业界进行外表缺点检测时常用的图画特征有几许特征、形状特征、色彩特征、纹路特征和灰度特征。

 

　　缺点***基本的特征便是几许特征，一般用缺点的区域周长、面积巨细、方位和缺点质心等信息来表示。缺点周长和面积巨细分别为缺点鸿沟及内部的像素点数量，经过核算像素个数即可提取其几许特征。

 

　　形状特征指的是其矩形度、细长度、圆形度、致密度、不变矩、偏心率等描绘信息。对形状特征的描绘首要能够分为根据概括形状和根据区域形状两类，区别办法在于形状特征仅从概括中提取仍是从形状区域中提取。几许特征和形状特征的结合是区别缺点类型的重要依据。

 

　　色彩特征是图画检索中运用***广泛的视觉特征，也是人们识别图画***首要的感知特征。与几许特征和形状特征不同，色彩特征具备必定的旋转、平移不变性，鲁棒性较强。色彩特征能够经过色彩直方图、色彩聚合向量、色彩矩等办法来提取和匹配。

 

　　纹路特征是图画固有的一个重要特征，体现了物体外表的具有缓慢变化或者周期性变化的外表结构组织排列属性。常用的描绘纹路特征的办法有核算法和频谱法。核算法是运用图画的直方图的矩对纹路结构进行描绘，频谱法是依据傅里叶频谱特性来描绘图画的纹路结构。

 

　　缺点的灰度特征是一种在图画的灰度量化级内，对各像素点灰度值的散布来进行核算的表征量，可运用图画的灰度直方图信息（如方差、均值、熵）获得图画的灰度特征。

 

　　缺点图画的特征提取实现了从图画空间到特征空间的转化，在实际项目中一般将图画的多种基本特征组合，构成综合性的缺点描绘特征向量。然而，并非一切特征对后续的缺点检测与图画理解有效果。如果特征提取的过多，使得特征向量维度较高，会带来较多的冗余信息和复杂的核算量，还需要再运用主成分分析（Principal Components Analysis，PCA）等办法进行降维。如果特征提取的较少，则会导致对缺点的描绘不行准确，使得准确率和精度不尽人意。