特征提取完成

目前提取图像区域的颜色纹理特征值包括：

rgbColorFeature     RGB颜色空间特征值      RGB颜色分量的均值,标准差,方差,相关系数  12个
hsiColorFeature     HSI颜色空间特征值      HSI颜色分量的均值,标准差,方差,相关系数  12个    
ntscColorFeature    NTSC颜色空间特征值     NTSC颜色分量的均值,标准差,方差,相关系数 12个    
gaborFeature        gabor变换提取的纹理特征  均值，标准差  
                    特征数量 64=4(频率个数)X8(方向个数)X2(每组提取的纹理特征数量)
CoOcuMatFeature     灰度共生矩阵纹理特征值：'角二阶矩','对比度','相关性','差分矩'
                    '逆差分矩（均匀性）','和平均值','和方差','和熵','熵','差方差','差熵'
                    特征数量 176= 16组位置算子 X 每组位置算子提取11个特征
gglcmsFeature       灰度-梯度共生矩阵纹理特征，采用 roberts 算子提取梯度
                    提取15个特征，分别为：'小梯度优势','大梯度优势','灰度分布不均匀性','梯度分布不均匀性',
                    '能量','灰度平均','梯度平均','灰度方差','梯度方差','相关','灰度熵','梯度熵','混合熵','惯性','逆差距'  
grayDiffStasFeature 灰度差分统计特征值： 对比度，熵，平均值,能量
                    特征数量 64个=16组位置算子,每组位置算子提取4个特征
grlmFeature         灰度行程长度统计方法
                    提取特征：'强调短行程的逆差','强调长行程的逆差','灰度不均匀性','行程长度非均匀性','以行程表示的图像分数'
                    三个方向，共获得15个特征
InvariantFeatures   不变矩特征，三个颜色平面，每个颜色平面提取7个不变矩，共21个特征

 九种方法共提取 391 个特征
 删除特征类别： Harr-like特征、傅立叶变换特征、以及边缘检测特征

特征提取仍需完成的工作：

              1、在最好的情况下，测试每种特征获得的效果，进行比较

               2、分析在强分类器中，单个特征/每种特征的贡献率

               3、 给定一个图像区域与特征索引，获得对应特征值

               4、给定一个图像区、特征方法与特征参数，获得对应特征值

 特征提取完成后，进行特征选择

特征选择过程会实现的比较简单，将七八种方法一一实验

后续的主要工作是基于新的样本结与特征集，构建不同类型的级联AdaBoost分类器

 

 

 当前获得的特征名称如下：

RGB-R-Mean
RGB-G-Mean
RGB-B-Mean
RGB-R-Std
RGB-G-Std
RGB-B-Std
RGB-R-Variance
RGB-G-Variance
RGB-B-Variance
RGB-RG-Correlation
RGB-GB-Correlation
RGB-RB-Correlation
HSI-H-Mean
HSI-S-Mean
HSI-I-Mean
HSI-H-Std
HSI-S-Std
HSI-I-Std
HSI-H-Variance
HSI-S-Variance
HSI-I-Variance
HSI-HS-Correlation
HSI-SI-Correlation
HSI-HI-Correlation
NTSC-Y-Mean
NTSC-I-Mean
NTSC-Q-Mean
NTSC-Y-Std
NTSC-I-Std
NTSC-Q-Std
NTSC-Y-Variance
NTSC-I-Variance
NTSC-Q-Variance
NTSC-YI-Correlation
NTSC-IQ-Correlation
NTSC-