图像处理 - 用MATLAB中的Radon变换进行模式识别

时间:2015-12-22 18:15:19

标签: matlab image-processing pattern-recognition

我正在尝试提取Radon Signature,以识别1中所做的服装图案(条纹,格纹,不规则和无图案)。

要实施的算法:

 1. Use sobel operator to compute the gradient map as f(x,y).
 2. Perform Radon transform based on maximum disk area.
 3. Compute the variance of r under all theta directions.
 4. Employ L2-norm to normalize the feature vector.
 5. Plot Radon Signature as a bar chart of var(r) for all theta values.

我做了以下事情:

img = imread('plaid.jpg');
grey = rgb2gray(img);
img2 = edge(grey, 'sobel');
vararray=zeros(1,size(theta,2));
theta = -89:90;
for j = 1: size(theta,2)
     [R3,xp3] = radon (img2,theta(j));
     vararray(j) = var(R3);
end
vararray = vararray/norm(vararray);
figure(1), bar(theta,vararray),title('Radon Signature');

我相信我的错误在于前两个步骤。我不确定如何仅在最大磁盘区域上执行Radon。

我的结果显示在右侧,而文章(下面引用)则显示在左侧。

Results Image (Left : Article's Results, Right: My Matlab results Input Image

然而,我的结果至少应该显示2个不同的峰,如蚁群的结果所示,但它们没有。

感谢任何帮助。

算法来源:"为视障人士提供辅助服装模式识别"作者:Xiaodong Yang,IEEE学生会员,Shuai Yuan,和Yingli Tian,IEEE高级会员

1 个答案:

答案 0 :(得分:2)

@beaker认为,最大磁盘区域由最大填充圆圈定义,该圆圈适合图像的边界框。您可以从文章的图3b)中看到。

你做错的另一件事是使用边缘检测器edge(grey, 'sobel'),而你应该使用渐变映射或更正式的渐变幅度。这是一个产生接近图3d所示曲线的代码。如何将其量化为六个峰值仍然是一个问题。

A = imread( 'Layer-5.png' ); % image from the article
A = double(rgb2gray( A ));

% gradient magnitude
dx = imfilter(A,fspecial('sobel') ); % x, 3x3 kernel
dy = imfilter(A,fspecial('sobel')'); % y
gradmag = sqrt( dx.^2 + dy.^2 );

% mask by disk
R = min( size(A)/2 ); % radius
disk = insertShape(zeros(size(A)),'FilledCircle', [size(A)/2,R] );
mask = double(rgb2gray(disk)~=0);
gradmag = mask.*gradmag;

% radon transform
theta = linspace(0,180,180);
vars = zeros(size(theta));
for u = 1:length(theta)
    [rad,xp] =radon( gradmag, theta(u) );
    indices = find( abs(xp)<R );
    % ignore radii outside the maximum disk area
    % so you don't sum up zeroes into variance
    vars(u) = var( rad( indices ) );
end
vars = vars/norm(vars);
figure; plot( vars );

请记住,从文章中复制的图像会出现jpg文字。经过良好的去噪(这里有点太多),例如,

denoised image

你会得到更加突出的结果。