1.1图像特征的分类
特征是用来区分图像的最基本的属性,图像特征可以从下面几个方面进行分类。
1、获取方式:人工特征和自然特征。
1.1.1点、线、面特征
1、点特征是最常用和重要的特征,大部分局部特征都是在点特征的基础上提出的。点特征包括物体边缘点、角点、线交叉点等,其中角点是最具代表性的。
角点常用的提取方法如下:
1)基于曲率提取法
2)基于灰度提取法
3)基于边缘提取法
2、线特征
线特征顾名思义是指图像中的线段特征,即图像中两个相邻边界中一段非常窄(理想情况下宽度为 l 个像素)的线段区域,并且该区域中的像素具有近似或相同的灰度值,则这个区域为线。边缘是一种线特征,它是图像上灰度变化最剧烈的线段,它是影像局部区域特征不相同的那些区域间的分界线。
常用的线特征提取方法中有包括差分算子、梯度算子、Sobel 算子、Roberts 算子、Prewitt 算子、方向差分算子,这些方法都是基于微分算子。
3、面特征
面特征是指图像中明显的区域信息特征。
面特征的提取常常先提取明显的闭合区域,由于重心具有对旋转、缩放的不变性,并在噪声和灰度变化下有较好的稳定性,故把区域的重心或圆的圆心作为区域特征。区域特征常用的提取方法为分害 J 方法,衡量配准的重要指标是分割的精度。
1.1.2纹理特征
纹理是由于物体表面物性不同,而在图像上表现出的亮度和颜色的差异。
1.1.3颜色特征
颜色特征是图像视觉中最显著的特征之一。颜色因为具有直观、明显且较易提取的特点,在图像检索中有广泛的应用。
颜色特征是一种
全局特征提取方法,它代表了图像或图像区域中景物的表面性质,包含了与物体或场景相关的信息,颜色特征提取方法能很好的提取与图像颜色相关的有用信息。与其它的特征提取方法相比,颜色特征因为其与图像中物体的大小、方向、视角变化的相关性小,所以具有较高的鲁棒性,而且颜色特征是图像自己具有的,计算方法简单。目前常用的颜色特征的提取方法有:颜色直方图、颜色矩、颜色聚合向量等。