摘 要：圖像特征提取是圖像處理的一個重要環(huán)節(jié)，是當代圖像處理技術(shù)研究和應(yīng)用的重要領(lǐng)域之一，本文圍繞圖像特征提取，簡要論述了小波特征提取及其他特征提取的相關(guān)方法，并進一步論述了圖像特征提取的發(fā)展趨勢。

關(guān)鍵詞：特征提??；小波變換；不變矩算法；傅立葉變換

引言

科技發(fā)展帶來了圖像信息的大量交流與運用，圖像的自動識別技術(shù)也得到了越來越廣泛的應(yīng)用，同時生活中的實際問題也使得對圖像識別技術(shù)的要求越來越高。圖像識別技術(shù)各個階段的比較中，特征提取的內(nèi)容和方法尤為重要。特征提取后的結(jié)果是分類器設(shè)計的依據(jù)，它直接決定了識別分類的效率和精度。圖像的實際研究過程中，特征提取容易受到噪聲、視角等的干擾。因此，在處理過程中提取出性能好且受噪聲干擾小的特征參數(shù)，是圖像應(yīng)用研究的重要課題[1]。

1 小波特征提取方法及其相關(guān)方法的比較

在對圖像進行處理的過程中，不可避免的要對圖像所包含的信息進行處理和分析，我們將不易受外界環(huán)境因素干擾的信息作為圖像的特征提取出來，這便是圖像的特征提取。特征提取簡單的說就是去除冗余信息的過程，圖像識別的精度也可以在圖像提取的過程中得以解決，從而間接性提高了運算速度。利用特征提取技術(shù)可以把圖像空間的高維特征變成特征空間的低維特征。為了更加形象生動地反映出圖像的本質(zhì)，我們在保持圖像樣本屬性不變的條件下，要保證提取的樣本屬性能更好地反映出圖像的本質(zhì)?；诓煌膱D像特征屬性和不同的特征提取方法會得到不同的特征描述參數(shù)。對于灰度圖像而言，最簡單特征參數(shù)無疑是特征點的灰度特征[2]?；叶忍卣饕子谑艿街車h(huán)境影響和干擾，由于灰度特征維數(shù)低，因此計算簡單。在近幾年的圖像處理研究中，圖像不變性特征的研究受到各國圖像科研人員的注視，也取得了明顯的成績。

小波分析的理論基礎(chǔ)是把一個信號分解成經(jīng)過相關(guān)變換后的一系列小波，分解后的小波是小波變換的基本單位。通常基于小波特征提取的方法有小波降維、小波去噪，以及小波系數(shù)歸一化。小波去噪法是將相關(guān)像素的圖像經(jīng)過多層小波變換，去掉第一層的小波系數(shù)，將剩余的小波系數(shù)作為輸入。小波降維是將原圖像做n層小波變換，保留原圖抽樣后的低頻部分。小波系數(shù)歸一化是將變換后的小波系數(shù)用系數(shù)的最大值去除，將系數(shù)歸一化到（-1，1）之間。我們可以采用特征提取方法將圖像作6層分解，然后對小波系數(shù)取絕對值，絕對值使小波系數(shù)的分布空間變?yōu)樵瓉淼囊话?，增加了系?shù)的聚類程度。

在小波的低頻部分，可以實現(xiàn)對大部分信息的保留，小波降維也正是利用這一特點進行操作的。但是，小波降維該方法僅僅是對圖像實現(xiàn)了降維，換句話說，僅僅是對圖像實施再次采樣，所以低頻部分會受到灰度變化帶來的影響，最終導(dǎo)致該方法不穩(wěn)定，處理效果不理想。小波去噪是在處理過程中去掉了第一層的小波系數(shù)，處理后的圖像還保留了大部分的高頻信息。因為系數(shù)的分布范圍比較廣，該方法最終沒有形成明顯特征的聚類，導(dǎo)致分類效果比較差。小波系數(shù)的歸一化方法使小波系數(shù)的分布更加集中，但是小波系數(shù)的聚類程度沒有被改變，所以和小波去噪沒有明顯的差別。綜上，我們可以通過對系數(shù)進行絕對值處理使系數(shù)的分布更加集中，同時對系數(shù)進行過濾排除小特征特性的影響。最終，該方法使小波系數(shù)形成明顯的聚類，突出了主要特征，比其他方法有更高的識別率和更低的誤識別率。

2 圖像不變矩法

作為圖像的一種區(qū)域性的描述，有些特征在平移和旋轉(zhuǎn)的過程中，會表現(xiàn)出一些特定不變的性質(zhì)，這對于形狀的特征分析來說是非常實用的，所以這種能力在圖像的處理和特定目標識別中的使用較為廣泛。在對圖像目標的描述中，形狀是重要的描述項目。在我們研究的圖像對象中，不變矩的特征屬于統(tǒng)計特征，它在平移和旋轉(zhuǎn)情況下能保持性質(zhì)不變。不變矩很好地反映了從一個函數(shù)到一些特定基本函數(shù)的映射關(guān)系，從而確保了由一定數(shù)量的不變矩描述圖像的可能性和可靠性。根據(jù)幾何不變量理論引進了幾何矩的概念，圖像的幾何矩是圖像函數(shù)在空間區(qū)域內(nèi)的積分。在圖像研究的過程中，通常情況下，都是認為圖像空間是有限的，同時各種積分操作都是在有限的空間內(nèi)實行。圖像的n階幾何矩、中心矩、以及歸一化中心矩，用它們的線性組合構(gòu)造了具有平移、旋轉(zhuǎn)和比例不變的7個經(jīng)典不變矩，為圖像矩理論奠定了基石。其中高階幾何矩易受噪聲影響，并且具有信息抑制、冗余等現(xiàn)象。圖像函數(shù)并不正交，存在相關(guān)性，因此很難利用幾何矩恢復(fù)圖像。這樣一來，很難對幾何矩的圖像的描述質(zhì)量進行評價。大量的研究表明，正交矩的獨立性好、具有很強的抗噪能力、也不會出現(xiàn)信息的冗余現(xiàn)象、具有良好的抽樣特性，非常適用于對多畸變不變圖形的描述以及識別。用正交矩進行圖像分析、圖像處理、以及圖像識別的研究項目很多。這表明不變矩理論在圖像信息處理與識別中的應(yīng)用技術(shù)具有很好的發(fā)展前景和應(yīng)用商機。

3 圖像特征提取技術(shù)呈現(xiàn)的發(fā)展趨勢

圖像提取技術(shù)利用原始的灰度特征以及其他的相關(guān)特征，實現(xiàn)圖像像素的全面表現(xiàn)。采用多種特征融合的提取技術(shù)，可以獲得更好的提取結(jié)果。在多種特征融合的基礎(chǔ)下，以進一步發(fā)展了多種提取方法的結(jié)合。之所以需要進行提取方法的結(jié)合，主要原因在于圖像目標具有多樣性，在成像上也存在不確定性。在提取復(fù)雜圖像的過程中，單一方法無法達到想要的結(jié)果，必須實施多種技術(shù)的融合，靈活的發(fā)揮各種技術(shù)各自的優(yōu)點，使得最后得到的圖像達到想要的效果。由于圖像的多樣性和各種社會需求的需要，我們在進行圖像處理的同時還要與圖像的相關(guān)分割方法相適。另外，還應(yīng)該進一步考慮到與分割技術(shù)的相互結(jié)合。在對特定圖形進行處理時，應(yīng)該選擇合適的提取方法，達到效果。在考慮圖像特征提取的多樣性和復(fù)雜性的基礎(chǔ)上，還要考慮處理的過程中與多種圖像分割技術(shù)相對應(yīng)，現(xiàn)有的理論和方法離實際復(fù)雜圖像的處理還有一定的距離，一些根本的問題還有待進一步深入研究。

當下，對于特征提取技術(shù)來說，還沒有實現(xiàn)統(tǒng)一有效的模式，其理論也在不斷發(fā)展。不同的提取算法會產(chǎn)生不一樣的圖像處理速度，我們要注重算法的研究，要善于總結(jié)出最優(yōu)秀的算法，提高處理速度。在算法的研究過程中，我們還要考慮算法的通用性，準確率以及自動化程度[3]。

4 結(jié)束語

本文簡要分析了小波特征提取與其他相關(guān)特征提取方法，介紹了圖像特征提取的發(fā)展趨勢。在圖像的處理過程中，要注意方法的合理使用?；谛〔ㄗ儞Q的特征提取及方法的選擇可以提高圖像目標的識別效果。采用小波系數(shù)的過濾，可以排除小特征的影響，突出目標特征。通過取絕對值等方法可以減少樣本在特征空間的分布范圍，使特征參數(shù)分布更加集中?？傊瑢τ趫D像特征提取技術(shù)的研究需要學(xué)者們更多的付出，更多的努力。

參考文獻

[1]雷英杰，張善文，李繼武，等.MATLAB遺傳算法工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2008.

[2]李柏年.模糊數(shù)學(xué)及其運用[M].合肥：合肥工業(yè)大學(xué)出版社，2007.

[3]熊焰，周偉國等.模糊神經(jīng)網(wǎng)絡(luò)在燃氣風(fēng)險評價的應(yīng)用[J].燃氣與熱力，2006，26（6）.