图像特征提取的研究进展

龙源期刊网 https://www.360docs.net/doc/b116674782.html,

图像特征提取的研究进展

作者：白明柱杨立森阿木古楞

来源：《科技创新与应用》2013年第04期

摘要：图像特征提取是图像处理的一个重要环节，是当代图像处理技术研究和应用的重

要领域之一，本文围绕图像特征提取，简要论述了小波特征提取及其他特征提取的相关方法，并进一步论述了图像特征提取的发展趋势。

关键词：特征提取；小波变换；不变矩算法；傅立叶变换

引言

科技发展带来了图像信息的大量交流与运用，图像的自动识别技术也得到了越来越广泛的应用，同时生活中的实际问题也使得对图像识别技术的要求越来越高。图像识别技术各个阶段的比较中，特征提取的内容和方法尤为重要。特征提取后的结果是分类器设计的依据，它直接决定了识别分类的效率和精度。图像的实际研究过程中，特征提取容易受到噪声、视角等的干扰。因此，在处理过程中提取出性能好且受噪声干扰小的特征参数，是图像应用研究的重要课题[1]。

1 小波特征提取方法及其相关方法的比较

在对图像进行处理的过程中，不可避免的要对图像所包含的信息进行处理和分析，我们将不易受外界环境因素干扰的信息作为图像的特征提取出来，这便是图像的特征提取。特征提取简单的说就是去除冗余信息的过程，图像识别的精度也可以在图像提取的过程中得以解决，从而间接性提高了运算速度。利用特征提取技术可以把图像空间的高维特征变成特征空间的低维特征。为了更加形象生动地反映出图像的本质，我们在保持图像样本属性不变的条件下，要保证提取的样本属性能更好地反映出图像的本质。基于不同的图像特征属性和不同的特征提取方法会得到不同的特征描述参数。对于灰度图像而言，最简单特征参数无疑是特征点的灰度特征[2]。灰度特征易于受到周围环境影响和干扰，由于灰度特征维数低，因此计算简单。在近几

年的图像处理研究中，图像不变性特征的研究受到各国图像科研人员的注视，也取得了明显的成绩。

小波分析的理论基础是把一个信号分解成经过相关变换后的一系列小波，分解后的小波是小波变换的基本单位。通常基于小波特征提取的方法有小波降维、小波去噪，以及小波系数归一化。小波去噪法是将相关像素的图像经过多层小波变换，去掉第一层的小波系数，将剩余的小波系数作为输入。小波降维是将原图像做n层小波变换，保留原图抽样后的低频部分。小波系数归一化是将变换后的小波系数用系数的最大值去除，将系数归一化到（-1，1）之间。我们可以采用特征提取方法将图像作6层分解，然后对小波系数取绝对值，绝对值使小波系数的分布空间变为原来的一半，增加了系数的聚类程度。