1.1 圖像特征概述

原始圖像是人類眼睛提取所有信息的完美數(shù)據(jù)資源。然而，計算機視覺并非如此。雖然原圖便于人眼觀察，但在圖像處理和計算機視覺任務(wù)中，需要穩(wěn)定地反映圖像本質(zhì)特性的圖像特征（image feature）。這些圖像特征可以分為代表整個圖像內(nèi)容的全局特征和代表圖像塊信息的局部特征[2]。

全局特征是從整幅圖像中提取得到的信息，旨在將其作為圖像整體的特征，反映全體像素的特性。全體像素的特性可以是灰度、顏色或紋理，甚至可以是局部特征的特性[3]。全局特征僅生成單個特征向量，因此可以通過比較特征向量來對比兩幅圖像的內(nèi)容。例如，一張圖為藍色的天空，另一張圖為綠色的森林，采用全局顏色的圖像特征就能輕松區(qū)別這兩張圖。

局部特征是從圖像的某個特定區(qū)域中提取的信息，通常與圖像的某種或某幾種特性（如灰度、顏色或紋理）的變化相關(guān)，但不一定能準(zhǔn)確定位發(fā)生變化的位置。局部特征描述的對象可以是圖像中的像素點，也可以是邊緣線或小的圖像塊[4]。圖像局部特征是本書的討論重點。未做特殊說明，本書中的特征均為局部特征，而不包括全局特征。

一般來說，使用哪種特征在很大程度上取決于應(yīng)用對象。在圖像的識別任務(wù)中應(yīng)選擇最有鑒別力的特征。例如，一個大鼻子小眼睛的人和一個小鼻子大眼睛的人，他們的臉部照片的灰度直方圖很可能是相似的，這種情況下，局部特征或從局部特征簇中提取的全局模式更具鑒別性。然而，在網(wǎng)絡(luò)圖像索引應(yīng)用中，全局特征往往是合適的。此外，全局特征可用于對感興趣對象的粗略分割。全局特征具有更快、更緊湊、易于計算等特點，通常需要較少內(nèi)存。然而，全局特征易受透視變換等影響，并且對噪聲和遮擋比較敏感。相比之下，局部結(jié)構(gòu)在平滑區(qū)域內(nèi)比其他結(jié)構(gòu)更加獨特和穩(wěn)定，因此局部特征有望在圖像匹配和目標(biāo)識別方面發(fā)揮更大的作用。然而，局部特征通常需要大量存儲空間，因為圖像可能有數(shù)百個局部特性。為了解決這個問題，局部圖像描述符有時需要通過降維來緊湊向量。

理想的圖像特征檢測算法應(yīng)具有如下特點[4-5]。

（1）可重復(fù)性

作為最重要的特點，可重復(fù)性要求同一對象在不同視角拍攝的圖像所檢測得到的特征應(yīng)該具有高度一致性，即具備縮放、平移和旋轉(zhuǎn)不變性。可重復(fù)性依賴于不變性和魯棒性等。其中，不變性是指對象經(jīng)過縮放、旋轉(zhuǎn)或平移變換后，檢測特征的描述結(jié)果不變[6]。一個操作具有旋轉(zhuǎn)不變性是指該操作在極坐標(biāo)中的表達式僅與徑向距離有關(guān)，而與方向無關(guān)[7]。

（2）可區(qū)分性

可區(qū)分性是指特征點鄰域包含對其進行有效描述的足量信息，使檢測到的不同特征點各不相同，具有足夠多的變化特性以區(qū)分其異同。

（3）局部性

檢測到的特征應(yīng)該足夠小，以減小被遮擋的可能性，以及允許采用簡單的模型近似表示幾何形變或透視畸變。

（4）數(shù)量多

檢測到的特征點應(yīng)該足夠多，即使在小對象上也可以檢測到足夠數(shù)量的特征。由于不同的應(yīng)用場景中需要的特征點數(shù)量不同，因而，在實際應(yīng)用中希望特征點的數(shù)量可以通過閾值控制。

（5）精確性

圖像特征在圖像中有相對于不同尺度和形狀的準(zhǔn)確位置。

（6）有效性

圖像特征檢測必須高效，能滿足時間敏感任務(wù)的需求。