知识卡片
模式特征与颜色特征的取舍
模式特征分析局部区域内像素之间的排列关系,而不是绝对灰度。Gabor 滤波器用多尺度多方向的带通响应刻画纹理;LBP 比较中心像素与邻域的大小关系,得到二值模式直方图,对单调光照变化稳健;Poselets 描述人体部件的姿态组合;CENTRIST 用 census 变换捕捉场景的整体结构;LAB 把局部二值特征组合以兼顾精度与速度。这类特征判别力强,但维度通常远高于梯度特征,特征提取与分类的计算量随之上升。 颜色特征统计局部颜色值的概率分布,如颜色共生矩阵、颜色自相似、HSV 空间的 SIFT。颜色对图像尺寸、梯度、视角的依赖较小,因此鲁棒性较高,且在目标形变时仍相对稳定。
两者的适用边界很清楚:模式特征怕纹理混淆与高维开销,颜色特征怕“没有颜色”。红外图像、夜视图像颜色信息缺失或退化,颜色特征直接失效,此时必须回到梯度或模式描述。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 概述
原书出处 · 1 处
- 第1章 概述 · 查看原书依据
颜色特征主要描述了图像中的颜色信息,对图像自身的尺寸、梯度和视角的依赖性较小,从而具有较高的鲁棒性。然而,当处理颜色信息不足或不存在的图像(如红外图像)时,颜色特征的使用会受到限制
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html)
- 结论依据:**模式特征**分析局部区域内像素之间的排列关系,而不是绝对灰度。
- 原始内容:颜色特征主要描述了图像中的颜色信息,对图像自身的尺寸、梯度和视角的依赖性较小,从而具有较高的鲁棒性。然而,当处理颜色信息不足或不存在的图像(如红外图像)时,颜色特征的使用会受到限制