一、概述
从模式识别角度来讲,视觉信息的特征获取是机器视觉的一个关键环节。一个机器视觉与模式识别系统的成败,首先取决于其所利用的特征能否较好地反映将要研究的分类问题。如果数据被很好地表达成了特征,通常线性模型就能达到满意的分类效果。因此,对于模式识别系统的创建,特征的选择和提取是需要优先考虑的。
仅从图像角度来看,图像特征的提取和选择是图像处理过程中非常重要的环节,对后续的图像分类有重要影响,图像数据具有样本少、维数高的特点。为了从图像中提取有用的信息,有必要对图像特征进行降维处理。特征提取和特征选择是最有效的降维方法。目的是获得反映数据本质结构并具有较高识别率的特征子空间。
以下的总结均是针对传统方式进行图像的提取和选择,不过在很多场景下使用基于深度学习的预训练的CNN模型做为图像特征提取器可能是更好的选择。
二、原始特征提取
1、图像的基本特征
图像的基本特征主要分为颜色特征、形状特征、纹理特征、空间关系要素等。
对应以上特征较常见的图像特征提取算法主要分为3类:
①基于颜色特征,如颜色直方图、颜色集、颜色矩、