常涉及的图像特征

特征包括：

颜色特征：

颜色直方图，颜色集，颜色矩，颜色聚合向量，颜色相关图

 

纹理特征：

灰度共生矩阵（Haralick）、Tamura 纹理特征、自回归纹理模型、小波变换、Gabor、LBP等。灰度共生矩阵特征提取与匹配主要依赖于能量、惯量、熵和相关性四个参数。Tamura纹理特征基于人类对纹理的视觉感知心理学研究，提出6种属性，即：粗糙度、对比度、方向度、线像度、规整度和粗略度。自回归纹理模型（simultaneous auto-regressive, SAR）是马尔可夫随机场（MRF）模型的一种应用实例。

（1）         统计方法：

灰度共生矩阵，得出灰度共生矩阵的四个关键特征：能量、惯量、熵和相关性

（2）         几何法：

Voronio 棋盘格特征法和结构法

（3）         模型法：

马尔可夫（Markov）随机场（MRF）模型法和 Gibbs 随机场模型法

（4）         信号处理法

 

形状特征：

形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。

（1） 边界特征法

该方法通过对边界特征的描述来获取图像的形状参数。其中Hough变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法，其基本思想是点-线的对偶性；边界方向直方图法首先微分图像求得图像边缘，然后，做出关于边缘大小和方向的直方图，通常的方法是构造图像灰度梯度方向矩阵。

（2） 傅里叶形状描述符法

傅里叶形状描述符(Fourier shapedescriptors)基本思想是用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题。

由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数。

（3） 几何参数法

形状的表达和匹配采用更为简单的区域特征描述方法，例如采用有关形状定量测度（如矩、面积、周长等）的形状参数法（shape factor）。在 QBIC 系统中，便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数，进行基于形状特征的图像检索。

需要说明的是，形状参数的提取，必须以图像处理及图像分割为前提，参数的准确性必然受到分割效果的影响，对分割效果很差的图像，形状参数甚至无法提取。

（4） 形状不变矩法

利用目标所占区域的矩作为形状描述参数。

（5） 其它方法

近年来，在形状的表示和匹配方面的工作还包括有限元法（FiniteElement Method 或 FEM）、旋转函数（TurningFunction）和小波描述符（Wavelet Descriptor）等方法。

 

空间关系特征：

一种方法是首先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引；另一种方法则简单地将图像均匀地划分为若干规则子块，然后对每个图像子块提取特征，并建立索引。

 

结构特征：

Voronoi Diagram，Delaunay Triangulation，Minimum spanning tree，Fractal dimension，Topology features

 

其他特征：

Sift，hog，meansift