第十一章圖像匹配與檢索

第十一章圖像匹配與檢索第一頁，共二十八頁，2022年，8月28日1.1模板匹配第二頁，共二十八頁，2022年，8月28日模板匹配：在圖像中尋找與樣板相同或相似的區(qū)域。用途：目標(biāo)檢測、遙感圖像或運動圖像的分析等。方法：歸一化互相關(guān)法、序貫相似性檢測算法、FFT相關(guān)算法等。1.1模板匹配第三頁，共二十八頁，2022年，8月28日歸一化互相關(guān)法：f(x,y)為M×N的原圖像，t(j,k)為J×K(J≤M，K≤N)的模板圖像。定義式可展開為三部分的和：DS(x,y)-DST(x,y)+DT(x,y)誤差平方和：誤差平方和：第四頁，共二十八頁，2022年，8月28日匹配測度誤差平方和005050500014030601011040101模板源圖像誤差平方和第五頁，共二十八頁，2022年，8月28日DS(x,y):原圖像中與模板對應(yīng)區(qū)域的能量；隨匹配坐標(biāo)點的變化而變化。DST(x,y):模板與原圖像對應(yīng)區(qū)域的互相關(guān)；當(dāng)模板t(j,k)和原圖像中對應(yīng)區(qū)域相匹配時取得最大值。DT(x,y):模板的能量。歸一化互相關(guān)：將DS的影響因素引入到互相關(guān)DST中：歸一化互相關(guān)法：第六頁，共二十八頁，2022年，8月28日模板匹配的特點圖像局部匹配。當(dāng)原圖像發(fā)生旋轉(zhuǎn)或縮放時，不能實現(xiàn)匹配。1.1模板匹配第七頁，共二十八頁，2022年，8月28日直方圖匹配：根據(jù)顏色統(tǒng)計特性進行相似性匹配。用途：基于顏色的圖像檢索方法：根據(jù)圖像直方圖進行距離測量：直方圖相交法、歐幾里得距離法、中心矩法、街坊距離法等。1.2直方圖匹配第八頁，共二十八頁，2022年，8月28日1.2直方圖匹配第九頁，共二十八頁，2022年，8月28日1.2直方圖匹配第十頁，共二十八頁，2022年，8月28日直方圖相交法設(shè)HQ(k)和HD(k)分別為查詢圖像Q和數(shù)據(jù)庫圖像D的特征統(tǒng)計直方圖，則兩圖像之間的匹配值d(Q,D)為：1.2直方圖匹配015252510014150601灰度級0123456模板2220030源圖像3300111min2200010第十一頁，共二十八頁，2022年，8月28日歐幾里得距離法：歐幾里得距離也稱歐式距離，是一個通常采用的距離定義，它是在m維空間中兩個點之間的真實距離。為減少計算量，可采用直方圖的均值來粗略地表達顏色信息：1.2直方圖匹配fQ：查詢圖像的0階距，：fD數(shù)據(jù)庫圖像的0階距。算法特點：算法簡單、檢索效果差015252510014150601模板源圖像灰度級

均值0123456模板21/92/92/92/9003/90源圖像18/93/93/9001/91/91/9d(Q,D)=(1/3)1/2第十二頁，共二十八頁，2022年，8月28日街坊距離法1.2直方圖匹配HQ：查詢圖像的直方圖，：HD數(shù)據(jù)庫圖像的直方圖。算法特點：算法簡單、適用于RGB彩色圖像檢索。第十三頁，共二十八頁，2022年，8月28日形狀匹配：根據(jù)目標(biāo)的形狀特性進行目標(biāo)檢測或圖像檢索。用途：目標(biāo)檢測或圖像檢索方法：幾何參數(shù)法、不變矩法、邊界方向直方圖法、小波輪廓表示法等。特點：算法大多比較復(fù)雜；更高層次的圖像檢索。1.3形狀匹配第十四頁，共二十八頁，2022年，8月28日`1.3形狀匹配第十五頁，共二十八頁，2022年，8月28日圖像檢索的分類：基于文本描述的檢索（通過圖片的元數(shù)據(jù)或標(biāo)引文字進行檢索）分類目錄瀏覽方式基于內(nèi)容的檢索（CBIR——Content-BasedImageRetrieval直接利用圖片去檢索圖片）特征提取相似度匹配相關(guān)反饋索引結(jié)構(gòu)2、基于內(nèi)容的圖像檢索

第十六頁，共二十八頁，2022年，8月28日基于內(nèi)容的圖像檢索：特征提取顏色紋理形狀……顏色空間（RBG、HIS、HSV）顏色特征表示顏色相似度匹配算法第十七頁，共二十八頁，2022年，8月28日顏色特征匹配基本原理： 顏色具有一定的穩(wěn)定性。在許多情況下,顏色是描述一幅圖像最簡便而有效的特征。 用圖像的顏色信息作為圖像之間進行匹配的特征依據(jù)。2.1.1顏色特征：是一種全局特征,描述了圖像或圖像區(qū)域所對應(yīng)的景物的表面性質(zhì)。2.1基于顏色的圖像檢索第十八頁，共二十八頁，2022年，8月28日顏色特征表示統(tǒng)計直方圖累積直方圖顏色布局顏色分塊2.1基于顏色的圖像檢索第十九頁，共二十八頁，2022年，8月28日 顏色直方圖其優(yōu)點在于：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在于：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。最常用的顏色空間：RGB顏色空間、HSV顏色空間。2.1基于顏色的圖像檢索第二十頁，共二十八頁，2022年，8月28日2.1.2顏色相似度匹配直方圖相交法歐式距離中心矩法參考顏色表法（顏色集）第二十一頁，共二十八頁，2022年，8月28日中心矩法顏色直方圖的矩：圖像中任何的顏色分布均可以用它的矩來表示。此外，由于顏色分布信息主要集中在低階矩中，因此，僅采用顏色的一階矩、二階矩和三階矩就可以表達圖像的顏色分布。一階中心矩：M1二階中心矩：M2三階中心矩：M3第二十二頁，共二十八頁，2022年，8月28日顏色集顏色集是對顏色直方圖的一種近似。將圖像顏色用一組參考色表示，這組參考色應(yīng)能覆蓋視覺上可感受到的各種顏色。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區(qū)域的空間關(guān)系。由于參考色的數(shù)量要比原圖少，所以可以節(jié)省計算量。第二十三頁，共二十八頁，2022年，8月28日2.2.1紋理特征：是一種全局特征，它也描述了圖像或圖像區(qū)域所對應(yīng)景物的表面性質(zhì)及結(jié)構(gòu)。2.2基于紋理的圖像檢索第二十四頁，共二十八頁，2022年，8月28日在模式匹配中，這種區(qū)域性的特征具有較大的優(yōu)越性，不會由于局部的偏差而無法匹配成功。

2.2基于紋理的圖像檢索第二十五頁，共二十八頁，2022年，8月28日2.2.2統(tǒng)計方法

一般說來，紋理圖像中的灰度分布具有某種周期性，即便灰度變化是隨機的，它也具有一定的統(tǒng)計特性。

統(tǒng)計方法的典型代表是一種稱為灰度共生矩陣的紋理特征分析方法?；叶裙采仃嚨乃膫€關(guān)鍵特征：能量、慣量、熵和相關(guān)性。

統(tǒng)計方法中另一種典型方法，則是從圖像的自相關(guān)函數(shù)（即圖像的能量譜函數(shù)）提取紋理特征，即通過對圖像的能量譜函數(shù)的計算，提取紋理的粗細(xì)度及方向性等特征參數(shù)；通過這些參數(shù)的匹配情況實現(xiàn)圖像檢索。2.2基于紋理的圖像檢索第二十六頁，共二十八頁，2022年，8月28日形狀特征匹配基本原理形狀是刻劃物體的本質(zhì)特征之一,可以針對面積(可用象素點的個數(shù)計算)、環(huán)形性(即周長*周長/面積,周長也用象素點的個數(shù)表示)、主軸方向、偏心率、圓形率、連通性、正切角等形狀特征進行匹配。形狀檢索主要有兩種方法1）針對圖像邊緣輪廓線進行的檢索2）針對圖形矢量特征進行的檢索第二十七頁，共二十八頁，2022年，8月28日三種特征檢索方法的比較特征代表性方法適合應(yīng)用的圖像類型顏色顏色直方圖、顏色一致性矢量、顏色