22、图像特征提取方法详解

图像特征提取方法详解

1. 基于Shearlet系数的特征提取

1.1 Shearlet系数二值化

Shearlet系数的二值化公式为：

Sbx,y L l , j =
1 if abs σ j,x,y > Ts
0
else
6 35

其中，$S_{x,y}^{L_{l,j}}$ 是在 $x$，$y$ 坐标处，方向大小为 $j$ 和 $l$ 的Shearlet系数的二值化值；$\sigma_{j,x,y}$ 是像素 $(x,y)$ 处的SCVD值；$T_s$ 是实验阈值。

1.2 阈值选择的重要性

基于Shearlet的方法是基于阈值进行操作的，最优阈值的选择对该方法的成功起着重要作用。目前，所有可用的研究和方法都是通过实验来确定固定阈值。不过，该方法提取的特征高度依赖光照条件和图像质量，这是其缺点之一。

2. 其他特征提取方法

2.1 多边形特征（PBF）

PBF旨在描绘对象的整体形状。通过调整多边形近似，可以消除边缘的细微变化，提取图像的整体形状。这有助于消除噪声的破坏效应并减少轮廓。一般来说，理解PBF有两种方式：合并和分割。

2.2 空间关联特征（SIF）

SIF描述了对象的区域或线条与其像素或曲线之间的关联特征。通常，它利用对象的几何特征来创建显示，这些几何特征包括长度、曲率、方向和位置、面积、距离和表面中心等。

2.3 矩特征（MFE）

MFE在选择故障检