文献综述
1.1课题研究背景以及发展趋势
随着现代社会的不断进步，21世纪已然成为信息的时代，人们在日常生活中会不断地产生信息，传输信息以及接受信息。而我们可以用来描述信息的一种普遍的方式便是利用图像，图像是人们感知世界的视觉基础，我们每时每刻都在接触各式各样的图像。1964年美国首先提出月球表面图像，从此之后，世界各地开始对数字图像处理进行研究[1]，在研究过程中，便产生了图像特征提取的方法，利用计算机提取图像信息是图像识别的良好的途径，特征提取的结果决定了识别分类的效率和精度[2]，所以特征提取是图像处理中一个非常重要的环节。后来Hara lick提出了GLCM方法，为特征提取技术提供了良好的理论基础，而90年代以后，人们通过对经典方法的不足之处进行改进，发明了更为精确的小波理论[3]，在小波变换特征提取技术的基础上，人们有了更加宽广的思路，从而对数字图像处理进行更加深刻的研究。如今，我们可以把图像特征提取技术的方法主要分为4个方向：颜色特征提取，纹理特征提取，形状特征提取以及空间关系特征提取。运用这几种方法，我们可以更好地对图像进行特征提取，并且应用在实际生活中，比如，对病理图像进行特征提取，利用纹理特征和像素密度特征提取技术[4]，将病理图像转变为样本，这样就可以使我们更好地理解病理图像和病理特征的对应关系，从而便利医护人员。虽然图像特征提取技术因为其有效性、多样性而被广泛的运用于各个领域，但是在图像特征提取技术中仍然存在一定的缺陷，技术所需要的计算很庞大，特征提取技术的多样性也反映了目前我们并没有统一的标准，因此在未来的研究发展中，如何合理的降低计算量以及能够实现统一标准仍需进行更加深层次的研究。
1.2图像特征提取方法
（1）颜色直方图
颜色直方图是图像检索中被广泛使用的颜色特征，它能描述一幅图像中颜色的分布，即是哪些颜色及各种颜色分量的比例，优点在于能够描述那些难以自动分割的图像。颜色直方图可以基于不同的颜色空间，常见的颜色空间有RGB空间、HSV空间，还有HIS、HSL、HSB、CMYK空间等。而颜色直方图主要分为全局直方图、局部直方图以及累加直方图[5]。在视觉特征里面，颜色是最为直观的特征，所以颜色直方图是图像特征提取中运用非常普遍的方法。
（2）Canny边缘提取
Canny算法在许多边缘检测中得到了广泛的运用，主要是由于算法相对简单。Canny边缘提取的基本原理是首先满足信噪比准则，即对原始信号运用高斯滤波器进行去噪声的处理，然后提取出的边缘点应该尽可能的靠近真实边缘中心，最后是保证提取出的单边缘只有一个响应[6]。根据上面的步骤可以得到最佳的边缘检测算子并且计算简单，但是Canny边缘提取也存在一定的问题，比如高斯滤波器会对图像过度平滑并且造成缓变边缘的丢失。
（3）角点提取
角点提取检测算法主要分为三类：基于灰度图像的角点检测、基于二值图像的角点检测和基于边缘轮廓曲线的角点检测。首先是基于灰度图像的角点检测，归纳出三种方法：基于梯度的方法、基于模板的方法以及基于模板梯度组合的方法。基于梯度的方法是通过边缘的曲率判断角点是否存在，而且此方法对噪声较敏感。基于模板的方法是比较像素邻域点的灰度变化，比邻点亮度足够大的点为角点。基于模板梯度组合的方法是将灰度曲率角点检测和模板角点检测结合[7]。其次是基于二值图像的角点检测，由于二值图像处于灰度和轮廓图像的中间步骤，所以即使计算量不大，这个方法不是经常使用。最后是基于边缘轮廓曲线的角点检测，这个方法包含了计算角点强度k、曲线曲率的极值以及进行尺度空间的角点检测[8]。三种方法里面最为直接、较准确的是基于模板的方法，如果要求较高，那么基于轮廓的多尺度分析较好。
