特征提取初步了解

特征提取

图像特征可以分为物理特征、结构特征与数学特征三类。

特征提取的过程可以理解为从高维图像空间到低维特征空间的映射

A基于边界的特征提取：得到目标的边界特征

边界的提取特征可以基于边界点的集合，也可以基于边界点集合产生的边界描述，后者提取特征一般对噪声干扰有较强的鲁莽性

  描述方法：参数边界、规则图形逼近

  边界方法：边界链码、边界标记 

边界链码：利用一系列具有特定长度与方向的直线段来表示边界，边界的起点用绝对坐标表示。

C=fchcode（b.conn,dir）

边界标记：将二维的图像边界转换为一维的函数表示

规则图形逼近，方法：最小周长多边形法、基于聚合的最小均方误差线段逼近法与基于分裂的最小均方误差线段逼近法三种

边界特征：简单边界特征（边界长度、直径、曲率等）、边界形状数、傅里叶描述子、边界矩。

B基于区域的特征提取

并不止考虑图像的边界像素，而是基于组成目标的所有像素进行特征提取，其主要有基于区域的简单特征（区域面积、区域质心、区域方向）、基于区域拓扑结构的特征与不变矩

基于区域的简单特征主要有区域面积、区域质心、区域方向等，区域面积是目标区域尺度的度量，其只与包含在区域中的像素有关，而与区域内部灰度变化无关。最简单的区域面积计 算方法是统计区域边界与内部包含像素点的数目，如果图像为二值图像，像素值为一代表区域的点，像素值为零表示背景。

C基于正交矩的图像特征

D基于形状的图像特征

主要方法为基于形状相似性特征、基于形状复杂性特征、基于形状曲率和多边形描述的形状特征、基于形状拓扑结构与张量特征

E基于纹理的图形特征

纹理是目标图像的重要特征，到目前为止尚没有普遍认可的定义，可以认为是灰度或颜色在空间分布的规律所形成的图案，反映图像区域的平滑、稀疏与规则性等表面特征

基于统计的纹理特征提取方法、基于结构的纹理特征提取方法、基于变换域的纹理特征提取方法、纹理旋转不变分析