【導(dǎo)讀】畢業(yè)設(shè)計(jì)（論文）--灰度圖像特征提取算法研。圖像特征提取一直是圖像研究和計(jì)算機(jī)識(shí)別中一個(gè)值得探討的問(wèn)題在計(jì)算。機(jī)科學(xué)醫(yī)療輔助診斷軍事工業(yè)測(cè)量等各種領(lǐng)域都正在發(fā)揮著越來(lái)越重要的作用。一是提高醫(yī)療儀器識(shí)別率的關(guān)鍵在醫(yī)療檢索系統(tǒng)中準(zhǔn)確的定位和提取圖像的邊。緣特征能夠使醫(yī)生快速準(zhǔn)確的判別出病因本文針對(duì)邊緣特征提取算法和灰度直。法對(duì)一幅圖像做了不同的邊緣特征提取結(jié)果表明本文采取的Canny邊緣特征提。灰度直方圖特征對(duì)于邊緣算子法提取出的灰度邊緣特征圖像通過(guò)人眼觀測(cè)。有時(shí)可能會(huì)觀測(cè)不到明顯的區(qū)別本文通過(guò)分析其灰度灰度直方圖特征提取其中。的灰度特征量灰度均值Mean方差Variance熵ntropy能量Energy根據(jù)特征量的。41灰度直方圖的定義24. 43灰度直方圖特征提取的C實(shí)現(xiàn)代碼及直方圖顯示25. 確的查找病因并且不會(huì)對(duì)病人造成太大的傷害因此成像診斷技術(shù)已成為目前發(fā)。展最為迅速的診斷技術(shù)通過(guò)醫(yī)療檢測(cè)病人器官成像特征是一種有效的檢測(cè)方式

　　

【正文】 次試驗(yàn)通過(guò)對(duì)第三章中 Sobel算法 Canny算法以及個(gè)算法最優(yōu)邊緣特征提取的結(jié)果圖像進(jìn)行 統(tǒng)計(jì)量的特征提取分析從而得出邊緣特征提取結(jié)果存在的差異以及最優(yōu)邊緣特征提取結(jié)果的直方圖統(tǒng)計(jì)量結(jié)果范圍統(tǒng)計(jì)量結(jié)果及主要實(shí)現(xiàn)代碼如下 1 均值 Mean 特征量計(jì)算主要代碼及結(jié)果比較 主要代碼如下 for int i 0 i ih i for int j 0 j iw j c bmGetPixel i j double t int cR cG cB 30 if t 10 t 2540 sum sum t else return double aver sum iw ih double M aver 100000 pictureBox2Refresh Graphics g pictureBox2CreateGraphics gClear ColorWheat Font font new Font 12 FontStyleBold gDrawString 灰度平均168。 \n A M font new SolidBrush ColorBlue 10 100 label2Text 灰度平均值 圖 415 灰度均值統(tǒng)計(jì)量結(jié)果 從圖 415 中可以看出藍(lán)色點(diǎn)表示為 Sobel 算法邊緣特征圖像圖 43 圖 44圖 45的的灰度均值紅色代表 Canny算法邊緣特征圖像圖 46圖 47圖 48的灰度均值黃色點(diǎn)分別代表各算子法最優(yōu)特邊緣征提取結(jié)果圖 49 圖 410 圖 411圖 412 圖 413 圖 414 的灰度均值從各邊緣均值變換直線分析可知單一算子 Sobel 算子 Canny 算子 的灰度均值隨著閾值的增大逐漸減小這說(shuō)明其中的白色像素點(diǎn)在逐漸減少比較各算子最優(yōu)邊緣均值發(fā)現(xiàn)不同邊緣算子提取結(jié)果灰度均值不同一般來(lái)說(shuō)邊緣越簡(jiǎn)單細(xì)化其對(duì)應(yīng)均值越小但是若是其中邊緣像素點(diǎn)丟失也會(huì)造成其灰度均值變小例如途中表示的 Laplacian 算子均值明顯小于 Canny算子灰度均值但是其邊緣提取效果卻差與 Canny 算子從灰度均值分布結(jié)果來(lái)看最優(yōu)算子灰度均值最接近于 16 即為 Canny 邊緣算子最優(yōu)檢測(cè)結(jié)果的灰度均值 2 方差 Variance 特征量結(jié)果比較 圖 416 灰度方差統(tǒng)計(jì)量結(jié)果 從圖 416 中可以看出藍(lán)色點(diǎn)表示為 Sobel 算法邊緣特征圖像圖 43 圖 44圖 45的的灰度方差紅色代表 Canny算法邊緣特征圖像圖 46圖 47圖 48的灰度方差黃色點(diǎn)分別代表各算子法最優(yōu)特邊緣征提取結(jié)果圖 49 圖 410 圖 411圖 412 圖 413 圖 414 的灰度方差灰度方差統(tǒng)計(jì)結(jié)果顯示單一算子隨著閾值增大方差逐漸減小不同算子方差不同邊緣越粗糙其方差越大根據(jù)最優(yōu)算子可知邊緣檢測(cè)最優(yōu)的 Canny 算子最優(yōu)方差為 1536 根據(jù)上表灰度均值可知 Canny 算子灰度均值明顯小于小波變換算子灰度均值但是在該表顯示為其方差 大于小波變換邊緣檢測(cè)方差因此僅僅根據(jù)一種灰度直方圖的特征量無(wú)法判斷其邊緣檢測(cè)結(jié)果的好壞因此在灰度直方圖特征量描述邊緣特征提取效果時(shí)要提取其多種特征量上述 42 中其他特征量提取方法與灰度平均值和灰度方差提取方法類(lèi)似 45 本章小結(jié) 結(jié)果比較說(shuō)明根據(jù)一種灰度直方圖特征量無(wú)法判斷邊緣特征提取結(jié)果好壞在具體應(yīng)用中應(yīng)該采取直方圖的多種特征量進(jìn)行共同比較得出灰度邊緣直方圖的各個(gè)特征量結(jié)果從而提取出差別較大的特征量應(yīng)用到圖像檢索系統(tǒng)中但是有時(shí)候僅僅根據(jù)直方圖的特征量特征還無(wú)法有效判斷邊緣特征提取效果是否合理如 44 中特征量分析 結(jié)果當(dāng)一些邊緣特征點(diǎn)丟失時(shí)其灰度直方圖特征量也有可能會(huì)接近于最優(yōu)算法及閾值的特征量因此在本文算法中還需要結(jié)合人眼識(shí)別來(lái)判斷邊緣特征提取結(jié)果是否合理在今后的算法研究中本人會(huì)致力于研究如何利用特征量直接描述邊緣特征提取結(jié)果的合理性以減少人眼觀測(cè)最結(jié)果造成的影響第 5 章 總結(jié)與展望 51 總結(jié) 隨著數(shù)字化的不斷向前發(fā)展人們對(duì)圖像處理技術(shù)的要求也在不斷增強(qiáng)而數(shù)字圖像特征提取技術(shù)在各個(gè)行業(yè)也得到了更加廣泛的應(yīng)用在醫(yī)療檢測(cè)中如何快速精準(zhǔn)的提取出 CT 圖像的灰度特征信息是判別病因的關(guān)鍵在航空航天領(lǐng)域?qū)D像的數(shù)字化是研究新型產(chǎn) 品的關(guān)鍵 鑒于此種趨勢(shì)本次試驗(yàn)針對(duì)灰度圖像進(jìn)行了兩種特征提取算法的實(shí)現(xiàn)與比較 1 選取人體灰度圖像樣本通過(guò)用 Robets 算法 Sobel 算法 Laplace 算子法Prewitt算子法 Canny算子法小波變換算法分別對(duì)同一幅灰度圖像提取其邊緣像素特征試驗(yàn)結(jié)果表明 Canny 算子法提取灰度邊緣特征比其他算法提取結(jié)果更加接近原圖像 2 針對(duì)提取出的邊緣特征圖像人眼無(wú)法準(zhǔn)確判別的特點(diǎn)通過(guò)對(duì)邊緣檢測(cè)后的灰度邊緣特征進(jìn)行灰度直方圖特征量的計(jì)算比較用數(shù)據(jù)統(tǒng)計(jì)量的方法來(lái)描述邊緣特征提取效果是否符合要求 52 展望 對(duì)于簡(jiǎn)單的灰 度圖像進(jìn)行不精準(zhǔn)的歸類(lèi)劃分和特征提取來(lái)說(shuō)本文已經(jīng)能夠?qū)崿F(xiàn)了但是對(duì)于對(duì)數(shù)據(jù)特征有嚴(yán)格要求的領(lǐng)域行業(yè)來(lái)說(shuō)本文所達(dá)到的要求還不夠?qū)τ跀?shù)字圖像的特征提取還有很廣的層次有待于研究在接下來(lái)的工作中主要研究以下內(nèi)容 1 如何優(yōu)化本文已有的圖像特征提取算法從而降低提取時(shí)間結(jié)合現(xiàn)有一些特征算法從而研究出更好的特征提取算法 2 提取數(shù)字特征數(shù)字圖像的特征是無(wú)法計(jì)算出來(lái)的有些特征我們已經(jīng)通過(guò)算法研究得出了如本文的邊緣特征灰度直方圖特征還有紋理特征顏色特征形狀特征這些我們經(jīng)常使用到的區(qū)分圖像的特征還有一些特征是我們現(xiàn)在沒(méi)有發(fā)現(xiàn)到的針對(duì)對(duì)這類(lèi)特征的提取就需要我們研究出更加理想化的算法或者對(duì)現(xiàn)有算法進(jìn)行融合和改進(jìn) 總之?dāng)?shù)字圖像的特征研究是無(wú)止境的隨著各類(lèi)算法的不斷改進(jìn)以及科技的高速進(jìn)步我們對(duì)數(shù)字圖像的特征研究也會(huì)繼續(xù)加深對(duì)數(shù)字特征的要求也會(huì)更加細(xì)化參考文獻(xiàn) [1] 孫燮華數(shù)字圖像處理 [M]機(jī)械工業(yè)出版社 2021 [2] 趙春江 C 數(shù)字圖像處理算法典型實(shí)例 [M]人民郵電出版社 2021 [3] 李海龍紅外圖像特征提取算法研究 [D]黑龍將工程學(xué)院 2021 [4] 盧瑞文自動(dòng)識(shí)別技術(shù) [M]化學(xué)工業(yè)出版社 2021 [5] 周雪梅基于顏色和形狀 特征的圖像檢索技術(shù)研究 [D]河南理工大學(xué)2021 [6] 陳武凡小波分析及其在圖象處理中的應(yīng)用 [J]科學(xué)出版社 2021 [7] 章毓晉圖像處理和分析 [M]清華大學(xué)出版社 1999 [8] 白相志 周付根基于改進(jìn)形態(tài)學(xué)算子的多尺度邊緣檢測(cè) [J]中國(guó)圖像圖形學(xué)報(bào) 2021 [9] 郭依正基于多特征融合的醫(yī)學(xué)圖像識(shí)別研究 [D]江蘇大學(xué) 2021 [10] 楊靜基于神經(jīng)網(wǎng)絡(luò)的指紋識(shí)別 [D]北京工業(yè)大學(xué) 2021 [11] 朱虹數(shù)字圖像處理基礎(chǔ) [M]科學(xué)出版社 2021 [12] 呂成基于 GPU 的圖像特征提取算法研究 [D]東北大學(xué) 2021 致 謝 本論文是在導(dǎo)師雷治軍教授的精心指導(dǎo)下完成的從課題的選定實(shí)驗(yàn)研究及論文寫(xiě)作期間雷老師都給予我大量的指導(dǎo)并給我提供了完善的實(shí)驗(yàn)條件課題的每一個(gè)階段 更是與雷老師對(duì)我的教導(dǎo)與幫助分不開(kāi)雷老師嚴(yán)謹(jǐn)認(rèn)真一絲不茍的科研態(tài)度和工 作作風(fēng)讓我終身受益在此向雷老師表示我深深的敬意與謝意 同時(shí)衷心感謝同組研究人員董慶鵬周路芳等同學(xué)在研究中的相互幫助相互鼓勵(lì)在學(xué)習(xí)中我們結(jié)下了深厚的友誼在此向他們表示感謝 感謝我的父母感謝他們對(duì)我的養(yǎng)育關(guān)心和支持使我能夠有信心和勇氣面對(duì)困難迎接挑戰(zhàn)順利完成學(xué)士學(xué) 業(yè)十分榮幸能在洛陽(yáng)師范學(xué)院信息技術(shù)學(xué)院攻讀學(xué)士學(xué)位感謝這兩年來(lái)所有的老師和同學(xué)對(duì)我的支持與幫助這些不僅使我順利完成了本科階段的學(xué)習(xí)而且會(huì)讓我在以后的工作中受益無(wú)窮 圖像去噪 邊緣增強(qiáng) 邊緣檢測(cè) 得出二值化邊緣圖像 閾值分割 增強(qiáng)圖片 原始圖像 去噪圖像 邊緣定位