图像视觉特征提取-天津大学计算机科学与技术学院
图像视觉特征提取
颜色、纹理、形状与视觉单词
韩亚洪
天津大学计算机科学与技术学院
Resources: /faculty/hanyahong/ComputerVision/
Email: hanyahong@
Content-based Image Retrieval (CBIR)
在多媒体搜索中为什么特征很重要
Content-based Image Retrieval (CBIR)
为什么特征很重要
Content-based Image Retrieval (CBIR)
特征提取
特征选择(稀疏性选择)
特征表达(向量、矩阵、张量、图)
特征融合
不同种类特征相似度学习(Cross-modal metric
learning )
特征降维与流形学习(线性、非线性、反映非
线性特点的线性降维)
… 4
Content-based Image Retrieval (CBIR)
为什么特征很重要
颜色特征
图像视觉特征
图像特征指的是能够用来表征图像所蕴含语义
的属性数据,这些属性数据用来代表图像本身,
参与后续的分析与处理等计算过程
图像特征的分类
像素点(保存了原始图像足够多信息)
全局特征(对图像全局操作后得到属性信息)
局部特征(对图像局部操作后得到的属性信息)
7
图像视觉特征
通用的视觉特征和领域相关的视觉特征
前者用于描述所有图像共有的特征,与图像的具体类型
或内容无关,主要包括色彩、纹理和形状;
后者则建立在对所描述图像内容的某些先验知识(或假
设)的基础上,与具体的应用紧密有关,例如人的面部
特征或指纹特征等。
由于图像的内容是通过特征来描述的,并且影响了后继
相似度比较,因此,视觉特征选取十分重要,要根据不
同应用进行选择。
图像视觉特征
文本目前也成为图像中一种重要的特征。这些文本标签信息
成为我们理解图像语义的关键上下文属性而被广泛研究。
由于对图像伴随文本特征的提取,在基于文本的图像特征提
取在数据库系统和信息检索等领域中已有深入的研究,因此
这里主要介绍图像视觉特征的提取和表达。
截止2010年7月,Flickr有50亿张图像
图像标注词条过亿,涵盖千万多种概念
每分钟新增4000张图像
吸引了2%的互联网用户
如何使用图像视觉特征
Extraction: 特征提取
可以从图像中提取哪些特征。这些特征在表达图像视觉方面各
自的优势/劣势是什么?如目前的稀疏表达算法要解决的问题。
Representation:特征表达
从图像中提取得到的视觉特征如何去表达?是向量模型,还是
图模型?还是在降维后的子空间表达?
如何使用图像视觉特征
Discrimination: 区别性特征选择
不同特征在表达不同语义/对象时所起得作用不同,如何根据一
定的准则,将某一语义/对象所对应的区别性特征挑选出来?
Indexing: 特征索引
为了在图像后续处理中提高其利用效率(如重复性检测等),
如何将高维图像特征映射到汉明(Hamming )二元空间,且保