特征提取在图像处理中的应用

凌军

【摘要】特征提取可以提高图像质量.光照条件的多变性及物体间相互遮挡导致图像质量难以控制.把光照图和反射物体图进行分离，可改善图像质量，但亮度图像重建计算量较大.提出一种特征提取方法，实验证明可有效减少图像处理时间，提高图像质量，改善图像特征点提取.

【期刊名称】赤峰学院学报（自然科学版）

【年(卷),期】2015(000)021

【总页数】2

【关键词】特征提取；图像处理；图像增强

1 引言

图像的形成与入射光和物体的反射有关.焦距不同的图像常难以拼接.特征提取可提高图像拼接、增强的质量，实现图像的有效缩放和旋转，体现图像的局部不变性［1］.

在特征提取应用中，采用了多种点特征提取算子［2］.基于特征点的增强，首先对图像进行预处理，然后运用特征提取算法，实现图像的增强，.文章对特征提取在图像增强中的应用进行了研究和分析.

2 图像预处理和特征提取算法

2.1 图像预处理

图像处理中的预处理主要是对图像进行预先处理，减少干扰，从而保证特征提取的准确、快速，减少图像的失真.在小波分解中，如图1，提取出低频分量，减少高频噪声干扰，有效还原图像信息

，处理速度比传统方法得到提高［3］.

2.2 特征提取算法

特征提取算法提取出图像的尺度不变特征，利用图像序列特征点，进一步克服输入图像的噪声干扰［4］.尺度不变特征的提取过程中，通过检测尺度空间的极值，提取出特征点的位置，然后计算出特征点信息，将其作为特征描述符.

特征提取需结合一定的模型，如人类视觉系统，采用层次化和串行化的思想，实现视觉模型的功能［5］.特征参数须正确描述图像特征，具有较强的抗噪性、仿射不变性、相对稳定性和泛化能力.

3 模型构建和应用

3.1 可变框架模型