—220
—
基于角点检测的图像形状特征提取方法
韦东兴，陈晓云，徐荣聪
(福州大学数学与计算机科学学院，福州 350108)
摘 要：针对形状标记表示法可能遗漏轮廓曲线上较重要边界点的问题，提出一种基于角点检测的质心距离标记法。该方法采用轮廓跟踪技术获取物体的轮廓曲线，通过角点检测得到曲线上的所有角点，利用质心距离产生形状标记。以最近邻分类和K-中心聚类对其性能进行验证，结果证明了该方法的有效性。
关键词：形状特征；特征提取；形状标记；时间序列；角点
Image Shape Feature Extraction Method
Based on Corner Point Detection
WEI Dong-xing, CHEN Xiao-yun, XU Rong-cong
(College of Mathematics and Computer Science, Fuzhou University, Fuzhou 350108)
【Abstract 】Aiming at the problem that the important points of the contour curve may be omitted with shape signature representation method, this paper proposes a centroid distance signature method based on corner point detection. It uses contour tracing to get the contour, adopts corner point detection to obtain corner points, and represents shape signature with centroid distance. Experiments on 1-NN classification and K-medoids clustering show the effectiveness of the method.
【Key words 】shape feature; feature extraction; shape signature; time series; corner point
计 算 机 工 程 Computer Engineering 第36卷 第4期
Vol.36 No.4 2010年2月
February 2010
·图形图像处理· 文章编号：1000—3428(2010)04—0220—03
文献标识码：A
中图分类号：TN911.73
1 概述
随着数字化和信息化技术的快速发展，人们对图像的需求量越来越大，图像被广泛应用于工业、农业、医学等领域。如何从海量的图像信息中有效获取有用信息成为近年来的一个研究热点，主要包括图像检索、图像分类和图像聚类等，而其中的关键问题是如何进行图像特征提取，并有效地描述图像信息。
图像的特征主要有颜色特征、纹理特征和形状特征。形状特征是图像的一个重要视觉特征，它对位移、旋转和尺度变换具有不变性。在辨别物体时，人们经常根据物体形状来区分各个物体，因此，对形状特征的研究很有必要。
在基于内容的图像检索技术中，形状特征的描述分为基于边界与基于区域2
类方法：基于边界的形状特征主要有周长、主轴、曲率、形状数、形状标记、傅里叶描述方法、小波描述方法、尺度空间等；基于区域的形状特征有面积、重心、欧拉数、偏心率、几何矩、Legendre 矩、
Zernike 矩、广义傅里叶描述符等[1-2]。
2 图像轮廓提取
要提取图像的轮廓特征，必须对图像进行二值化、滤波去噪和轮廓跟踪等操作。
2.1 图像的二值化和滤波去噪 首先将彩色图像转化为灰度图像，然后通过选取一个合
适的阈值，将图像转化为二值图像，其中，1表示白色；
0表示黑色。但此时图像边界点可能不连续，图像中存在噪
声，从而影响轮廓跟踪的效果。本文采用数学形态学上的腐
蚀对二值图像进行去噪，去噪后图像的边界是连续的，结果
如图1所示。
(a)灰度图像 (b)含噪声的二值图像 (c)去噪后的二值图像
图1 图像二值化及腐蚀去噪
2.2 轮廓跟踪
图像轮廓是一条由边界点构成的闭曲线，轮廓跟踪是一个用来确定图像轮廓的搜索过程，它按逆时针或顺时针方向找出所有的边界点并且记下它们的坐标，主要针对去噪后的二值图像。轮廓跟踪法主要有爬虫法、光栅扫描法和基于Freeman 链码的轮廓跟踪法等，本文采用基于Freeman 8方向
链码的轮廓跟踪法[3]
。链码的方向如图2所示，其中，P 为角点。
图2 链码方向
基于Freeman 链码的轮廓跟踪步骤如下：
基金项目：福建省高等学校新世纪优秀人才支持计划基金资助项目(XSJRC2007-11) 作者简介：韦东兴(1983－)，男，硕士研究生，主研方向：数据挖掘，模式识别；陈晓云、徐荣聪，副教授 收稿日期：2009-06-20 E-mail ：weidongxing123@https://www.doczj.com/doc/2c2506172.html,