GIST 空间包络特征 推荐论文 简介

GIST概念最初源自1979年Friedman A的论文，后于2001年被Oliva等人借用来代指空间包络特征，随后就是2003年由Torralba等人的继续研究。

如果要了解的GIST的话，推荐看以下论文：

GIST的概念起源：Framing pictures: the role of knowledge in automatized encoding and memory for gist
空间包络特征（GIST特征的子集，基于谱特征计算的全局特征）：Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope
目前GIST使用的算法（基于局部特征计算的全局特征）：Context-based vision system for place and object recognition

GIST

全局特征信息又称为“Gist”信息,为场景的低维签名向量。采用全局特征信息对场景进行识别与分类不需要对图像进行分割和局部特征提取,可以实现快速场景识别与分类。

GIST512的计算方法：
1.32Gabor 滤波在4个尺度，8个方向上进行卷积，得到32个feature map 大小和输入图像一致。
2.把每个feature map 分成4*4=16的区域，计算每个区域内的均值。
3.计算16*32个均值的结果就获得了，512维的GIST特征。
不同维度的GIST特征在于Gabor滤波器的个数，确切的说是滤波器方向和尺度的不同。

空间包络

空间包络特征将一张图像用五个描述子进行描述，计算方法是使用谱特征和学习到的权值分量d做内积，得到空间包络特征。五个描述子分别如下：
• 自然度（Degree of Naturalness）：场景如果包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平倾向的自然度低，反之自然度高。
• 开放度（Degree of Openness）：空间包络是否是封闭（或围绕）的。封闭的，例如：森林、山、城市中心。或者是广阔的，开放的，例如：海岸、高速公路。
• 粗糙度（Degree of Roughness）：主要指主要构成成分的颗粒大小。这取决于每个空间中元素的尺寸，他们构建更加复杂的元素的可能性，以及构建的元素之间的结构关系等等。粗糙度与场景的分形维度有关，所以可以叫复杂度。
• 膨胀度（Degree of Expansion）：平行线收敛，给出了空间梯度的深度特点。例如平面视图中的建筑物，具有低膨胀度。相反，非常长的街道则具有高膨胀度。
• 险峻度（Degree of Ruggedness）：即相对于水平线的偏移。（例如，平坦的水平地面上的山地景观与陡峭的地面）。险峻的环境下在图片中生产倾斜的轮廓，并隐藏了地平线线。大多数的人造环境建立了平坦地面。因此，险峻的环境大多是自然的。