图片特征提取

杨小军

【摘 要】随着科学技术的不断发展，对于计算机图片识别能力的需求也逐渐增加，而图片特征提取是图像识别的核心问题，在图像特征提取的过程中，涉及很多提取算法，应用的效果也直接关系到颜色特征、纹理特征等的提取质量，对此论文就图片特征提取，结合特征特点与提取方法展开分析。

【Abstract】With the continuous development of technology， the demand for computer image recognition ability is gradually increasing， and the picture feature extraction is the core problem of image recognition. In the process of image feature extraction， it involves the application of many extraction algorithms. The results are also directly related to the color characteristics， texture characteristics of the extraction quality. This article analyzes the characteristics of the characteristics and extraction methods based on the image feature extraction.

【關键词】图片特征；提取；算法

【Keywords】image feature； extraction； algorithm

【中图分类号】TP391 【文献标志码】A 【文章编号】1673-1069（2017）03-0106-02

1 特征提取

颜色特征计算机视觉、图像处理都离不开特征提取，特征提取自身具有可重复性的特征，也是图像处理的第一级预算，对每个像素进行检查，确定其特征代表的效果。常见的图片特征和常应用到的特征提取算法，详细研究见以下内容。

1.1 特点

颜色特征是对于图片表面性质的描述，其主要以像素点特征为基础，图片中不同的像素都有着自己的作用，由于颜色对图片景物变化相对不敏感，所以通过颜色特征，并不能有效提取出景物的局部特征。

1.2 特征提取方法

1.2.1 颜色直方图

颜色直方图虽然能够很好地对颜色特征进行表达，且不受图片景物变化的影响，但是对图片景物的颜色空间分布信息容易造成丢失，也不能对图片景物进行描述。RGB、HSV颜色空间相对比较常用，在利用色彩加以说明的同时构建色谱空间，色彩空间选用的不同，直方图匹配的效果也不同，常见的匹配方法包括直方图相交法、中心距法等。

1.2.2 颜色集

此种方法并不能对局部颜色信息进行区分，直接作用于全局颜色特征。颜色集与其相似，主要体现在以下几方面：第一，进行图片RGB、HSV颜色空间之间的转换，将颜色空间细化；第二，分割图像成多个区域，利用颜色分量对图像区域进行检索，继而实现图像二进制色彩索引集的转化；第三，通过图像匹配，确定出颜色集中区域色彩聚类关系。

1.2.3 颜色矩

颜色矩数学理论主要体现在以下几方面，即图像颜色矩可对颜色区域聚集情况进行显示，另外介于颜色分布信息，只在低阶矩集中的影响，对此图像颜色分布完全可以用颜色一、二、三阶矩表示即可。

1.2.4 颜色聚合向量

颜色聚合向量主要是指分割直方图中各个柄像素，使其成为两个区域，对比柄像素区域与原始阈值的大小，当其超过给定阈值时，将该区域内的像素，称为聚合像素，当其区域面积小于给定阈值时，定义其为非聚合像素。

2 纹理特征

2.1 特点

纹理特征只作用于全局特征，无法对图像景物局部的表面性质进行区分，而纹理是景物的一种表面属性，并不能够代表景物的实质，对此一般通过纹理特征，并不能对高层次图像信息进行获取。纹理特征与颜色特征之间存在一定的差异，前者并不以像素点特征为基准，而是要借助综合像素点区域实现计算。其区域优势特征可在模式匹配时充分体现，受局部误差干扰性较低，该种统计特征自身的旋转不变性相对明显。纹理特征针对粗细差别大的图像检索时，效果相对明显，但是当粗细差别相对较小时，感官上的纹理差别并不能准确的反映出来。

2.2 特征提取方法

统计法、几何法、模型法、信号处理法都是常用到的图像特征提取描述方法，其中统计方法，能量、惯量等灰度共生矩阵的关键内容，基于灰度共生矩阵的纹理特征分析，是比较常见的一种特征分析方法。另一种方法是对图像灰度变化、梯度函数等进行分析、计算，继而提取出能量谱函数相关参数，例如纹理粗细特征参数等。而几何法的纹理特征分析，主要是以纹理基元理论为参照展开的，根据纹理基元理论介绍，找出纹理基元排列的规律，结构法、Voronio棋盘格特征法等都是几何法中常见的算法。而模型法；是指将图像构造模型参数，当作是纹理特征，最常见的方法即为随机场模型法。另外信号处理法；常见的特征提取与匹配方法包括灰度共生矩阵、小波变换等方法。

3 形状特征

3.1 特点

以形状特征检索图像目标效果都是非常理想的，当前对其的研究主要体现在以下几方面；第一，基于形状特征实现检索，虽然理论上说得通，但是实践上还缺少较为系统的数学模型作为支撑；第二，当检索目标出现变化时，检索的结果并不是很理想；第三，大部分的形状特征，只是对检索目标局部性质的体现，仍无法区分出检索目标的综合属性，且要增加计算时间等；第四，部分对目标信息的描述，往往与人们的感官存在差异。

3.2 特征提取方法

形状特征是对轮廓特征、区域特征的表现，也就是对物体外边界，以及整个画面区域形状特征的体现。边界特征法、傅里叶形状描述符法、几何参数法、形状不变矩法等都是比较常见的特征描述方法，其中边界特征法；图像性状参数的获得，主要以边界特征为基准，最为具备代表性的方法即为Hough 变换方法，是在完整图像特征的基础上，将图像边界像素进行连接，继而组成封闭区域边缘，基本理论是借助了点线之间的对偶性。边界方向直方图法也是典型的方法，图像边缘的获取，主要是利用的微分图像方法，然后建立灰度梯度共生矩阵模型。形状不变矩法，主要通过以目标区域矩作方式实现形状描述的。小波轮廓描述符等其他方法也是非常常用的，且图片提取和匹配效果显著。

4 空间关系特征

4.1 特点

空间关系包含着连接、包容关系等，主要是对目标空间位置、方向关系的体现，空间位置信息包括相对、绝对两种信息，是对图项目标间上下、距离远近的描述等。一般前者空间信息表达相对简单，且空间位置，可以通过绝对空间位置获得。

该种特征可有效的区分出描述的目标，且对目标变化相对敏感，尤其是对目标旋转等变化。在实践中，空间信息还缺乏一定的说服力，对于场景信息的反映并不是很理想，对此要想实现高效检索，还需要借助其他特征组合协作。

4.2 特征提取方法

常用的特征提取方法包括两种；即通过图像分割，对目标、颜色区域等进行有效的划分，以此为基础构建索引。还有一种将图像划分，针对于不同划分区域进行特征提取，最后构建索引。

尺度不变特征转换，是常用的一种图像特征提取方法，其算法的步骤主要包括以下几点；一是对尺度空间进行构建，对极值点进行检测，继而得到其尺度不变性属性；二是对于特征点进行有效过滤，然后通过高效的定位，对不稳定的特征点进行排除；三是获取特征点的描述符，并在其基础上进行方向值的分配；四是获取特征描述子，然后在描述符的基础上找出匹配点。其中描述子的获取方法主要为在特征点的基础上，将16×16的邻域，当作是采样窗口，然后将采样点、特征点组成的相对空间，利用高斯加权，然后将其纳入到8个bin的直方图中，最终获得描述子。

5 结语

综上所述，通过对于图片特征提取的分析，发现其是一个复杂且烦琐的过程，往往需要在择优使用提取算法的同时，还需要与其他特征提取方法进行组合协作，继而保证特征提取的效果和質量。