凌军
(宿州学院 信息工程学院,安徽 宿州 234000)
特征提取在图像处理中的应用
凌军
(宿州学院信息工程学院,安徽宿州234000)
特征提取可以提高图像质量.光照条件的多变性及物体间相互遮挡导致图像质量难以控制.把光照图和反射物体图进行分离,可改善图像质量,但亮度图像重建计算量较大.提出一种特征提取方法,实验证明可有效减少图像处理时间,提高图像质量,改善图像特征点提取.
特征提取;图像处理;图像增强
图像的形成与入射光和物体的反射有关.焦距不同的图像常难以拼接.特征提取可提高图像拼接、增强的质量,实现图像的有效缩放和旋转,体现图像的局部不变性[1].
在特征提取应用中,采用了多种点特征提取算子[2].基于特征点的增强,首先对图像进行预处理,然后运用特征提取算法,实现图像的增强,.文章对特征提取在图像增强中的应用进行了研究和分析.
2.1图像预处理
图像处理中的预处理主要是对图像进行预先处理,减少干扰,从而保证特征提取的准确、快速,减少图像的失真.在小波分解中,如图1,提取出低频分量,减少高频噪声干扰,有效还原图像信息,处理速度比传统方法得到提高[3].
图1 小波分解低频图像
2.2特征提取算法
特征提取算法提取出图像的尺度不变特征,利用图像序列特征点,进一步克服输入图像的噪声干扰[4].尺度不变特征的提取过程中,通过检测尺度空间的极值,提取出特征点的位置,然后计算出特征点信息,将其作为特征描述符.
特征提取需结合一定的模型,如人类视觉系统,采用层次化和串行化的思想,实现视觉模型的功能[5].特征参数须正确描述图像特征,具有较强的抗噪性、仿射不变性、相对稳定性和泛化能力.
3.1可变框架模型
结合Retinex算法的可变框架模型假设光照图存在空间平滑的特性,同时反射物体r在[0,1]区间单调.光照亮度图像中存在较大的值.对于入射分量l而言,尽可能地和输出图像s接近[6].图像中的入射光光滑性为常数.对式(1)进行最小化.
图像用Ω表示,光照亮度图像用l表示,输出图像用s表示,n表示区间,图像的边缘,用∂Ω表示,α和β是非负系数.图像空间的平滑度,用|▽l|2表示.条件(1-s)2表示入射亮度图像和输出图像接近程度,差值即是反射物体的图像[7].
当方程有最小值的时候,对式(1)进行求导,如式(2)所示.
求出数值解,得出亮度图像,实现Retinex图像增强算法.模型中存在一定的缺陷.就光晕的存在而言,往往是一种人为的假象,在这种平滑性假设的前提下,当光照强烈的区域存在时,难以降低黑暗区域内部光照值.在边缘附近的一些黑暗区中,一旦黑暗区域被移除,将会伴有一定的光晕效应.运用迭代法对模型进行求解时,往往具有较高的算法复杂性[8].
目前,有不少的企业没有建立起完善的绩效考核体系,或者绩效考核体系较为落后,无法充分的发挥薪酬管理的激励功能。这些企业无论是在考核内容,还是考核方法的选择方面都较为落后,绩效考核体系对于企业员工工作态度与工作效率的改善并不十分理想,反而在绩效考核中暴露了许多问题,诸如考核的定位不清、考核指标的设计不够科学性等,这些问题反而严重阻碍了员工积极性与创造性的提高。
3.2模型改进和加速迭代求解
改进模型中对于|▽l|2,提高光照图的空间光滑性.结合限制条件|▽(l-s)|,保证r有着一定的平滑性,并结合限制条件,选择好自由参数β.对于(1-s),要使得s逐渐地和l接近,并保证r有着尽可能小的值[9].
首先使得β的值为0,在光晕效果的作用下,r处于光滑的状态,越过物体的边界,设置恰当的光滑状态,将光晕效应有效地去除,结合反射图的边界变化情况,及时捕捉图像特征点.
其次对于α,在趋向于0的过程中,要保证α有着越来越小的取值,但要尽可能地控制好与l以及s的接近程度.在新的假设中,方程如式(3)所示.
基于梯度下降法,对方程求解中,迭代方程如式(4)所示.
G是F[l]的梯度,如式(5)所示.
在实际使用时内积定义如式(6)所示.
这种新的迭代方式不仅计算较为简便,而且能对光晕现象进行有效地抑制.
3.3加速卷积速度
图2 图像增强的流程图
通过结合卷积和多尺度,建立起新的卷积方程,降低卷积函数算法复杂度,流程图如图2.
S表示初始亮度图像,对多尺度亮度图像结合低解析度图像,通过卷积函数的尺度变换,实现了Laplacian滤波变换.算法中变换提升了图像增强的处理速度.
原始图像和增强后图像的对比,如图3.
图像增强后,灰度级得到提高,增加了物体边界对比度,提取出更多的有效Susan特征点.实验表明,本算法对视频图像的增强具有良好的实时性.对于512×384的图像,算法的实际处理时间仅为17ms,对于每秒30帧的视频图像,具有良好的实时性.
图3 原始图像和增强后图像的对比
运用结合特征点的图像增强算法对图像有着明显的增强效果,提高了增强后图像的有效特征点个数,增强过程自动执行,无需人为设置参数,算法具有较好的实时性.
〔1〕Sang Hyun Park,Soochahn Lee,Il Dong Yun,Sang Uk Lee.Hierarchical MRF of globally consistent localized classifiers for 3D medical image segmentation[J].Pattern Recognition,2013,01(15):73-75.
〔2〕Hakime Vojodi,Ali Fakhari,Amir Masoud Eftekhari Moghadam.A new evaluation measure for color image segmentation based on genetic programming approach[J].Image and Vision Computing,2014,35(9):3156-3162.
〔3〕Chao Gao,Dongguo Zhou,Yongcai Guo.An Iterative Thresholding Segmentation ModelUsing aModified Pulse Coupled Neural Network[J].Neural Processing Letters,2011,24(6):33-35.
〔4〕AshirbaniSaha,Gaurav Bhatnagar,Q.M.Jonathan Wu.Mutual spectral residual approach for multifocus image fusion[J].Digital Signal Processing,2012,11(1):92-92.
〔5〕李竹林,王明芳,呼建雪,等.医学图像增强算法与特征提取算法研究与实现[J].计算机技术与发展,2015(1):115-118.
〔6〕Silvia P.Gennari,Maryellen C.MacDonald,Bradley R.Postle,Mark S.Seidenberg.Context-dependent interpretation of words:Evidence for interactive neural processes[J].Neuroimage,2014,35(9):3156-3162.
〔7〕Ying Liu,Dengsheng Zhang,Guojun Lu,Wei-Ying Ma.A survey of content-based image retrieval with high-level semantics[J].Pattern Recognition,2013,28(5):597-601.
〔8〕Stephen D.Van Hooser,Arani Roy,Heather J.Rhodes,Julie H.Culp,David Fitzpatrick.Transformation of Receptive Field Properties from Lateral Geniculate Nucleus to Superficial V1 in the Tree Shrew[J].Journal of Neuroscience,2013,24(6):33-35.
〔9〕Christopher Madden,Eric Dahai Cheng,Massimo Piccardi.Tracking people across disjoint camera views by an illumination-tolerant appearance representation[J].Machine Vision and Applications,2007,04(6):43-35.
TP391
A
1673-260X(2015)11-0035-02