视觉特征提取研究现状（二）

1.纹理特征（难懂）

通过分析所获得的纹理特征一般用来刻画图像中领域像素的灰度分布（不太懂，先建立概念）。当前纹理特征的提取方法可以分为四类：基于统计的方法，频谱，结构，模型

2.兴趣点特征

图像的局部特征越来越重要，局部特征具有更好的鲁棒性和紧凑性。
局部特征提取一般分为两个步骤：首先从图像中提取兴趣点和兴趣区域，其次对兴趣点和兴趣区域进行特征描述。图像中的兴趣点一般是指在各种变换下都具有一定不变性的特殊位置，这些位置可以是形状边界上的曲率极值点，具有类角结构的点，具有仿射不变性的点等。这些点可以通过兴趣点检测的算法来得到，之后再通过局部特征描述符来计算兴趣点对应的特征。

3.词袋模型

概念：在基于兴趣点的局部特征基础上，构建视觉词袋模型来对图像内容进行表示是当前研究的热点。其主要思想是通过对图像局部特征（词干）进行聚类来构建视觉词汇表（类似于词典），由此将每个局部特征量化为一个视觉单词，用视觉单词统计直方图（关键词）来表示图像内容。但是构造词汇表效率低，需要对算法进行优化。树形结构+分层迭代。还有一种是直接使用网格结构平均切分（类似于k-gram）。

扩展：在视觉词袋模型中，局部特征到视觉单词的映射可看为一个量化的过程，当前一些工作主要针对量化过程中出现的问题进行深入研究。信息丢失：1对n的映射，视觉包。

另外两个问题：空间信息，语义信息。