特征提取基本概念总结
一、特征提取概念
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取
图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像
上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区
域。
二、特征概述
至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用
类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算
法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提
取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该是
相同的。
特征提取检查每个像素来确定该像素是否代表一个特征。假如它是一个更大
的算法的一部分,那么这个算法一般只检查图像的特征区域。作为特征提取的一
个前提运算,输入图像一般先在尺度空间中被平滑,此后通过局部导数运算来计
算图像的一个或多个特征。
有时,假如特征提取需要许多的计算时间,而可以使用的时间有限制,一个
高层次算法可以用来控制特征提取阶层,这样仅图像的部分被用来寻找特征。
由于许多计算机图像算法使用特征提取作为其初级计算步骤,因此有大量特
征提取算法被发展,其提取的特征各种各样,它们的计算复杂性和可重复性也非
常不同。
下面是用来描述图像的一些基本概念:
1.边缘
边缘是组成两个图像区域之间边界(或边缘)的像素。一般一个边缘的形状
可以是任意的,还可能包括交叉点。在实践中边缘一般被定义为图像中拥有大的
梯度的点组成的子集。一些常用的算法还会把梯度高的点联系起来来构成一个更
完善的边缘的描写。这些算法也可能对边缘提出一些限制。局部地看边缘是一维
结构。
2.角
角是图像中点似的特征,在局部它有两维结构。早期的算法首先进行边缘检
测,然后分析边缘的走向来寻找边缘突然转向(角)。后来发展的算法不再需要
边缘检测这个步骤,而是可以直接在图像梯度中寻找高度曲率。后来发现这样有
时可以在图像中本来没有角的地方发现具有同角一样的特征的区域。
3.区域
与角不同的是区域描写一个图像中的一个区域性的结构,但是区域也可能仅
由一个像素组成,因此许多区域检测也可以用来监测角。一个区域监测器检测图
像中一个对于角监测器来说太平滑的区域。区域检测可以被想象为把一张图像缩
小,然后在缩小的图像上进行角检测。