息的描述常借助于一些稱為目標(biāo)特征的描述符來進(jìn)行，目標(biāo)特征代表了目標(biāo)區(qū)域的特性。不同的圖像類型具有不同的目標(biāo)特征，因此具有針對性的對不同的圖像類型研究多種與之相適應(yīng)的特征提取算法對于有效進(jìn)行圖像識別與分類具有重要意義。
　　本文的重點是對圖像特征

2、提取算法的研究及應(yīng)用，針對圖像中待識別與檢測特征的不同，圍繞基于灰度統(tǒng)計特性的特征提取算法、基于形態(tài)成分分析的特征提取算法、基于核學(xué)習(xí)的特征提取算法以及它們在相關(guān)圖像中的典型應(yīng)用展開研究。論文的主要工作及創(chuàng)新性表現(xiàn)包含以下幾個方面：
　　特征提取算法的性能優(yōu)劣與原始圖像的質(zhì)量有著密切的關(guān)系，噪聲是影響圖像質(zhì)量的主要因素，在某些不理想的情況下有必要在分析圖像之前進(jìn)行預(yù)處理從而消除噪聲。針對這一問題，論文在介紹基于灰度統(tǒng)計特性的特征提

3、取方法之前，先對頻域濾波方法和空域濾波方法進(jìn)行了介紹，闡述了小波（Wavelet）、輪廓波（Contourlet）、非下采樣輪廓波（Non-subsampled Contourlet）、非局部均值（Non-local means）方法以及中值濾波算法的原理，探究它們的數(shù)學(xué)模型。在此基礎(chǔ)上，聯(lián)合空域及頻域濾波方法提出基于變換域的雙重濾波去噪算法，通過對不同的噪聲特點采用適合的處理方法，較好的去除了圖像中的高斯噪聲和脈沖噪聲，突出圖像中的目

4、標(biāo)特征使后續(xù)邊緣檢測更加準(zhǔn)確。
　　其次，針對圖像處理中特征提取這一模塊提出了基于灰度統(tǒng)計特性的特征提取算法。該算法針對直方圖具有單峰形態(tài)的圖像進(jìn)行研究，將Rosin方法作為Canny中的閾值設(shè)定方法來實現(xiàn)邊緣檢測?？紤]到一維Rosin算法在處理此類圖像時不能夠充分利用圖像局部結(jié)構(gòu)信息這一缺陷，將傳統(tǒng)Rosin方法推廣至二維，利用像素點本身和其鄰域的局部結(jié)構(gòu)信息，建立圖像灰度的二維直方圖，利用二維直方圖找到適合提取圖像特征的閾值，

5、從而為Canny算法中的閾值選取獲得一種自適應(yīng)的方法。在仿真實驗中，采用具有單峰形態(tài)直方圖特性的圖像驗證了算法的有效性，同時將其應(yīng)用于道路裂紋圖像的邊緣檢測并獲得理想的效果。
　　再次，提出了基于形態(tài)成分分析的特征提取算法，針對具有復(fù)雜背景的圖像難以獲取主要特征的問題，構(gòu)造基于形態(tài)成分分析的活動輪廓模型。首先采用不同的字典對圖像的不同成分進(jìn)行稀疏表示，從而分離圖像不同成分的特征，再利用活動輪廓模型尋找到圖像中所需內(nèi)容主要輪廓特征，

6、仿真實驗證明提出的算法實現(xiàn)了對圖像中不同紋理特征的分離，達(dá)到了對特征識別及檢測的目的。
　　最后，提出了基于多數(shù)據(jù)相關(guān)核Fisher判別分析的圖像特征提取算法。針對傳統(tǒng)核Fisher判別分析方法對于包含多源、異構(gòu)數(shù)據(jù)的圖像識別適應(yīng)性較差的問題，將核優(yōu)化思想應(yīng)用于核Fisher判別分析中，介紹了數(shù)據(jù)相關(guān)核及多核方法，并聯(lián)合這兩種方法對傳統(tǒng)單核函數(shù)進(jìn)行改進(jìn)以及參數(shù)優(yōu)化，使得傳統(tǒng)核Fisher判別分析方法對于包含多源、異構(gòu)數(shù)據(jù)的圖像具有