2.1彩色图像灰度化4

2.2图像的平滑处理4

2.2.1邻域平均法...4

2.3.2中值滤波法...5

2.3.3两种平滑处理效果对比.6

第三章图像形状特征提取..7

3.1图像形状大小特征提取..7

3.1.1面积S...7

3.1.2周长L...7

3.1.3圆形度R0.8

3.1.4形状复杂度e.8

3.1.5特征提取结果分析.8

3.2矩特征提取9

3.2.1矩特征提取常用方法...9

3.2.3中心矩..11

3.2.4HU不变矩...12

3.3矩特征的提取.12

3.3.1矩特征提取的基本步骤12

3.3.2实验结果分析13

第四章基于纹理的图像特征提取..16

4.1纹理特征.16

4.1.1纹理的定义..16

4.2局域二值模式.17

4.2.1LBP纹理特征17

4.2.2旋转不变LBP18

4.2.3LBP等价模式20

4.3LBP的改进20

4.4实验步骤.22

4.4.1LBP基本步骤22

4.4.2CLBP基本步骤...23

4.5实验结果分析.23

结语..28

致谢29

参考文献30

附录.32

第一章  绪论
1.1  研究意义 随着信息技术快速地发展，数字图像处理技术是获取图像信息的重要途径之一。图像中包含丰富的信息，但是有些信息比较难以获取，这就要求在图像信息处理技术方面不断地发展。图像特征提取技术是数字图像处理中一个重要的环节。特征提取就是去除图像中冗余的特征，保留下有用的信息，更加有利于进一步对图像进行处理。图像特征提取技术已经在科学研究的各个领域都有了长足的发展，从工业生产，医疗卫生到航空航天技术都有广泛应用。 通常直接获取的图片不能作为标准的实验样本，它不符合实际运用的要求。因此需要对原始图像进行处理。在数字图像处理中，将研究样本图像数值化并测量它的基本数值。图像特征包括亮度、颜色、频率、直方图等重要属性。研究者们通过这些特征值和相关联系，把图像中有用的信息提取出来。通常，良好的特征具有以下特点：  （1）区别性：选取图像特征分析时，特征间的差异一定要大，这样才有利于区分图像间的特征差异。例如当分析图像形状特征时选用了面积、周长、圆形度和形状复杂度这几组特征值时，因为图像在这三个特征中各有不同，就可以轻松辨别出图像特征。 （2）可靠性：同一模式下，图像的特征值应该具有相似的值。例如在分析 7 个HU不变矩时，样本图像的特征值变化稳定，没有出现某些值突变的情况，则便于分析样本图像的特点和不变矩的性质。 （3）独立性：特征之间的关系应相互独立，即彼此之间不相关。相关的特征结合可以增强结论的正确性和适应性，但是不用该作为单独的特征来分析图像性质。 （4）数目小：图像识别系统随着图像复杂度和特征值数量的增加变得复杂[1]，随之相应的算法也变得复杂，这样不仅影响实验的效率也会导致对图像分类能力的下降。 根据上述四种特征的特点，不仅能减少特征提取时的计算时间，更能提高图像提取与分类的正确性。这四个原则，在本文的图像特征提取中都有用到。
1.2  图像特征提取技术的发展趋势 图像特征提取技术利用图像的灰度特征以及其他的相关特征，实现图像特征的体现。采用多种特征方法相结合的提取技术，可以获得更加准确的提取结果。由于图像特征具有多样性，每个提取方法都有各自的优劣，导致在提取结果上存在不确定性。源]自{优尔^`论\文}网·www.youerw.com/ 在复杂图像特征的提取过程中，不仅要对选取的样本图像进行预处理，还要结合不同的特征提取方法，提高数字图像特征提取的准确性。如今对图像边缘处理，纹理的处理等有了进一步发展，使用边缘特征提取、LBP、形态特征提取等技术，能让全面的分析图像的特征。在考虑到图像特征的多样性和复杂性的基础上，还有考虑处理过程中与图像预处理技术相对应，现有的理论和方法离实际的图像出特征提取还有一定距离，因此需要对数字图像处理技术进一步研究。 当今，对于图像特征提取技术仍未形成统一的模式，其理论也在不断地发展。不同的算法，对图像特征的影响也不同， 因此就要注意每种算法的特点，选取最优算法，提高图像特征提取的准确性。