一 图像的特征类别
1.自然特征
①光谱特征
②几何特征
③时相特征
2.人工特征
①直方图特征
②灰度边缘特征
③线、角点、纹理特征
图像的特征有很多，按提取特征的范围大小又可分为：
①点特征
仅由各个像素就能决定的性质。如单色图像中的灰度值、彩色图像中的红 ( 、绿 ( 、蓝 ( 成分的值。
②局部特征
在小邻域内所具有的性质，如线和边缘的强度、方向、密度和统计量 平均值、方差等 等。
③区域特征
在图像内的对象物一般是指与该区域外部有区别的具有一定性质的区域 内的点或者局部的特征分布，或者统计量，以及区域的几何特征 面积、形状 等。
④整体特征
整个图像作为一个区域看待时的统计性质和结构特征等。
二 特征提取与特征空间
1.特征提取
获取图像特征信息的操作称作特征提取。它作为模式识别、图像理解或信息量压缩的基础是很重要的。通过特征提取，可以获得特征构成的图像（称作特征图像）和特征参数。
2.特征空间
把从图像提取的m 个特征量 ????1，????2，…，????????，用m 维的向量 Y ＝＝[????1????2…????????]????表示称为特征向量。另外，对应于各特征量的 m 维空间叫做特征空间。
三 图像噪声
1.噪声种类
①外部噪声。如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。
②内部噪声。系统内部产生，主要包括四种：由光和电的基本性质引起的、机械运动产生的噪声、元器件噪声、系统内部电路噪声。
2.噪声特征
对灰度图像f(x y) 来说，可看做二维亮度分布，则噪声可看做对亮度的干扰，用 n(x y) 表示。常用统计特征来描述噪声，如均值、方差（交流功率）、总功率等。
3.噪声的模型
按噪声对影像的影响可分为加性噪声模型和乘性噪声模型两大类。设 f(x，y) 为理想图像， n(x ，y) 为噪声， 实际输出图像为 g(x， y) 。
①加性噪声，与图像光强大小无关g(x，y)= f(x ，y)+ n(x， y)
②乘性噪声，与图像光强大小相关，随亮度大小变
化而变化。g(x，y)=f(x ，y)[1+ n(x y)]
4.图像系统常见的噪声
①光电管噪声
②摄像管噪声
③前置放大器噪声
④光学噪声