fcbf特征选择步骤_图像特征提取与特征选择基本方法总结

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/zx799959906/article/details/39369543

图像特征的提取和选择是图像处理过程中很重要的环节，对后续图像分类有着重要的影响，并且对于图像数据具有样本少，维数高的特点，要从图像中提取有用的信息，必须对图像特征进行降维处理，特征提取与特征选择就是最有效的降维方法，其目的是得到一个反映数据本质结构、识别率更高的特征子空间 。

一.原始特征提取

1.图像的基本特征

颜色特征

形状特征

纹理特征

空间关系特征

2.基于颜色特征的提取方法

颜色直方图

颜色集，是对颜色直方图的一种近似，其将图像表达为一个二进制的颜色索引集

颜色矩，其将图像中任何的颜色分布用它的矩来表示

颜色聚合向量

颜色相关图

颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好的捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。

3.基于纹理特征的提取方法

基于统计的灰度共生矩阵和能量谱函数法

几何法，例如基于图像基元的结构化方法

模型法，以图像的构造模型为基础，采用模型参数作为纹理特征，典型的方法有随机场模型法

信号处理法，例如，小波变换

纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但纹理只是一种物体表面的特性，无法完全反映出物体的本质属性，所以仅利用纹理特征无法获得高层次图像内容，且纹理特征还有一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。

4.基于形状特征的提取方法

基于边界的，例如Hough变换，傅里叶变换等

基于区域的，例如矩不变量，几何矩特征，转动惯量等

其他方法，例如有限元法，旋转函数和小波描述符等

基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索 ，但也存在一些问题，例如当目标有变形时检索结果就不太可靠，且许多形状特征仅描述了目标的局部特征，对全面描述目标有较高的时间和空间要求等。

5.基于空间关系的特征提取方法

空间关系，是指图像中分割出来的多个目标之间的相互的