全局圖像特徵是指能表示整幅圖像上的特徵，全局特徵是相對於圖像局部特徵而言的，用於描述圖像或目標的顏色和形狀等整體特徵。
基本介紹
- 中文名：全局圖像特徵
- 外文名：Global image features
- 定義：表示整幅圖像上的特徵
- 優點：計算簡單、表示直觀等
- 缺點：計算量大等
- 涉及領域：圖像處理
基本信息,顏色特徵,紋理特徵,形狀特徵,
基本信息
全局特徵是指圖像的整體屬性，常見的全局特徵包括顏色特徵、紋理特徵和形狀特徵，比如強度直方圖等。由於是像素級的低層可視特徵，因此，全局特徵具有良好的不變性、計算簡單、表示直觀等特點，但特徵維數高、計算量大是其致命弱點。此外，全局特徵描述不適用於圖像混疊和有遮擋的情況。局部特徵則是從圖像局部區域中抽取的特徵，包括邊緣、角點、線、曲線和特別屬性的區域等。常見的局部特徵包括角點類和區域類兩大類描述方式。
顏色特徵
顏色是圖像的主要視覺性質之一，在人們對圖像的印象中，顏色占有很大的比重。顏色特徵由於具備計算簡單、性能穩定等優點，現己成為圖像檢索系統中套用最廣泛的特徵之一。通常來講，相似的圖像具有相似的顏色或者灰度級分布，該分布對平移、旋轉、尺度縮放具有不變性，因此可以通過顏色特徵對圖像進行檢索。計算機通常使用RGB色彩空間描述顏色，然而，在圖像檢索中，人們通常採用與人類的主觀感知更為接近的HSV和Lab色彩空間。常用於圖像檢索的顏色特徵包括：直方圖、累積直方圖、平均灰度級等，其中，基於累積直方圖的圖像檢索性能最優。
紋理特徵
紋理特徵是指物體表面共有的內在特性，其包含了物體表面結構組織排列的重要信息及其與周圍物體的聯繫。當檢索在粗細和疏密等方面有較大差別的圖像時，利用紋理特徵是一種行之有效的方法。在過去的幾十年中，人們對紋理的分析和研究取得了重大的成果，並在圖像檢索的研究中使用了各種各樣的紋理特徵，如：小波變換、Tamura紋理、灰度共生矩陣、紋理譜、Gabor變換等。有實驗結果表明，Gabor小波能夠較好地兼顧信號在時域和頻域中的分辨能力，是圖像檢索中的最佳特徵之一。
圖像邊緣是指圖像灰度在空間上發生突變，或在梯度方向上發生突變的像素點的集合，上述突變通常是由圖像中景物的物理特性發生變化而引起的。
形狀特徵
與顏色特徵和紋理特徵相比，形狀特徵更接近於目標的語義特徵，包含一定的語義信息，可幫助用戶忽略不相關的背景或不重要的目標，直接搜尋與目標圖像相似的圖像。通常來講，形狀特徵有以下兩種表示方法：一是輪廓特徵，即目標的外邊界；二是區域特徵，即整個形狀區域。形狀特徵的表達以對圖像中的目標或區域的分割為基礎，而圖像分割在當前仍是一個尚未完全解決的難題：此外，適用於圖像檢索的形狀特徵必須滿足對變換、旋轉和縮放的不變性，這也給形狀相似性的計算帶來了一定難度。因此，形狀特徵在圖像檢索中使用相對較少。
