数字图像处理与Python实现笔记之图像特征提取 摘要 绪论 1 数字图像处理基础知识 2 彩色图像处理初步 3 空间滤波 4 频域滤波 5 图像特征提取

作者:公众号:叶子文案馆,微信号: Mei-jd
<  人工智能是引领未来发展的战略性技术,是新一轮科技革命和产业变革的重要驱动力量,将深刻地改变人类社会生活。促进人工智能和实体经济的深度融合,构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态,更是推动质量变革、效率变革、动力变革的重要途经。进年来,我国人工智能新技术、新产品、新业态持续涌现,与农业、制造业、服务业等行业的融合步伐明显加快,在技术创新、应用推广、产业发展等方面成效初显。人工智能技术并不是一个新生事物,它在最近几年引起全球性关注并得到飞速发展的主要原因,在于它的三个基本要素(算法、数据、算力)的迅猛发展,其中又以数据和算力的发展尤为重要。物联网技术的蓬勃发展使得数据累计的难度越来越低,而芯片算力的不断提升,使得过去只能通过云计算才能完成的人工智能运算,现在可以下沉到最普通的设备上完成。物联网技术为机器带来感知能力,而人工智能则通过计算算力为机器带来了决策能力,正如感知和大脑对自然生命进化所起到的必然性作用。https://hulin.blog.csdn.net/article/details/107570020https://hulin.blog.csdn.net/article/details/107578369https://hulin.blog.csdn.net/article/details/107589248https://hulin.blog.csdn.net/article/details/107609844图像特征是指可以对图像的内容或特点,进行表征的一系列数学的集合,主要包括图像的自然特征(如亮度、色彩、纹理等)和图像人为特征(如图像频谱、图像直方图等)。图像特征提取可以视为广义上的图像变换,即将图像从原始属性空间转化到特征属性空间。图像特征提取过程是指对图像包含的信息进行处理和分析,并将其中不易受随机因素干扰的信息,作为图像的特征提取出来,进而实现将图像的原始特征,表示为一组具有明显的物理意义或统计意义的特征。图像特征提取之后,通常还会伴随图像特征的选择。图像特征选择过程是去除冗余信息的过程,其具有提高识别精度、减少运算量、提高运算速度等作用。良好的图像特征通常具有以下3个特征。
① 代表性或可区分性
图像特征应能够对该类别的图像进行高效表达。不同类别的对象之间的特征差异越大越好,以满足相应任务的要求。如在区分乒乓球和足球时,纹理特征就是一个不错的特征,应为足球一般有六边形纹理结构,而乒乓球没有。在进行图像分割时,图像中的边缘突变就是一个很好的特征,因为可以明确表示图像的内容发生了改变。
② 稳定性
同一类别图像的特征应该具有类似的特征值,以保证类别内图像的相似度大于类别间图像的相似度。如在区分成熟苹果和不成熟苹果时,颜色是一个比较好的特征,因为不成熟的苹果通常呈青色,而成熟的苹果通常呈黄色或者红色尺寸大小这个特征在区分苹果成熟与否时,不是一个稳定的特征。
③ 独立性
图像特征应该彼此独立,尽量减少彼此的关联性,因为图像特征之间的关联性较强,会影响图像内容的较好表达。如苹果的直径和重量就属于关联性较强的两个特征,因为他们都可以反映苹果的大小,因此同时使用大小和重量这两个特征就会显得冗余。图像特征提取可以分为底层特征提取和高层语义特征提取。高层语义特征提取通常关注语义层次的特征,如识别任务中的人类识别,图像分类等。底层特征提取通常关注图像的颜色、纹理、形状等一般特征。底层特征提取很少关注图像的语义信息,通过底层特征提取获得的信息一般比较普遍。高层语义特征提取通常需要关联语义,如人脸识别中很多语义特征与人脸的部件相关,这能够反映图像中是否存在某类对象。高层语义特征提取以底层特征提取为基础,辅以模式识别等方法,建立语义关联,进而形成语义特征。深度学习的出现为语义特征提取提供了新的思路,实现了底层特征提取和高层语义关联之间的衔接,极大地提升了图像语义分析的效果。图像特征提取根据其相对尺度,可分为全局特征提取和局部特征提取。全局特征提取关注图像的整体表征。常见的全局特征包括颜色特征、纹理特征、形状特征、空间位置关系特征等局部特征提取关注图像的某个局部区域的特殊性质。一幅图像中往往包含若干兴趣区域,从这些区域中可以提取出数量不等的若干个局部特征。和全局特征提取过程相比,局部特征提取过程首先需确定要描述的兴趣区域,然后再对兴趣区域进行特征描述。Prewitt算子在方向和方向的梯度幅值上的形式,与索贝尔算子的形式完全相同,只是系数均为1,对应的3*3模板为
Prewitt算子的计算比索贝尔算子更简单,但在噪声抑制方面,索贝尔算子比Prewitt算子略胜一筹。梯度算子对噪声有一定的敏感性,所以适用于图像边缘灰度值比较尖锐,且图像中噪声比较小的情况

你的分享是我前进的动力

相关推荐: 参加数十次校招后,我做了以下总结(游戏开发岗)
前言

基础知识

简历

实习经历

笔试与面试

笔试与面试过程及技巧

求职的几个阶段

学完这些知识,我用了多久

注意事项

关于我

作者:公众号:文案极客,微信号: Mei-jd <  本文主要用来介绍自己大学期间总结出来的面试经验及面试技巧,面向游戏客户端和游戏引擎开发岗位,原因在于,我很少看到与游戏岗位相关的面试经验总结,因此希望本次自己的经验能为那些想要进入游戏行业的新人提供或…

root

我还没有学会写个人说明!

相关推荐

发表评论

微信扫一扫

微信扫一扫

微信扫一扫,分享到朋友圈

数字图像处理与Python实现笔记之图像特征提取
摘要
绪论
1 数字图像处理基础知识
2 彩色图像处理初步
3 空间滤波
4 频域滤波
5 图像特征提取
返回顶部

显示

忘记密码?

显示

显示

获取验证码

Close