顏色特征提取方法

計算機視覺的特征提取算法研究至關重要。在一些算法中，一個高復雜度特征的提取可能能夠解決問題（進行目標檢測等目的），但這將以處理更多數據，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數字圖像中的像素值進行相應轉換，表現為數值即可。因此顏色特征以其低復雜度成為了一個較好的特征。

在圖像處理中，我們可以將一個具體的像素點所呈現的顏色分多種方法分析，并提取出其顏色特征分量。比如通過手工標記區域提取一個特定區域（region）的顏色特征，用該區域在一個顏色空間三個分量各自的平均值表示，或者可以建立三個顏色直方圖等方法。下面我們介紹一下顏色直方圖和顏色矩的概念。

顏色直方圖：
顏色直方圖用以反映圖像顏色的組成分布，即各種顏色出現的概率。Swain和Ballard最先提出了應用顏色直方圖進行圖像特征提取的方法[40]，首先利用顏色空間三個分量的剝離得到顏色直方圖，之后通過觀察實驗數據發現將圖像進行旋轉變換、縮放變換、模糊變換后圖像的顏色直方圖改變不大，即圖像直方圖對圖像的物理變換是不敏感的。因此常提取顏色特征并用顏色直方圖應用于衡量和比較兩幅圖像的全局差。另外，如果圖像可以分為多個區域，并且前景與背景顏色分布具有明顯差異，則顏色直方圖呈現雙峰形。

顏色直方圖也有其缺點：由于顏色直方圖是全局顏色統計的結果，因此丟失了像素點間的位置特征?？赡苡袔追鶊D像具有相同或相近的顏色直方圖，但其圖像像素位置分布完全不同。因此，圖像與顏色直方圖得多對一關系使得顏色直方圖在識別前景物體上不能獲得很好的效果。

考慮到顏色直方圖的以上問題，主色調直方圖便產生了。所謂主色調直方圖基于假設少數幾個像素的值能夠表示圖像中的絕大部分像素，即出現頻率最高的幾個像素被選為主色，僅用主色構成的主色調直方圖描述一幅圖像。這樣的描述子并不會降低通過顏色特征進行匹配的效果，因為從某種角度將，頻度出現很小的像素點可以被視為噪聲。

顏色矩：
顏色矩是一種有效的顏色特征，由Stricker和Orengo提出[41]，該方法利用線性代數中矩的概念，將圖像中的顏色分布用其矩表示。利用顏色一階矩（平均值Average）、顏色二階矩（方差Variance）和顏色三階矩（偏斜度Skewness）來描述顏色分布。與顏色直方圖不同，利用顏色矩進行圖像描述無需量化圖像特征。由于每個像素具有顏色空間的三個顏色通道，因此圖像的顏色矩有9個分量來描述。由于顏色矩的維度較少，因此常將顏色矩與其他圖像特征綜合使用。

顏色集：
以上兩種方法通常用于兩幅圖像間全局或region之間的顏色比較、匹配等，而顏色集的方法致力于實現基于顏色實現對大規模圖像的檢索。顏色集的方法由Smith和Chang提出[42]，該方法將顏色轉化到HSV顏色空間后，將圖像根據其顏色信息進行圖像分割成若干region，并將顏色分為多個bin，每個region進行顏色空間量化建立顏色索引，進而建立二進制圖像顏色索引表。為加快查找速度，還可以構造二分查找樹進行特征檢索。