图像特征综述

前言：

       关于集合：在计算机科学领域，离散数学是非常重要的学科，在图像处理领域，这种重要性更加直观。

一：特征可靠性的来源：

1. 数据离散化：

      图像与人的交互是其研究价值的根本，可视化是必须的；若图像不能具体可视化，即只可称之为数据，则可排斥出图像研究领域，即图像完整描述必须完成可视化。

      离散图像——图像可视化的实现：所有完成图像数据可视化的介质都只能完成图像数据离散的描述：古老的CRT为阴极射线激发荧光粉生成光斑点，画面本质上是离散的，CRT以推出大多数应用领域，可以暂且不谈；等离子为等离子激发稀有气体发射紫外线，紫外线激发荧光粉发出可见光，以粉为点；LED以液晶分子的阵列转换改变透视特性来显示色彩，图像描述为像素；OLED为有机自发光，以自发光有机分子作为原子像素。

      图像准确性：图像的介质转换以离散数据的方式进行，和图像真实定义（形状特性等）产生偏差，在信息接收到额过程中，再次从离散数据归结为图像数据，这个过程就是 拟合。对于拟合过程来说，准确数据越多，拟合越精确，因此图像数据描述定义和显示设备 都进行着像素大战。

      可拟合性的基础：图像像素排列的硬规则。

      （1）：图像的硬性规则描述

                 矢量图像：严格的说，矢量图像仅仅是一种图像数据描述，其可视化是其定义无法实现的。即矢量图像只给出了定义和方法级别的描述，而未给出其实现的描述。

                 点阵图像：图像的点阵排列规则是图像像素可拟合性的基础。

                       两种常用方式：正方形点阵和 六边形 蜂窝状点阵

                 蜂窝状点阵：优点是在描述线的相交时是无歧义的；确定是描述垂直时时有歧义的；

                 正方形点阵：虽然在描述线的相交时出现问题，但其对垂直的描述是 无歧义的，因此对正交可以很好的描述，与欧式空间坐标系更能相符合，为描述方式的主流。

      （2）：正交离散坐标系

           正交离散坐标系为欧式离散坐标系，其可描述性为欧式离散空间，即多维整数空间，所有图像的描述最后必定归结为多维整数空间的描述。

     

2. 图像特征描述   

（1）：特征的直线特性：y=ax+b的参数描述，可以把直线的点集数据规约到二维，两条直线的距离 和相似度 表示为 两个方程的 距离和相似度。

                     S1：( f1: y=a1x+b1 )     S2： (f2: y=a2x+b2 )

                     Dis(S1,S2) ——>Dis(f1,f2)——>Dis( (a1,b1),   (a2,b2)  )  

           直线来源：点集的直线拟合。

           拟合准确性：拟合的方差和偏差等数值描述。

           特征准确性：集合到集合的距离表示为函数和函数的距离，如何保证这个映射的同态性。

（2）：特征的曲线特性：y=a1x^n+ a2x^(n-1)......+ (aN-1) x + aN的参数描述，可以把直线的点集数据规约到N维，两条曲线的距离 和相似度 表示为 两个方程的 距离和相似度。          

          参考数值计算的相关知识...............

（3）：二维图像特征描述：参考局部图像特征描述概述

       

3.三维图像特征

         三维图像在三维空间内进行表示，增加的纬度信息给图像特征提取开拓了空间，并降低了约束。对于可获得精确Z轴信息的三维图像，其特征缩放不变性即尺度 便不需要再考虑；其增加的Z轴信息，也使图像离散描述扩展到三维空间，特征提取面向于三维整数集合。

         图像三维特征综述：基于三维形状的三维图像检索