基于Matlab的图像特征提取方法的探析

龙源期刊网 https://www.wendangku.net/doc/787725101.html,

基于Matlab的图像特征提取方法的探析

作者：高晶王颖

来源：《电子技术与软件工程》2015年第07期

摘要本文研究了利用Matlab进行图像各种骨架算法和框架，分析和比较了不同分类的骨架算法，列出了其优点与缺点。为了实现对比，本文研究并实现了数字图像的点特征提取及骨架提取直线提取。比较了现有的体素化方法的优点和缺点，然后使用基于改进的最小欧几里德距离度量网格模型边界框的体素化算法，应用加速算法并将其集成到可视化骨架提取Matlab

平台。

【关键词】Matlab 图像特征提取骨架算法体素化方法

1 引言

我们可以从图像中获得许多信息，最终是为了让人们理解其所蕴含的的内容。而光学系统，计算机系统，微电子技术和数学研究都处在数字图像研究之内，其包含性强大的不热门学科，随着科技的进步，这种技术已经获得了很广泛的使用。

在此处讨论的关于图像的骨架提取法，目的是将图代替平面，是结构表示法的一种代表。为了得到这种方法一般使用细化技术来完成。这种方法保证了其对于边界距离性质的描述，如果想得到原始的部分，就必须利用合适的度量长度来规定每个骨架点。细致来说就是利用圆的性质以骨架点为圆心，最小距离为半径画圆。其涵盖的区域就是其包含的部分，另一种方法是小于其最小距离为半径，每个骨架点还是圆心的圆群所覆盖的区域，这些方法让骨架的研究顺风顺水，尤其在图像识别中作用明显，一旦骨架理论结合图像辨别方法，其环节自然而然就会发生变化，推动时代的进步。正因如此，人工智能，图像识别，计算机科学成为骨架理论的探讨的主要部分，这里将对MATLAB平台利用骨架提取算法解决问题进行细致的研究。

2 骨架定义

为了更详细的理解骨架，广义的含义为一个个体组与其早先的形态和拓扑分布一致结合形成物体形态的曲线组合。Blum先提出了骨架定义的狭义组合，即“中间轴”。

骨架即指点点之间的最小距离，度量形式有流行的欧式、复杂的棋盘和城市区域。距离的长度决定何为最近距离，也就将MAT和其关系变得更加的紧密，通过欧式方法得到的骨架，其主要是针对细长物体来说的，能够获得很多信息，但是粗短物体就不能利用这种方法了。

3 特征识别的几种方法

3.1 特征点提取算子发展状况