媒体特征提取.docx
《媒体特征提取.docx》由会员分享，可在线阅读，更多相关《媒体特征提取.docx（13页珍藏版）》请在冰豆网上搜索。
媒体特征提取
媒体计算方法课程
实验总结报告
实验名称：
媒体特征提取
学号：
姓名：
日期：
2014-12-23
一、实验目的
1、实验目标
以图像媒体为例，对指定的图像数据进行颜色特征、形状特征、局部不变等特征提取处理，体会不同的图像特征提取方法的特点和适用范围。
2、实验涉及到的学习内容
颜色特征提取、形状特征提取、局部不变特征提取（SIFT）。
二、实验具体完成情况
1、总体实验方案
利用matlab编程实现对图像的颜色特征提取、形状特征提取和局部不变特征提取（SIFT）。
2、具体技术途径
matlab图像处理函数。
3、实验结果与分析
（1）颜色特征提取
编写图像的灰度直方图特征提取算法，实现与imHist函数类似的效果。
算法思想：
利用for循环对原始图像进行遍历，统计每个颜色值在图像中的像素个数，根据统计结果绘制直方图。
实验结果
图1本算法绘制的原始图像的直方图
图2imhist函数绘制的原始图像直方图
（2）形状特征提取
通过边缘检测等方法提取简单图像的边界特征，并用链码的方式保存图像的形状特征。
算法思想：
对原始图像进行边缘提取，在得到的边缘特征矩阵中寻找一个非零点，即边缘像素点，从该点开始，沿顺时针方向遍历其相邻8个像素点，记录第一个非零点的相对位置。
再遍历这个边缘像素点周围的像素点，寻找下一个边缘像素点，直到重新遍历到初始点停止。
实验结果
图3原始图像
图4提取的图像边缘特征
算法只提取了图像的边缘特征，并直接调用matlab的fchcode函数对图像边缘特征链码表示。
（3）局部不变特征提取
对于选定的某幅图像，提取SIFT局部不变特征，体会该特征的旋转、尺度、光照等不变性。
算法思想：
构建原始图像高斯金字塔；再同尺度相邻相差构建差分高斯金字塔；寻找尺度空间极值点，并删除错误点，其余为关键点；计算关键点坐标和所处的尺度；以关键点邻域梯度的主方向作为该点的方向特征。
这里是使用别人写好的SIFT特征提取类函数，自己对其进行调用来实现特征提取以及匹配。
实验结果
图5原始图像
图6提取的原始图像的SIFT特征信息
图7相似图像的SIFT特征匹配
三、存在的主要问题和建议
三个小的实验算法思想并不难，但是在实现过程中发现自己的编程水平还有欠缺，理解了算法的思想，但是由于技术所限不能够按照算法思想自己编写一套程序。
只能调用别人写好的函数实现自己预想的功能。
另外此次实验都是在matlab中实现的，但在以后的工程实践中可能更多的是使用opencv，所以接下来要学习一下opencv的使用，现已在自己电脑的vs2010上配置好了opencv2.4.2，自己会在学习使用opencv的过程中重新实现以上实验。
附：
程序核心源代码
（1）颜色特征提取
closeall
%imhist直方图特征提取
f1=imread（'Fig1202（c）（WashingtonDC_Band3_512）.tif'）;
subplot（1,2,1）,imshow（f1）,title（'WashingtonDC_Band'）;
subplot（1,2,2）,imhist（f1）,title（'imhist'）;
%自己编写imhist提取函数
[m,n]=size（f1）;
a=zeros（1,256）;
fori=1:
m
forj=1:
n
a（f1（i,j）+1）=a（f1（i,j）+1）+1;
end
end
figure（）;
subplot（1,2,1）,imshow（f1）,title（'WashingtonDC_Band'）;
subplot（1,2,2）,bar（a,'b'）；
axis（[02550max（a）+1000]）,title（'myself--imhist'）;
（2）形状特征提取
f=imread（'Fig1107（a）（mapleleaf）.tif'）;
g=edge（f,'sobel'）;
B=boundaries（g）;
b=B{1,1};
c=fchcode（b）;
（3）尺度不变特征提取（Demo见附件）
%sift.m
%[image,descriptors,locs]=sift（imageFile）
%
%ThisfunctionreadsanimageandreturnsitsSIFTkeypoints.
%Inputparameters:
%imageFile:
thefilenamefortheimage.
%
%Returned:
%image:
theimagearrayindoubleformat
%descriptors:
aK-by-128matrix,whereeachrowgivesaninvariant
%descriptorforoneoftheKkeypoints.Thedescriptorisavector
%of128valuesnormalizedtounitlength.
%locs:
K-by-4matrix,inwhicheachrowhasthe4valuesfora
%keypointlocation（row,column,scale,orientation）.The
%orientationisintherange[-PI,PI]radians.
%
%Credits:
ThanksforinitialversionofthisprogramtoD.Alvaroand
%J.J.Guerrero,UniversidaddeZaragoza（modifiedbyD.Lowe）
function[image,descriptors,locs]=sift（imageFile）
%Loadimage
image=imread（imageFile）;
%IfyouhavetheImageProcessingToolbox,youcanuncommentthefollowing
%linestoallowinputofcolorimages,whichwillbeconvertedtograyscale.
%ifisrgb（image）
%image=rgb2gray（image）;
%end
[rows,cols]=size（image）;
%ConvertintoPGMimagefile,readableby"keypoints"executable
f=fopen（'tmp.pgm','w'）;
iff==-1
error（'Couldnotcreatefiletmp.pgm.'）;
end
fprintf（f,'P5\n%d\n%d\n255\n',cols,rows）;
fwrite（f,image','uint8'）;
fclose（f）;
%Callkeypointsexecutable
ifisunix
command='!
./sift';
else
command='!
siftWin32';
end
command=[command'tmp.key'];
eval（command）;
%Opentmp.keyandcheckitsheader
g=fopen（'tmp.key','r'）;
ifg==-1
error（'Couldnotopenfiletmp.key.'）;
end
[header,count]=fscanf（g,'%d%d',[12]）;
ifcount~=2
error（'Invalidkeypointfilebeginning.'）;
end
num=header
（1）;
len=header
（2）;
iflen~=128
error（'Keypointdescriptorlengthinvalid（shouldbe128）.'）;
end
%Createsthetwooutputmatrices（useknownsizeforefficiency）
locs=double（zeros（num,4））;
descriptors=double（zeros（num,128））;
%Parsetmp.key
fori=1:
num
[vector,count]=fscanf（g,'%f%f%f%f',[14]）;%rowcolscaleori
ifcount~=4
error（'Invalidkeypointfileformat'）;
end
locs（i,:
）=vector（1,:
）;
[descrip,count]=fscanf（g,'%d',[1len]）;
if（count~=128）
error（'Invalidkeypointfilevalue.'）;
end
%Normalizeeachinputvectortounitlength
descrip=descrip/sqrt（sum（descrip.^2））;
descriptors（i,:
）=descrip（1,:
）;
end
fclose（g）;
%showkeys.m
%showkeys（image,locs）
%
%ThisfunctiondisplaysanimagewithSIFTkeypointsoverlayed.
%Inputparameters:
%image:
thefilenamefortheimage（grayscale）
%locs:
matrixinwhicheachrowgivesakeypointlocation（row,
%column,scale,orientation）
functionshowkeys（image,locs）
disp（'DrawingSIFTkeypoints...'）;
%Drawimagewithkeypoints
figure（'Position',[5050size（image,2）size（image,1）]）;
colormap（'gray'）;
imagesc（image）;
holdon;
imsize=size（image）;
fori=1:
size（locs,1）
%Drawanarrow,eachlinetransformedaccordingtokeypointparameters.
TransformLine（imsize,locs（i,:
）,0.0,0.0,1.0,0.0）;
TransformLine（imsize,locs（i,:
）,0.85,0.1,1.0,0.0）;
TransformLine（imsize,locs（i,:
）,0.85,-0.1,1.0,0.0）;
end
holdoff;
%------Subroutine:
TransformLine-------
%Drawthegivenlineintheimage,butfirsttranslate,rotate,and
%scaleaccordingtothekeypointparameters.
%
%Parameters:
%Arrays:
%imsize=[rowscolumns]ofimage
%keypoint=[subpixel_rowsubpixel_columnscaleorientation]
%
%Scalars:
%x1,y1;beginingofvector
%x2,y2;endingofvector
functionTransformLine（imsize,keypoint,x1,y1,x2,y2）
%Thescalingoftheunitlengtharrowissettoapproximatelytheradius
%oftheregionusedtocomputethekeypointdescriptor.
len=6*keypoint（3）;
%Rotatethekeypointsby'ori'=keypoint（4）
s=sin（keypoint（4））;
c=cos（keypoint（4））;
%Applytransform
r1=keypoint
（1）-len*（c*y1+s*x1）;
c1=keypoint
（2）+len*（-s*y1+c*x1）;
r2=keypoint
（1）-len*（c*y2+s*x2）;
c2=keypoint
（2）+len*（-s*y2+c*x2）;
line（[c1c2],[r1r2],'Color','c'）;
%match.m
%num=match（image1,image2）
%
%Thisfunctionreadstwoimages,findstheirSIFTfeatures,and
%displayslinesconnectingthematchedkeypoints.Amatchisaccepted
%onlyifitsdistanceislessthandistRatiotimesthedistancetothe
%secondclosestmatch.
%Itreturnsthenumberofmatchesdisplayed.
%
%Example:
match（'scene.pgm','book.pgm'）;
functionnum=match（image1,image2）
%FindSIFTkeypointsforeachimage
[im1,des1,loc1]=sift（image1）;
[im2,des2,loc2]=sift（image2）;
%ForefficiencyinMatlab,itischeapertocomputedotproductsbetween
%unitvectorsratherthanEuclideandistances.Notethattheratioof
%angles（acosofdotproductsofunitvectors）isacloseapproximation
%totheratioofEuclideandistancesforsmallangles.
%
%distRatio:
Onlykeepmatchesinwhichtheratioofvectoranglesfromthe
%nearesttosecondnearestneighborislessthandistRatio.
distRatio=0.6;
%Foreachdescriptorinthefirstimage,selectitsmatchtosecondimage.
des2t=des2';%Precomputematrixtranspose
fori=1:
size（des1,1）
dotprods=des1（i,:
）*des2t;%Computesvectorofdotproducts
[vals,indx]=sort（acos（dotprods））;%Takeinversecosineandsortresults
%CheckifnearestneighborhasanglelessthandistRatiotimes2nd.
if（vals
（1）（2））
match（i）=indx
（1）;
else
match（i）=0;
end
end
%Createanewimageshowingthetwoimagessidebyside.
im3=appendimages（im1,im2）;
%Showafigurewithlinesjoiningtheacceptedmatches.
figure（'Position',[100100size（im3,2）size（im3,1）]）;
colormap（'gray'）;
imagesc（im3）;
holdon;
cols1=size（im1,2）;
fori=1:
size（des1,1）
if（match（i）>0）
line（[loc1（i,2）loc2（match（i）,2）+cols1],...
[loc1（i,1）loc2（match（i）,1）],'Color','c'）;
end
end
holdoff;
num=sum（match>0）;
fprintf（'Found%dmatches.\n',num）;
%appendimages.m
%im=appendimages（image1,image2）
%
%Returnanewimagethatappendsthetwoimagesside-by-side.
functionim=appendimages（image1,image2）
%Selecttheimagewiththefewestrowsandfillinenoughemptyrows
%tomakeitthesameheightastheotherimage.
rows1=size（image1,1）;
rows2=size（image2,1）;
if（rows1image1（rows2,1）=0;
else
image2（rows1,1）=0;
end
%Nowappendbothimagesside-by-side.
im=[image1image2];
升级会员 