特征提取在圖像處理中的應(yīng)用

凌軍

（宿州學(xué)院　信息工程學(xué)院，安徽　宿州　234000）

特征提取在圖像處理中的應(yīng)用

凌軍

（宿州學(xué)院信息工程學(xué)院，安徽宿州234000）

特征提取可以提高圖像質(zhì)量.光照條件的多變性及物體間相互遮擋導(dǎo)致圖像質(zhì)量難以控制.把光照圖和反射物體圖進行分離，可改善圖像質(zhì)量，但亮度圖像重建計算量較大.提出一種特征提取方法，實驗證明可有效減少圖像處理時間，提高圖像質(zhì)量，改善圖像特征點提取.

特征提取；圖像處理；圖像增強

1　引言

圖像的形成與入射光和物體的反射有關(guān).焦距不同的圖像常難以拼接.特征提取可提高圖像拼接、增強的質(zhì)量，實現(xiàn)圖像的有效縮放和旋轉(zhuǎn)，體現(xiàn)圖像的局部不變性［1］.

在特征提取應(yīng)用中，采用了多種點特征提取算子［2］.基于特征點的增強，首先對圖像進行預(yù)處理，然后運用特征提取算法，實現(xiàn)圖像的增強，.文章對特征提取在圖像增強中的應(yīng)用進行了研究和分析.

2　圖像預(yù)處理和特征提取算法

2.1圖像預(yù)處理

圖像處理中的預(yù)處理主要是對圖像進行預(yù)先處理，減少干擾，從而保證特征提取的準(zhǔn)確、快速，減少圖像的失真.在小波分解中，如圖1，提取出低頻分量，減少高頻噪聲干擾，有效還原圖像信息，處理速度比傳統(tǒng)方法得到提高［3］.

圖1　小波分解低頻圖像

2.2特征提取算法

特征提取算法提取出圖像的尺度不變特征，利用圖像序列特征點，進一步克服輸入圖像的噪聲干擾［4］.尺度不變特征的提取過程中，通過檢測尺度空間的極值，提取出特征點的位置，然后計算出特征點信息，將其作為特征描述符.

特征提取需結(jié)合一定的模型，如人類視覺系統(tǒng)，采用層次化和串行化的思想，實現(xiàn)視覺模型的功能［5］.特征參數(shù)須正確描述圖像特征，具有較強的抗噪性、仿射不變性、相對穩(wěn)定性和泛化能力.

3　模型構(gòu)建和應(yīng)用

3.1可變框架模型

結(jié)合Retinex算法的可變框架模型假設(shè)光照圖存在空間平滑的特性，同時反射物體r在［0，1］區(qū)間單調(diào).光照亮度圖像中存在較大的值.對于入射分量l而言，盡可能地和輸出圖像s接近［6］.圖像中的入射光光滑性為常數(shù).對式（1）進行最小化.

圖像用Ω表示，光照亮度圖像用l表示，輸出圖像用s表示，n表示區(qū)間，圖像的邊緣，用?Ω表示，α和β是非負系數(shù).圖像空間的平滑度，用|▽l|2表示.條件（1-s）2表示入射亮度圖像和輸出圖像接近程度，差值即是反射物體的圖像［7］.

當(dāng)方程有最小值的時候，對式（1）進行求導(dǎo)，如式（2）所示.

求出數(shù)值解，得出亮度圖像，實現(xiàn)Retinex圖像增強算法.模型中存在一定的缺陷.就光暈的存在而言，往往是一種人為的假象，在這種平滑性假設(shè)的前提下，當(dāng)光照強烈的區(qū)域存在時，難以降低黑暗區(qū)域內(nèi)部光照值.在邊緣附近的一些黑暗區(qū)中，一旦黑暗區(qū)域被移除，將會伴有一定的光暈效應(yīng).運用迭代法對模型進行求解時，往往具有較高的算法復(fù)雜性［8］.

目前，有不少的企業(yè)沒有建立起完善的績效考核體系，或者績效考核體系較為落后，無法充分的發(fā)揮薪酬管理的激勵功能。這些企業(yè)無論是在考核內(nèi)容，還是考核方法的選擇方面都較為落后，績效考核體系對于企業(yè)員工工作態(tài)度與工作效率的改善并不十分理想，反而在績效考核中暴露了許多問題，諸如考核的定位不清、考核指標(biāo)的設(shè)計不夠科學(xué)性等，這些問題反而嚴(yán)重阻礙了員工積極性與創(chuàng)造性的提高。

3.2模型改進和加速迭代求解

改進模型中對于|▽l|2，提高光照圖的空間光滑性.結(jié)合限制條件|▽（l-s）|，保證r有著一定的平滑性，并結(jié)合限制條件，選擇好自由參數(shù)β.對于（1-s），要使得s逐漸地和l接近，并保證r有著盡可能小的值［9］.

首先使得β的值為0，在光暈效果的作用下，r處于光滑的狀態(tài)，越過物體的邊界，設(shè)置恰當(dāng)?shù)墓饣瑺顟B(tài)，將光暈效應(yīng)有效地去除，結(jié)合反射圖的邊界變化情況，及時捕捉圖像特征點.

其次對于α，在趨向于0的過程中，要保證α有著越來越小的取值，但要盡可能地控制好與l以及s的接近程度.在新的假設(shè)中，方程如式（3）所示.

基于梯度下降法，對方程求解中，迭代方程如式（4）所示.

G是F［l］的梯度，如式（5）所示.

在實際使用時內(nèi)積定義如式（6）所示.

這種新的迭代方式不僅計算較為簡便，而且能對光暈現(xiàn)象進行有效地抑制.

3.3加速卷積速度

圖2　圖像增強的流程圖

通過結(jié)合卷積和多尺度，建立起新的卷積方程，降低卷積函數(shù)算法復(fù)雜度，流程圖如圖2.

S表示初始亮度圖像，對多尺度亮度圖像結(jié)合低解析度圖像，通過卷積函數(shù)的尺度變換，實現(xiàn)了Laplacian濾波變換.算法中變換提升了圖像增強的處理速度.

4　結(jié)果分析

原始圖像和增強后圖像的對比，如圖3.

圖像增強后，灰度級得到提高，增加了物體邊界對比度，提取出更多的有效Susan特征點.實驗表明，本算法對視頻圖像的增強具有良好的實時性.對于512×384的圖像，算法的實際處理時間僅為17ms，對于每秒30幀的視頻圖像，具有良好的實時性.

圖3　原始圖像和增強后圖像的對比

5　結(jié)語

運用結(jié)合特征點的圖像增強算法對圖像有著明顯的增強效果，提高了增強后圖像的有效特征點個數(shù)，增強過程自動執(zhí)行，無需人為設(shè)置參數(shù)，算法具有較好的實時性.

〔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.醫(yī)學(xué)圖像增強算法與特征提取算法研究與實現(xiàn)［J］.計算機技術(shù)與發(fā)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