圖像特征提取技術(shù)研究

關(guān)雪梅

（遼寧對外經(jīng)貿(mào)學(xué)院基礎(chǔ)課教研部 遼寧大連 116052）

圖像特征提取技術(shù)研究

關(guān)雪梅

（遼寧對外經(jīng)貿(mào)學(xué)院基礎(chǔ)課教研部 遼寧大連 116052）

數(shù)字圖像特征提取是從計算機視覺和圖像處理中分離出來的，圖像特征提取是圖像識別的重要部分，采用計算機來處理圖像，找出圖像中不變的特征，面向?qū)嶋H問題進行處理。文章主要研究圖像特征提取的方法、特點等問題，為后續(xù)圖像處理奠定基礎(chǔ)。

圖像特征；邊緣檢測；邊緣提取；邊界細化；邊界跟蹤

圖像的特征提取技術(shù)是一門交叉性很強的學(xué)科，涵蓋著計算機視覺技術(shù)和圖像處理處理技術(shù)的內(nèi)容，在這兩個領(lǐng)域中圖像的識別是一項困難而又關(guān)鍵的技術(shù)，其中關(guān)鍵的問題在于提取圖像的特征。用計算機對圖像進行分析和處理，提取圖像的特征處理實際的問題。1964年美國研究描繪出了月球圖像，這一研究為以后圖像特征提取技術(shù)產(chǎn)生了很大的影響。從此以后，世界上很多國家都發(fā)現(xiàn)了數(shù)字圖像處理這一領(lǐng)域的廣闊發(fā)展前景，對圖像信息特征提取技術(shù)進行深入的研究。在實際遇到的圖像處理應(yīng)用問題的不同，因而圖像特征提取一直沒有精確的定義，有關(guān)計算機圖像分析處理的算法都是以特征為主，處理程序成功與否與定義的特征關(guān)聯(lián)很大。進行圖像處理的第一步就是特征提取，之后通過圖像運算來檢測圖像中的每個像素點，最后形成像素所屬的特征。在圖像特征提取前我們一般進行圖像增強運算，最后運用導(dǎo)法則計算出圖像的特征。

一、圖像特征提取

人們在對圖像進行分析和處理時通常對圖像的某一個部分感興趣，我們可以將感興趣的部分稱為目標對象或前景，而圖像的其它部分稱為背景。這些目標具有特定的屬性，對這些特征進行分析研究，可以后續(xù)的圖像分析和處理創(chuàng)造有利的條件。圖像分析是指測量目標圖像的特征。一般分成預(yù)處理、特征提取和特征測量三個步驟對圖像進行處理。

圖像預(yù)處理：對目標圖像進行規(guī)格化和灰度矯正，去除幾何畸變，消除噪音，方便后期處理，易于進行。

圖像特征的提取：從目標圖像圖提取邊緣、區(qū)域或紋理等圖像特征的過程稱為圖像特征提取。圖像區(qū)域分割和邊緣檢測是圖像特征提取中兩種最基本的方法，二者具有互補的關(guān)系，在目標圖像中目標對應(yīng)的部分，其灰度特征、顏色特征和紋理特征等均勻，而不同目標對象或目標的不同部分之間，圖像特征急劇變化。圖像邊緣檢測是將目標圖像不連續(xù)的部分提取出來，形成邊緣圖像，采用閉合邊緣計算區(qū)域。圖像區(qū)域分割是把圖像中相同特征的區(qū)域提取出來，將該部分的輪廓定義為圖像邊界，邊緣像素的集合。

圖像特征向量：經(jīng)過圖像特征提取，算出圖像特征間的空間關(guān)系或?qū)ζ鋵傩赃M行計算。圖像特征的屬性和關(guān)系信息大致包括：灰度、色彩和多光譜信息紋理信息，位置、形狀信息，空間結(jié)構(gòu)和關(guān)系信息。

圖1 圖像分析的處理過程

（一）圖像邊緣檢測。圖像中不連續(xù)的區(qū)域是圖像邊界，它反映了一個區(qū)域的結(jié)束和另一個區(qū)域的開始。邊界是一個有限的區(qū)域形成一條閉合的通路，它是一個整體的概念；而圖像邊緣是一個局部的概念，它由一些灰度函數(shù)的導(dǎo)數(shù)值超過預(yù)先設(shè)定的閾值的像素組成。圖像分割技術(shù)就是將圖像變換像素形成完整的封閉的邊界。可以看出，尋找圖像邊緣是圖像邊界分割方法的第一步。探索圖像輪廓的方法稱作圖像邊緣檢測，在進行圖像的特征提取前都要對圖像進行邊緣檢測。

圖像的邊緣是圖像亮度發(fā)生劇烈變化的結(jié)果，產(chǎn)生急劇變化的原因總結(jié)為以下幾點：

1.不同圖像圖區(qū)域的鄰接，即由圖像區(qū)域邊界構(gòu)成。

2.圖像表面圖案的不同形成圖像邊界。

3.三維形狀在圖像發(fā)生的邊緣效應(yīng)。

4.由于光的明暗方向變化，產(chǎn)生陰影在圖像中的邊緣效應(yīng)。

由于灰度變化產(chǎn)生的原因和空間變化模式的不同，所以在對圖像進行邊緣檢測算法需求會有所不同。在圖像進行邊緣處理時常用一階和二階導(dǎo)數(shù)來檢測圖像邊緣。

下面介紹幾種在圖像邊緣檢測中常用的算子：

梯度算子

拉普拉斯算子（Laplacian）

（二）圖像邊緣提取。圖像的邊緣檢測是對目標對象邊界線附近的像素進行計算，在圖像邊緣附近會有一定的寬度，如果為了削減噪聲采用較大的區(qū)域來求差分時，還有一種情況就是圖像邊緣本來就很模糊，寬度就會更大。有時邊緣圖像出現(xiàn)間隙或斷點的現(xiàn)象，在圖像處理時需要進行連線補充。

二、圖像邊界提取

提取圖像的邊界就是在圖像邊緣檢測的基礎(chǔ)上，經(jīng)過細化圖像邊緣，邊緣連接，邊緣閉合，形成一個完整的圖像輪廓。可以分為邊緣細化和邊界跟蹤兩個部分。

（一）圖像邊緣細化。圖像邊緣細化的目的就是在保持圖像邊緣的條件下，除去一些不重要的像素，這樣就會使圖像邊緣的寬度變細。采用微分法來計算出圖像的邊緣，圖像的微分值會有很大的變化。對垂直于梯度方向上的鄰接像素點的微分值進行比較，除去小于鄰域點的微分值，就可以實現(xiàn)圖像邊緣細化的目的。對于邊緣明顯并且噪聲低的圖像，可以采用將微分圖像進行二值化，然后將具有寬度的線細化為單像素的線段，也可以實現(xiàn)邊緣細化。

可以用Sobel邊緣檢測算子進行圖像邊緣細化，其處理模板各參數(shù)的和為零。由于模板的正負因子分別為4和-4，在特定的條件下處理結(jié)果就有可能產(chǎn)生溢出的效果。所以用Sobel算子進行圖像處理時，一般引用閾值對其進行二值化，從而得到了二值化的圖像邊緣圖，這樣會造成幅值小的邊緣圖像像素點丟失。要解決這個問題，可以設(shè)計一個衰減因子Scale，用他去除計算的結(jié)果，來除去數(shù)據(jù)溢出這個問題，可以不進行二值化處理得到不失真的灰度邊緣圖像，保留了目標圖像邊緣數(shù)據(jù)。即

用Sobel算子來細化圖像邊緣的基本思想是將經(jīng)過邊緣檢測后的圖像用Sobel算子進行處理運算，得到邊緣的邊緣圖，在新生成的邊緣圖上，目標圖像邊緣兩側(cè)得到新的邊緣，從而使中間部分變成了圖像背景，并且背景寬度稍微小于圖像的原邊緣。和Laplacian圖像邊緣增強算法相似，利用這個特點可以細化圖像原邊緣。將原邊緣圖像減去新的邊緣圖像，將圖像運算后結(jié)果中與負的部分的像素邊緣變?yōu)?，得到具有較細邊緣的邊緣圖像，這樣就使得處理后圖像邊緣線寬要小于原邊緣圖像，因此實現(xiàn)圖像邊緣細化的目標。

（二）圖像邊界跟蹤。圖像的邊界跟蹤是指將圖像中微分值高的像素按順序連接在一起，提取出目標圖像邊界的方法。一般都是先對目標圖像進行微分運算，計算出梯度方向從而圖像邊緣細化，接下來選擇梯度最大的點作為跟蹤目標的起始點，然后根據(jù)起始像素點算出的梯度方向計算圖像邊緣方向，求出在該方向的鄰接像素點，從這些鄰接像素點中選取梯度最大的像素，如果此像素是在圖像跟蹤過程中從未用到的并且最大梯度值超過閾值的像素，那么我們就選取這個像素成為圖像邊緣上的新點，反復(fù)重復(fù)執(zhí)行以上操作就會把圖像所有的邊緣點找到，達到邊界跟蹤的最佳效果。

三、結(jié)語

圖像特征提取是圖像識別處理非常重要的步驟，提取效果的好壞直接影響圖像的最終處理效果。由于圖像特征提取技術(shù)提取效率較高，所以在數(shù)字圖像處理中得到了很廣泛的應(yīng)用。本文基于圖像處理技術(shù)基本原理和基本理論，詳細地介紹了圖像特征提取的方法。現(xiàn)如今圖像特征提取技術(shù)已經(jīng)受到越來越多學(xué)者的重視，但是仍然存在著不足之處和要解決的實際問題，比如缺少評價指標系統(tǒng)和在提取時計算量比較大的問題等。我們圖像處理研究工作者要不斷改進和更新圖像特征提取方法，每一種方法都有它自身的優(yōu)點和缺點，選擇一種最合適的方法來提取目標對象的特征，滿足特定的圖像處理的需要。

[1]姚慶梅,牛君.一種基于方向形態(tài)學(xué)的圖像輪廓提取方法[J].山東大學(xué)學(xué)報(工學(xué)版),2005(4):47-50.

[2]鄒柏賢,林京壤.圖像輪廓提取方法研究[J].計算機工程與應(yīng)用,2008(5):161-165.

[3]孫即祥.圖像處理[M].北京:科學(xué)出版社,2010.

[4]李金娟.基于迭代技術(shù)的圖像輪廓提取方案的研究與實現(xiàn)[J].科學(xué)技術(shù)與工程,2013(8):125-128.

[責(zé)任編輯 鄭麗娟]

Research on Image Feature Extraction Technology

Guan Xue mei

（Basic Course Teaching and Research Department,Liaoning University of International Business and Economics,Dalian,Liaoning 116052）

Digital image feature extraction is separated from the computer vision and image processing. Image feature extraction is an important part of image recognition,which is using computer to process the image,and to find the image invariant feature,and oriented to practical problems to deal with.This paper focuses on the research of image feature extraction methods,characteristics and so on,for the subsequent image processing to lay the foundation.

image feature;edge detection;edge extraction;edge thinning;boundary tracking

TP301.6

A

2095-0438（2017）02-0158-03

2016-10-27

關(guān)雪梅（1976-），女，遼寧大連人，遼寧對外經(jīng)貿(mào)學(xué)院基礎(chǔ)課教研部計算機基礎(chǔ)教研室副教授，碩士，研究方向：圖像處理。

遼寧對外經(jīng)貿(mào)學(xué)院2015年度教學(xué)改革研究項目（2015XJJGYBXM04）.