一种二值图像特征提取的新理论

doi:10.3969/j.issn.1007130X.2011.

J4 ›› 2011, Vol. 33 ›› Issue (6): 31-36.doi: 10.3969/j.issn.1007130X.2011.

一种二值图像特征提取的新理论

陈雪松,徐学军

(华中科技大学数字工程与仿真中心,湖北武汉 430074)

收稿日期:2010-07-15 修回日期:2010-10-15 出版日期:2011-06-25 发布日期:2011-06-25
作者简介:陈雪松(1976),男,湖北广水人，博士，讲师，CCF会员（E200016996M），研究方向为系统分析与集成、图像处理和目标识别。
基金资助:
国家部委预研基金资助项目

A New Theory of Feature Extraction for Binary Images

CHEN Xuesong,XU Xuejun

(Digital Engineering Simulation Center,Huazhong University of Science and Technology,Wuhan 430074,China)

Received:2010-07-15 Revised:2010-10-15 Online:2011-06-25 Published:2011-06-25

摘要/Abstract

摘要：

在图像处理和目标识别领域，提取图像和目标特征是进行后续工作的关键步骤。本文结合物理学中的势能理论和图像分析中的投影理论提出了图像势能的概念，它是一种新颖的二值图像处理理论和方法。本文全面阐述了利用二值图像像素所具有的势能对目标特征进行提取的理论和方法。通过实验证明了目标图像像素的势能对图像特征能够很好地进行描述，并对图像势能的物理原理、定义、采集、分析和应用进行了详细的描述。图像势能方法在实验中很好地表现了目标特征，体现了准确、快速、高效的特点。图像势能理论可应用于特征提取、目标识别、目标跟踪、目标复原等工作中。

关键词: 二值图像, 势能理论, 特征提取, 目标识别

Abstract:

Extracting the features of images and targets is the key program in the field of image processing and target recognition. The image potential energy theory is a new method to extract the target features and recognize the target in image processing. This article shows the definition, collection, analysis and application of the binary image potential energy theory. The method shows well the target features, gives us a good result in speed, efficiency, accuracy experimentally. The binary image potential energy theory can be used in target extraction, recognition, tracking and target restoration.

Key words: binary image;potential energy theory;feature extraction;target recognition

陈雪松,徐学军. 一种二值图像特征提取的新理论[J]. J4, 2011, 33(6): 31-36.

CHEN Xuesong,XU Xuejun. A New Theory of Feature Extraction for Binary Images[J]. J4, 2011, 33(6): 31-36.

[1]	于致远, 宋慧慧, . 用于遥感图像时空融合的多尺度全聚合网络[J]. 计算机工程与科学, 2025, 47(05): 864-874.
[2]	王宇飞, 刘强, 张唯贞, 伍晓洁, 李佳雯, 王煜恒. rtTorTIM：基于多模态特征融合和Stacking集成学习的实时Tor流量识别方法#br#[J]. 计算机工程与科学, 2025, 47(02): 238-246.
[3]	徐捷, 邵玉斌, 杜庆治, 龙华, 马迪南. 结合混合特征提取与深度学习的长文本语义相似度计算[J]. 计算机工程与科学, 2024, 46(08): 1513-1520.
[4]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[5]	崔浩, 万亚平, 钟华, 聂明星, 肖杨. 基于LoRa设备的人体活动识别研究[J]. 计算机工程与科学, 2024, 46(01): 111-121.
[6]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[7]	陈巩, 李占利, 朱莉. 多尺度深度特征融合的个人信用风险预测[J]. 计算机工程与科学, 2023, 45(12): 2265-2273.
[8]	周成江, 贾云华, 张雨宽, 禄俊. 基于FCEEMD复合筛选的故障特征提取方法[J]. 计算机工程与科学, 2023, 45(11): 2070-2077.
[9]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[10]	何涛, 施慧莉, 李大亮. 基于深度学习的SAR目标识别DSP设计[J]. 计算机工程与科学, 2022, 44(08): 1357-1363.
[11]	张建伟, 周亚同, 史宝军, 何昊, 王文. 基于SSD算法的轻量化仪器表盘检测算法[J]. 计算机工程与科学, 2022, 44(08): 1418-1425.
[12]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[13]	谈恩民, 王晨. 基于表征学习的模拟电路故障诊断[J]. 计算机工程与科学, 2022, 44(01): 27-35.
[14]	姬子恒, 王斌. 基于深度学习的草图检索方法研究进展[J]. 计算机工程与科学, 2021, 43(12): 2190-2205.
[15]	王鑫, 廖祎玮, 赵国生, 王健, 谢宝文. 一种面向任务需求的群智感知任务分配模型[J]. 计算机工程与科学, 2021, 43(08): 1512-1520.

一种二值图像特征提取的新理论

A New Theory of Feature Extraction for Binary Images

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价