图像特征按性质分有颜色,纹理,形状,空间关系,边缘,角点,区域,脊等。通常人的视觉是先从形状,区域和颜色纹理边缘特征快速判断目标,然后再从脊,角点细节上分析判断目标,如果还分析不出,就会动用大脑从空间关系特征进行综合分析。如果关注某个目标,则会以背景,颜色,纹理,形状,区域等特征过滤环境中的干扰目标区域,直接提取相关目标进行特征分析。
从形状,区域,颜色,边缘等外部特征快速识别目标,一般采用提取图像连通域和纹理的方法,目前图像提取连通域的方法要先提取二值图像,再作连通域分析,这样会导致多次扫描图像增加运算。而连通域提取方法也无法提取出蛛网的连通域,导致目标特征分裂;此外,还没有将边缘或轮廓完全矢量化为矢量曲线的规则和方法。
针对细节和空间关系分析目标,目前采用图像特征提取及描述方法,如sift,surf,其运算都使用梯度运算,运算复杂,导致很多应用环境的实时性无法保证;而且其特征点描述方法都是针对彩色灰度图像,不适合二值图像。在特征点精准稳定条件下,不需要复杂的特征描述算法,而二值图像只有黑点和白点,数据结构简单,使用二值图像对特征点形成的空间关系作特征描述算法,其运算量非常小。
因此,急需一种没有梯度运算,运算量小,实时性强,且能够从外到内对视频图像目标分析的方法,外部识别从形状,区域,颜色,轮廓等外部特征对图像目标进行过滤和识别分析,内部细节识别从图像目标特征点和特征描述进行分析。