楊小軍

【摘 要】隨著科學(xué)技術(shù)的不斷發(fā)展，對于計算機圖片識別能力的需求也逐漸增加，而圖片特征提取是圖像識別的核心問題，在圖像特征提取的過程中，涉及很多提取算法，應(yīng)用的效果也直接關(guān)系到顏色特征、紋理特征等的提取質(zhì)量，對此論文就圖片特征提取，結(jié)合特征特點與提取方法展開分析。

【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(guān)鍵詞】圖片特征；提?。凰惴?/p>

【Keywords】image feature； extraction； algorithm

【中圖分類號】TP391 【文獻標(biāo)志碼】A 【文章編號】1673-1069（2017）03-0106-02

1 特征提取

顏色特征計算機視覺、圖像處理都離不開特征提取，特征提取自身具有可重復(fù)性的特征，也是圖像處理的第一級預(yù)算，對每個像素進行檢查，確定其特征代表的效果。常見的圖片特征和常應(yīng)用到的特征提取算法，詳細研究見以下內(nèi)容。

1.1 特點

顏色特征是對于圖片表面性質(zhì)的描述，其主要以像素點特征為基礎(chǔ)，圖片中不同的像素都有著自己的作用，由于顏色對圖片景物變化相對不敏感，所以通過顏色特征，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 顏色直方圖

顏色直方圖雖然能夠很好地對顏色特征進行表達，且不受圖片景物變化的影響，但是對圖片景物的顏色空間分布信息容易造成丟失，也不能對圖片景物進行描述。RGB、HSV顏色空間相對比較常用，在利用色彩加以說明的同時構(gòu)建色譜空間，色彩空間選用的不同，直方圖匹配的效果也不同，常見的匹配方法包括直方圖相交法、中心距法等。

1.2.2 顏色集

此種方法并不能對局部顏色信息進行區(qū)分，直接作用于全局顏色特征。顏色集與其相似，主要體現(xiàn)在以下幾方面：第一，進行圖片RGB、HSV顏色空間之間的轉(zhuǎn)換，將顏色空間細化；第二，分割圖像成多個區(qū)域，利用顏色分量對圖像區(qū)域進行檢索，繼而實現(xiàn)圖像二進制色彩索引集的轉(zhuǎn)化；第三，通過圖像匹配，確定出顏色集中區(qū)域色彩聚類關(guān)系。

1.2.3 顏色矩

顏色矩數(shù)學(xué)理論主要體現(xiàn)在以下幾方面，即圖像顏色矩可對顏色區(qū)域聚集情況進行顯示，另外介于顏色分布信息，只在低階矩集中的影響，對此圖像顏色分布完全可以用顏色一、二、三階矩表示即可。

1.2.4 顏色聚合向量

顏色聚合向量主要是指分割直方圖中各個柄像素，使其成為兩個區(qū)域，對比柄像素區(qū)域與原始閾值的大小，當(dāng)其超過給定閾值時，將該區(qū)域內(nèi)的像素，稱為聚合像素，當(dāng)其區(qū)域面積小于給定閾值時，定義其為非聚合像素。

2 紋理特征

2.1 特點

紋理特征只作用于全局特征，無法對圖像景物局部的表面性質(zhì)進行區(qū)分，而紋理是景物的一種表面屬性，并不能夠代表景物的實質(zhì)，對此一般通過紋理特征，并不能對高層次圖像信息進行獲取。紋理特征與顏色特征之間存在一定的差異，前者并不以像素點特征為基準，而是要借助綜合像素點區(qū)域?qū)崿F(xiàn)計算。其區(qū)域優(yōu)勢特征可在模式匹配時充分體現(xiàn)，受局部誤差干擾性較低，該種統(tǒng)計特征自身的旋轉(zhuǎn)不變性相對明顯。紋理特征針對粗細差別大的圖像檢索時，效果相對明顯，但是當(dāng)粗細差別相對較小時，感官上的紋理差別并不能準確的反映出來。

2.2 特征提取方法

統(tǒng)計法、幾何法、模型法、信號處理法都是常用到的圖像特征提取描述方法，其中統(tǒng)計方法，能量、慣量等灰度共生矩陣的關(guān)鍵內(nèi)容，基于灰度共生矩陣的紋理特征分析，是比較常見的一種特征分析方法。另一種方法是對圖像灰度變化、梯度函數(shù)等進行分析、計算，繼而提取出能量譜函數(shù)相關(guān)參數(shù)，例如紋理粗細特征參數(shù)等。而幾何法的紋理特征分析，主要是以紋理基元理論為參照展開的，根據(jù)紋理基元理論介紹，找出紋理基元排列的規(guī)律，結(jié)構(gòu)法、Voronio棋盤格特征法等都是幾何法中常見的算法。而模型法；是指將圖像構(gòu)造模型參數(shù)，當(dāng)作是紋理特征，最常見的方法即為隨機場模型法。另外信號處理法；常見的特征提取與匹配方法包括灰度共生矩陣、小波變換等方法。

3 形狀特征

3.1 特點

以形狀特征檢索圖像目標(biāo)效果都是非常理想的，當(dāng)前對其的研究主要體現(xiàn)在以下幾方面；第一，基于形狀特征實現(xiàn)檢索，雖然理論上說得通，但是實踐上還缺少較為系統(tǒng)的數(shù)學(xué)模型作為支撐；第二，當(dāng)檢索目標(biāo)出現(xiàn)變化時，檢索的結(jié)果并不是很理想；第三，大部分的形狀特征，只是對檢索目標(biāo)局部性質(zhì)的體現(xiàn)，仍無法區(qū)分出檢索目標(biāo)的綜合屬性，且要增加計算時間等；第四，部分對目標(biāo)信息的描述，往往與人們的感官存在差異。

3.2 特征提取方法

形狀特征是對輪廓特征、區(qū)域特征的表現(xiàn)，也就是對物體外邊界，以及整個畫面區(qū)域形狀特征的體現(xiàn)。邊界特征法、傅里葉形狀描述符法、幾何參數(shù)法、形狀不變矩法等都是比較常見的特征描述方法，其中邊界特征法；圖像性狀參數(shù)的獲得，主要以邊界特征為基準，最為具備代表性的方法即為Hough 變換方法，是在完整圖像特征的基礎(chǔ)上，將圖像邊界像素進行連接，繼而組成封閉區(qū)域邊緣，基本理論是借助了點線之間的對偶性。邊界方向直方圖法也是典型的方法，圖像邊緣的獲取，主要是利用的微分圖像方法，然后建立灰度梯度共生矩陣模型。形狀不變矩法，主要通過以目標(biāo)區(qū)域矩作方式實現(xiàn)形狀描述的。小波輪廓描述符等其他方法也是非常常用的，且圖片提取和匹配效果顯著。

4 空間關(guān)系特征

4.1 特點

空間關(guān)系包含著連接、包容關(guān)系等，主要是對目標(biāo)空間位置、方向關(guān)系的體現(xiàn)，空間位置信息包括相對、絕對兩種信息，是對圖項目標(biāo)間上下、距離遠近的描述等。一般前者空間信息表達相對簡單，且空間位置，可以通過絕對空間位置獲得。

該種特征可有效的區(qū)分出描述的目標(biāo)，且對目標(biāo)變化相對敏感，尤其是對目標(biāo)旋轉(zhuǎn)等變化。在實踐中，空間信息還缺乏一定的說服力，對于場景信息的反映并不是很理想，對此要想實現(xiàn)高效檢索，還需要借助其他特征組合協(xié)作。

4.2 特征提取方法

常用的特征提取方法包括兩種；即通過圖像分割，對目標(biāo)、顏色區(qū)域等進行有效的劃分，以此為基礎(chǔ)構(gòu)建索引。還有一種將圖像劃分，針對于不同劃分區(qū)域進行特征提取，最后構(gòu)建索引。

尺度不變特征轉(zhuǎn)換，是常用的一種圖像特征提取方法，其算法的步驟主要包括以下幾點；一是對尺度空間進行構(gòu)建，對極值點進行檢測，繼而得到其尺度不變性屬性；二是對于特征點進行有效過濾，然后通過高效的定位，對不穩(wěn)定的特征點進行排除；三是獲取特征點的描述符，并在其基礎(chǔ)上進行方向值的分配；四是獲取特征描述子，然后在描述符的基礎(chǔ)上找出匹配點。其中描述子的獲取方法主要為在特征點的基礎(chǔ)上，將16×16的鄰域，當(dāng)作是采樣窗口，然后將采樣點、特征點組成的相對空間，利用高斯加權(quán)，然后將其納入到8個bin的直方圖中，最終獲得描述子。

5 結(jié)語

綜上所述，通過對于圖片特征提取的分析，發(fā)現(xiàn)其是一個復(fù)雜且煩瑣的過程，往往需要在擇優(yōu)使用提取算法的同時，還需要與其他特征提取方法進行組合協(xié)作，繼而保證特征提取的效果和質(zhì)量。