pww特征提取算法，图像领域新的技术革命

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。