图像特征提取方法 特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征，其结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 常用的图像特征有颜色特征、纹理特征、形状特征和空间关系特征。 图1 .图像特征分类及其方法 一、颜色特征 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。 常用的特征提取与匹配方法有5 种：颜色矩、颜色直方图、颜色集、颜色聚合向量、颜色相关图。 （1） 颜色矩 颜色矩是一种简单而有效的颜色特征，其数学基础是图像中的任何的颜色分布均可以用它的矩来表示。 此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩(mean)、二阶矩(Variance)和三阶矩(Skew ness)就足以表达图像的颜色分布，与颜色直方图相比，该方法的另一个好处是无须对特征进行量化。 一阶矩： 二阶矩： 三阶矩： 一阶：颜色分量的平均强度；二、三阶：方差和偏移度。 图像的颜色矩一共有九个分量，每个颜色通道均有三个低阶矩。颜色矩仅仅使用少数几个矩，从而导致过多的虚警，因此颜色矩常和其他特征结合使用。 （2） 颜色直方图 它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。但它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。直方图中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调。 颜色直方图可以分为三类 ，分别为：全局直方图、累 加 直方图、主色调直方图。 全局直方图：反映的是图像中颜色的组 成 分布，即出 现 了哪 些颜色以及各 种颜色出 现 的概 率 。其对图像的旋 转 、平移、缩 放 和图像质 量变 化不敏 感 ，比较 适合于检 索 图像的全局颜色相似 性 ，即通过比较 颜色直方图的差异 来衡 量两 幅图像在颜色全局分布上 的差异 。 累 加 直方图：当 图像中的特征并 不能取遍 所有可取值时 ，统计直方图中会 出 现 一些零 值。这 些零 值的出 现 会 对相...
