全局圖像特徵

全局圖像特徵

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HSVLab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。

相關詞條

熱門詞條

聯絡我們