一、颜色直方图
这个就不赘述了,颜色各个分量的统计特征,或者是采用加权的方法,将所有的分量合成一个量,构建出来对颜色的统计信息
二、颜色矩
也是颜色离散数据的统计特征,不包含空间信息,说白了就是三个量:均值,方差和,三阶差和,可以是全局的,也可以是局部的,纯统计特征,个人感觉用于局部对比度的比较可能比较合适,但是运算量……放进来考虑的时候这个统计特征就是一个鸡肋。
三、颜色聚合向量
这个是对颜色直方图的一种比较聪明的改进,同样将颜色分成几个区间,不同的是在这不同的区间中,把每种颜色分成连接区域(coherent)和孤立(incoherent)区域,分别统计这些区域的像素数,做对比时也是分别对比,这样,对直方图分类可以有改善,同样,根据这种思想也可以有很多的引申。
四、颜色相关图(color correlogram)
颜色相关图是图像颜色分布的另一种表达方式,是一个由距离k和一对颜色值<i,j>作为索引的表目,其含义可简述为:与颜色值为i的像素距离k的像素颜色值为j的概率。这种特征不但描述了某一种颜色的像素数量占整个图像的比例,还反映了不同颜色对之间的空间相关性。实验表明,颜色相关图比颜色直方图和颜色聚合向量具有更高的检索效率,特别是查询空间关系一致的图像[19]。
如果考虑到任何颜色之间的相关性,颜色相关图会变得非常复杂和庞大(空间复杂度为O(N2d)),也没有必要求得所有颜色之间的相关性。一种简化的变种是颜色自动相关图(color auto-correlogram),它仅仅考察具有相同颜色的像素间的空间关系