模式识别概论（2）特征提取

1，特征提取的阶段

（1），基本的视觉特征提取

常见的视觉特征有颜色特征，纹理特征，局部特征

颜色特征：表象直观性，对尺度变换不敏感，容易提取，计算量小，举例：颜色直方图，颜色矩，颜色相关图

纹理特征：描述图像中同质现象的特征，反映图像内容共有的内在特征，举例：二进制模式特征（LBP），梯度直方图（HoG）

局部特征：指一副图像中某些区域具有区别于周围像素的特定模式，举例：基于点的局部特征和基于区域的局部特征

（2），视觉特征的表达

（3），视觉特征的学习

2，颜色特征：

（1），颜色空间：

RGB：由红，绿，蓝三通道组成，

          缺点：一：不符合人眼对颜色的感知

                    二：一个颜色改变时，RGB三个分量上的颜色值都产生变化

                    三：RGB的颜色空间及颜色表达的范围不均匀，两个颜色点之间的距离不能反映它们之间的视觉差异

HSV：由色调（Hue），饱和度（Saturation），亮度（Value）三个通道组成，可表示为一个圆锥空间，色调是颜色在圆锥面           的方向，饱和度是颜色在圆锥面的半径，亮度是颜色在圆锥面的深度

         色调：是指不同波长光所呈现的颜色，由光的波长决定

         饱和度：是指颜色的深浅程度

         亮度：是颜色相对明暗程度，即光的多 少

         相比于RGB的优点：一：符合人眼对颜色的感知

                                      二：HSV颜色空间均匀，人眼感觉的色差与颜色值之间的欧氏距离成正比。因此，用颜色来表示图像                                              内容时，通常采用HSV颜色空间

Lab：由亮度（Luminosity），颜色分量a，颜色分量b三个通道组成

        优点：Lab颜色空间由于接近人类的色彩感知，色域宽广且色彩分布均匀，弥补了 RGB颜色模型蓝色到绿色过渡色彩多、                    绿色到红色之间过渡色彩少的缺点。 

3，纹理特征

纹理：反映了图像的同质现像，包含了图像目标内在固有结构或目标与背景空间的分布关系

特性：

①规律性/方向性，图像纹理表现在一个区域范围内具有规律性或小的区域内具有方向性；

②像素变化规律，图像的纹理是通过一个或一系列像素点与周围像素点的变化规律来表现; 

③周期性/方向性，图像的纹理一般具有周期性、方向性等特点。 

图像的纹理反映了像素之间的变化或重复规律，包含了整张图像的结构与空间信息，是图像的内在特征

一，HoG特征

步骤：输入图像--》转换为灰度图--》gamma归一化--》提取梯度+cell划分--》梯度方向统计--》Block归一化

梯度公式：

y方向：上像素点减下像素点。x方向：右像素点减左像素点

幅度：求x^2 + y^2，再开根号

角度：arctan( y / x )

最终特征维数：设有4*4个cell，3*3个block，每个cell有N个bins的直方图，最终维数 = 3*3*4*N

二：局部LBP特征

最基本的 LBP算子是一个3×3的图像窗口，由一个中心像素点与周围相邻的8 个像素点 组成。首先以中间像素点的灰度为阈值，将周围8个像素点的灰度值 与之比较，若大于 则将该像素标记为1，否则为0，以中间点右侧开始顺时针 记录二进制值得到一个二进制序列，然后对二进制数进行统计。 

特点：

LBP主要是针对灰度图像而言，它统计一幅图像中每一个像素与周围邻域内 像素的对比关系，因此LBP对光照变化不敏感，但容易受到噪声的影响。 

4，局部特征

尺度不变特征变换（SIFT）：

SIFT特征是在多尺度空间分析下进行特征检测然后形成特征描述符，以达到 对尺度缩放、旋转变换、放射变换具有不变性。