视频特征提取技术

特征提取是视频检索系统中的关键，在视频分割成镜头之后需要对各个镜头进行特征抽取，得到一个尽可能充分反映镜头内容的特征空间,这个特征空间将作为视频聚类和检索的依据。特征提取有镜头层次上的运动特征的提取以及关键帧层次上的静态视觉特征的提取等。运动是视频特有的特性，包括对象的运动和摄像机的运动，特别是对象的运动是很重要的信息。视频处理技术的快速发展，为运动特征的提取、分析、处理提供了有力的基础。可以利用现有的运动抽取工具，从视频源中收集"时空"特征，然后把这些数据集成到数据库中,对运动数据进行分析，这样，用户就可以进行视频运动挖掘，发现视频对象的运动模式特点以及运动对象之间的关联等，进而获取知识，而这些获取的知识又可以应用于实时视频的监控、警告等。

声明：部分内容及图片来源于网络，如有侵权请联系删除。

（1）颜色特征

颜色特征是在图像检索中应用最为广 泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜包特征对图像本身的尺才，方向、视角的依赖性较小，从而具有较高的稳健性。

图像颜色特征的表达涉及如下三个方向的同题：一悬着一个适合的色颜空间，二是将颜色特征量化为向量形式;;三是定义一种相相似度(距离)标准用来度量不同图像之间在颜色上的相似性。实验证明，HSV颜色模型与人类对颜色的感知接近，可以更好地反映人对色彩的感知和鉴别能力。非常适合基于颜色的图像相似性的比较。

(2)纹理特征

纹理也是描述图像内容的一个重要特征 ，特别是对灰度呈梯度变化的图像。它是一种不依赖于颜色或亮度的反应图像中同质现象的可视化特征，它能反映宏观意义上灰度变换的一些规律。从人类的感知经验出发，纹理特征主要有粗糙性、方向性和对比度这也是用于检索的主要特征。

基于纹理特征的图像检索技术与纹理分类技术密切相关。纹理分类就是通过图像处理技术提取纹理特征,研究这些纹理在图像中反复出现的局部模式和它们的排列规则，获得对纹理的定量描述，进而对图像或物体进行正确分类。

对纹理图像的描述常借助纹理统计特性或结构特性进行，对基于空间域的性质也常可转换/变换到频率域进行研究，所以常用的三种纹理描述方法是:

①统计法。统计法是根据像索灰度的统计特性确定纹理特征的,如直方图统计特征法、自相关函数法等;这种方法被用于分析像木纹、沙地及草地等纹理细而又不规则物体。

②频谱法。频谱法是将图像变换到频域，从频谱导出其纹理特征的。如基于傅里叶变换的纹理描述、基于小波变换的纹理描述等。

③结构法。结构法是将复杂的纹理图像通过特征提取和分割得到局部基元和它们的属性及其相互关系，对纹理基元及其排列规则进行描述、分析和解释。这种方法适用于分析布料图案或砖的花样等一类由规则基元组成的纹理。 结构法纹理描述在实际运用中没有统计法和频谱法那样广泛。这些方法的共同点在于提取了特定纹理描述中最重要的特征，突出了纹理的不同方面。

(3)形状特征

形状是刻画物体最本质的特征，也是最难提取和描述的图像特征之一，在人的视觉感知、识别和理解中形状是一个重要的参数。 基于形状的图像检索是图像检索中难度较大的一种。通常来说，形状特征有两种表示方法,一种是轮廓特征，另一种是区域特征。图形轮廓特征用到物体的外边界，而图像区域特征则关系到整个形状区域。



返回