文件名称：基本概念_什么是特征提取与描述？-computational methods for inverse problems
文件大小：1.76MB
文件格式：PDF
更新时间：2024-07-09 14:33:30
数字图像处理
第八章 图像特征提取、匹配与识别 8.1 基本概念 什么是特征提取与描述？ 从原始图像或者经过分析的图像数据中找出能够有效反映信号分类特性及本质的精炼表达形式。 特征提取主要关注如何找到并选择某些特征。 特征描述主要关注如何以数学形式表达这些特征。 图像特征提取与描述的目的 总体上讲是为图像分析、识别任务提供更好的数据 计算复杂度、不变性、鲁棒性、可区分性、精确性 图像匹配 通过对图像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似目标的方法。 与图像匹配相关的任务 图像配准、目标姿态估计、立体视觉、三维重建、目标检测与跟踪、目标识别、图像矫正与拼接、相机标定 图像分类与识别 图像分类：根据图像信息，区分从属于不同类别的目标的方法 图像识别：根据图像信息，给出目标的类别信息。 分类对象:图像局部，像素、区域、目标/图像整体，甚至是多幅图像的集合 类别定义：基于相似性或相关性、、基于语义、基于任务 良好的图像特征应具有的特点 可区分性：不同类别的对象应具有不同的特征。 独立性：两个特征之间应尽可能相互独立，减少冗余。 不变性：特征在不同的状态，不同的观察者以及不同的环境中保持稳定。 数量少：为减少计算量，同一个分类任务中目标的特征数量不易过多 特征不变性（线性形变）：平移不变性、尺度不变性、旋转不变性、仿射不变性 常见的图像特征：色彩特征、形状特征、纹理特征、局部描述子、子空间方法 .2.1 色彩特征 色彩特征的特点：维度低、稠密分布，高冗余、直观，显著 色彩空间：CIE-XYZ、CIE-LAB、HSV、YCbCr、YUV、CMYK、Opponent Color Space 如何选择色彩空间 聚类性：同类像素在色彩空间中应具有较好的聚类性，例如分布呈现单峰高斯分布。 可区分性：不同类像素在色彩空间中应相聚较远。 抗光照：像素的色彩特征对于正常的日照或光照不敏感。 抗色度漂移：像素的色彩特征对于不同相机的采样特性不敏感 如何描述色彩特征 参数概率模型：高斯模型