圖像特征提取算法研究及應(yīng)用.pdf

1、特征提取算法和分類識(shí)別技術(shù)是圖像處理技術(shù)中的重要組成部分，是模式識(shí)別領(lǐng)域的關(guān)鍵技術(shù)之一?；谝曈X(jué)的特征提取包括顏色、紋理、形狀三個(gè)方面。外輪廓信息是形狀特征中的重要特征參數(shù)，主要通過(guò)邊緣檢測(cè)和鏈碼編碼提取兩個(gè)步驟獲得，而傳統(tǒng)8鏈碼算法會(huì)錯(cuò)誤表達(dá)外輪廓信息。為了彌補(bǔ)傳統(tǒng)8鏈碼的不足，提出對(duì)稱8鏈碼和可變向8鏈碼算法。
　　對(duì)稱8鏈碼算法定義變換點(diǎn)的判定法則，并根據(jù)邊緣輪廓的走向特點(diǎn)，確定了一組呈中心對(duì)稱的鏈碼編碼方向，準(zhǔn)確提取圖像外

2、輪廓信息?？勺兿?鏈碼算法利用前一個(gè)像素點(diǎn)的鏈碼方向判斷出當(dāng)前像素點(diǎn)的起始鏈碼方向，從而自適應(yīng)地選擇起始鏈碼方向，定位出圖像外輪廓。實(shí)驗(yàn)表明，兩種算法均能改善傳統(tǒng)8鏈碼算法外輪廓信息表示的準(zhǔn)確率。對(duì)稱8鏈碼算法適用于邊緣輪廓較為簡(jiǎn)單的圖像，保證圖像外輪廓信息的誤判率低于1％?？勺兿?鏈碼算法適用于邊緣輪廓較為復(fù)雜的圖像，其提取的圖像外輪廓參數(shù)精度高，魯棒性好。此外，對(duì)稱8鏈碼和可變向8鏈碼算法通過(guò)對(duì)閾值的設(shè)定和鍵值對(duì)的標(biāo)記，保證將多目標(biāo)

3、圖像中最優(yōu)目標(biāo)作為分類識(shí)別對(duì)象。
　　面積參數(shù)是形狀特征中的另一個(gè)重要特征信息。利用鏈碼技術(shù)的距離變換算法能夠提高面積參數(shù)的準(zhǔn)確率。該算法根據(jù)外輪廓鏈碼序列，將圖像內(nèi)部像素點(diǎn)用類“等高線”的方法表示出來(lái)，通過(guò)統(tǒng)計(jì)“等高線”曲線的鏈碼序列長(zhǎng)度獲得圖像的面積。實(shí)驗(yàn)表明，對(duì)于具有干擾項(xiàng)的圖像，改進(jìn)的面積計(jì)算方法準(zhǔn)確率仍高達(dá)98％，魯棒性好。
　　選擇合適的特征參數(shù)通過(guò)分類器處理實(shí)現(xiàn)圖像的分類識(shí)別。單一分類器的整體識(shí)別率較低，為了提

4、高分類精度，選擇多種適合于目標(biāo)圖像的分類器，建立種類和分類器之間的對(duì)應(yīng)關(guān)系，形成一種級(jí)聯(lián)方式的多分類器組合結(jié)構(gòu)。在分類過(guò)程中，利用多分類器的處理機(jī)制，每個(gè)分類器只處理能夠準(zhǔn)確分類的樣本，并將剩余樣本交給下一個(gè)分類器處理，最后由多分類器匯總分類結(jié)果。分類實(shí)驗(yàn)以蝴蝶蘭圖像為例，利用隨機(jī)森林分類器、Adaboost分類器以及SVM分類器建立蝴蝶蘭種類和分類器之間的對(duì)應(yīng)關(guān)系，構(gòu)建一個(gè)適合蝴蝶蘭種類的三級(jí)聯(lián)組合分類器。實(shí)驗(yàn)說(shuō)明，多分類器能強(qiáng)化單一