18、局部特征设计、分类与学习全解析

局部特征设计、分类与学习全解析

1. 多元特征描述符的构成与应用导向设计

在特征描述领域，多种光谱类型可纳入多元特征描述符以增强区分能力。常见的光谱类型包括：
- 3D表面法线
- 形状因子和形态测量
- 纹理指标
- 面积积分
- 区域的统计矩
- 局部二值模式的汉明码

不同的应用对特征描述符的区分要求不同，这会指导描述符的设计。例如，在水果识别应用中，使用颜色通道光谱识别水果颜色、形状因子识别水果形状以及纹理指标识别果皮纹理，能使识别更有效。

2. 特征描述符的形状与模式分类

特征描述符的形状和模式是影响区分能力的重要维度，不同形状各有优劣，甚至单个像素也可作为特征描述符形状。常见的形状和模式分类如下：
1. 单个像素
2. 像素线
3. 像素矩形区域
4. 多边形形状或像素区域
5. 不相连像素的模式，如中央凹模式

描述符的形状决定了其区分属性。例如，矩形描述符在旋转不变性方面比圆形描述符受限；较小的描述符形状会限制范围和尺度不变性，而较大的描述符区域包含更多像素，可增强区分能力。

3. 几何区分因素

形状在很大程度上决定了旋转不变性的程度。例如，矩形形状通常在旋转约15度时，旋转区分能力开始下降，而圆形模式在旋转变化下表现更好。对于区分能力较差的形状或模式描述符，可通过在描述符向量中融入多种形状或模式来增强其区分能力。

一些方法在旋转区分方面存在局限性。如Viola Jones方法中使用的HAAR小波，它整合了矩形区域内的所有像素，缺乏局部细节模式信息，导致