数字图像特征提取+matlab源代码(3)
1.3 研究内容 在图像形状特征提取中，计算出图像的面积，周长参数值，并使用已有公式计算出图像的圆形度和形状复杂度，然后把结果记录在表中分析图像间的区别。接下来通过矩特征及相关参数对图像进一步分析，并把结果与之前的进行对比，看是否结论一致。 在图像纹理特征的提取中，主要讲述了局部二值模式（LBP） ，重点分析了 LBP的旋转不变性。使用 LBP 特征图和直方图把所求的特征值进行分析，发现可以通过图像的局部特征反映出整幅图像的特点。
1.4 研究方法 局部二值模式（LBP）可以用来图像纹理特征的提取，可以提取出图像的局部纹理特征。自从 1994 年被提出后，就用于辅助性的度量图像的局部对比度[2]。经过不断的改进与完善后，LBP 被广泛运用到纹理分类和物体识别中。但是 LBP 技术仍有不足，因此采用了完全局部二值模式（CLBP）技术提高对图像分类的能力。根据最近邻原则，对 AR 数据中选取的 40 幅样本图像进行分类处理，并比较其对图像的识别能力。形态特征对图像特征提取具有重要的作用。图像形状特征中包含的信息的处理和分析的信息不易受到外部因素的干扰，能有效地反映出图像的特征。一方面通过计算图像面积、 周长等参数能求出图像形状大小的基本特征。 另一方面对矩特征进行提取，通过图像的均值、方差、熵、梯度等信息可以辨别出图像的质量与特征。并且通过 7个HU不变矩的值可以得出图像的相似性。
上一篇：产品竞争力英文文献和中文翻译