主权项 |
一种基于灰度梯度序列的数字图像特征提取方法,其特征在于,包括以下步骤:第一步,对待处理数字图像I进行预滤波处理,得到处理后的数字图像A;第二步,对数字图像A,计算像素灰度梯度,基于此构造灰度梯度序列;第三步,计算所述灰度梯度序列的局部极值点,将其坐标位置作为边缘特征位置;第二步所述的灰度梯度序列,具体是:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mfenced open='' close=''><mtable><mtr><mtd><msub><mi>GS</mi><msub><mi>x</mi><mi>m</mi></msub></msub><mo>=</mo><mrow><mo>(</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mn>2</mn><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>col</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>GS</mi><msub><mi>y</mi><mi>n</mi></msub></msub><mo>=</mo><mrow><mo>(</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mn>1</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>,</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mn>2</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mi>row</mi><mo>-</mo><mn>1</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>,</mo><mrow><mo>(</mo><mn>1</mn><mo>≤</mo><mi>m</mi><mo>≤</mo><mi>row</mi><mo>-</mo><mn>1,1</mn><mo>≤</mo><mi>n</mi><mo>≤</mo><mi>col</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000653915000000019.GIF" wi="1561" he="174" /></maths>其中,A是对待处理图像I经过预滤波处理后的数字图像;<img file="FDA0000653915000000012.GIF" wi="113" he="79" />是图像A中沿水平方向第m行的灰度梯度序列;<img file="FDA0000653915000000013.GIF" wi="115" he="84" />是图像A中沿竖直方向第n列的灰度梯度序列;row是图像A的行数,即图像A在竖直方向上的像素个数;col是图像A的列数,即图像A在水平方向上的像素个数;<img file="FDA0000653915000000014.GIF" wi="186" he="82" />是图像A的灰度梯度,具体是:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mo>▿</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><msqrt><msubsup><mi>G</mi><msub><mi>x</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mn>2</mn></msubsup><mo>+</mo><msubsup><mi>G</mi><msub><mi>y</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mn>2</mn></msubsup></msqrt><mo>,</mo><mrow><mo>(</mo><mn>1</mn><mo>≤</mo><mi>i</mi><mo>≤</mo><mi>row</mi><mo>-</mo><mn>1</mn><mo>,</mo><mn>1</mn><mo>≤</mo><mi>j</mi><mo>≤</mo><mi>col</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000653915000000015.GIF" wi="1158" he="109" /></maths>其中,<img file="FDA0000653915000000016.GIF" wi="88" he="84" />是图像A中沿水平方向相邻像素点间的灰度差,<img file="FDA0000653915000000017.GIF" wi="95" he="85" />是图像A中沿竖直方向相邻像素点间的灰度差,具体可表示为:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mfenced open='' close=''><mtable><mtr><mtd><msub><mi>G</mi><msub><mi>x</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></msub><mo>=</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>G</mi><msub><mi>y</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub></msub><mo>=</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mn>1</mn><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><mi>A</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000653915000000018.GIF" wi="553" he="179" /></maths>第三步所述的计算灰度梯度序列的局部极值点,具体是:根据提取特征需求,设定灰度梯度序列中相邻点间的幅度变化值,将其作为局部极值点选取的阈值。 |