特征提取

    特征变换的目的在于从一幅图像中提取出有利于显著性估计的特征。对显著性检测有重要影响的底层特征一般主要包括:

颜色、运动、方向、灰度等

(1)对于灰度来说,一般通过图像在彩色空间中的亮度通道、图像的灰度信息等
特征进行显著性度量。
(2)对于方向来说,有很多不同的提取图像方向信息的方法,其中一种比较有效
的方法是Gabor滤波器。把这些方向信息有效的结合起来得到的显著性图像会更加符合人类视觉系统对图像边缘敏感的特点。

(3)对于颜色来说,一般是把颜色空间进行变换得到不同的颜色空间的彩色图像,
例如:HsV、cIELAB、RGB等。在现有的大多数模型中,一般把RGB彩色图像
变换到HSV、CIELAB等更符合人类视觉系统感知特性的颜色空间中去,这样做
的目的在于使得提取到的显著性区域更加符合人类的主观感

(4)边缘特征

利用各种算子提取图像的边缘特征:roberts算子,sobel算子,Gog算子,Log算子,小波变换等等

(5)多尺度提取

利用二次抽样和高斯滤波,LOG,DOG,小波金字塔方法


规则网格检测法,

稠密网格检测法

主要对图像进行区域网格化,对每个网格进行判断是否属于物体,

你可能感兴趣的:(特征提取)