原标题:传统图像特征提取方法列表
原文来自:CSDN 原文链接:https://blog.csdn.net/zhi_neng_zhi_fu/article/details/101267373
特征是什么?
常见的特征有:边缘、角,区域;
图像特征的操作步骤
目前图像特征的提取主要有两种方法:传统图像特征提取方法 和 深度学习方法。
传统的图像特征提取一般分为三个步骤:预处理、特征提取、特征处理;然后在利用机器学习等方法对特征进行分类等操作;
预处理:预处理的目的主要是排除干扰因素,突出特征信息;主要的方法有:
图片标准化:调整图片尺寸;
图片归一化:调整图片重心为0;
特征提取:利用特殊的特征提取子对图像进行特征提取,主要有:Harris、SIFT、SURF、LBF、HOG、DPM:
特征处理:主要目的是为了排除信息量小的特征,减少计算量等:常见的特征处理方法是降维,常见的降维方法有:
常见的特征提取方法:
Harris
Harris 具有以下特点:
SIFT:尺度不变特征变换(Scale-invarialt feature transform)
HOG:(Histogram of Oriented Gradient) 方向梯度直方图
LBP:(Local Binary Pattern,局部二值模式)
一种纹理特征描述算子;
具有旋转和灰度不变性等显著的优点;
DPM:(Discriminatively Trained Part Based Models)
其他常用的特征检测算法
FAST: Fast Feature Detector;
STAR: Star Feature Detector;
ORB: ORB;
MSER: MSER
GFTT: Good Feature To Tracker Detector;
Dense: Dense Feature Detector;
SimpleBlob: Simple Blob Detector;
免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。
合作及投稿邮箱:E-mail:editor@tusaishared.com