图像处理研究结构图

不分区对图像直接提取特征。

基于余弦的颜色相似度描述

颜色聚合向量的主要思想是统计图像像元时根据连通块数量分为连通向量和不连通向量。优点：统计了空间像素块的大小保留了一定的空间位置信息。不足：颜色聚合向量没有考虑到颜色背景以及相同颜色块的形状问题，位置信息保留仍有不足。

累计直方图

LLBP特征

光照是影响颜色特征提取的一个重要因素。

MLBP模式

不足

支持向量机

颜色直方图主要思想是统计了每个图像不同的颜色的像素出现的个数。优点：具有旋转、平移和缩放不变性。不足：1)颜色直方图不能保存空间位置信息，只使用颜色特征容易造成误分现象[12]。2）地图中真彩色颜色集颜色数量过多，计算会耗费大量的资源和存储空间。3）颜色特征是全局的。很难针对需要的特征进行特征统计。4)图像的颜色空间有多种，不同特征空间在人眼中的感官效果不同[12]。5）普通颜色直方图维数过大对于颜色单一的彩色图像会产生一个稀疏数组浪费存储空间。6）传统颜色直方图内颜色表相邻颜色间完全独立不能表达相近颜色间的相关性[14]。

文献23将LBP模式运用奇偶分解思想进行拆分得到基于分解的LBP模式，拆分后维数降为16维进一步减小了维数。

算子结合各向同性采样和各向异性采样对局部二值模式进行扩展，利用图像金字塔技术提取纹理图像的微结构和宏观结构信息。根据图像金字塔上各种特征对纹理描述的贡献分配恰当的权重[4]。

直方图距离

颜色直方图

文献33在统一二值模式中融入傅里叶变换生成局部二值模式傅里叶直方图。

基于区域的特征提取主要是运用图像分割的方法将图像分割，使得区域内的颜色大致相同之后进行特征提取。主要方法有：区域分裂与合并法、区域生长法、分层聚类法、密度估计法等。

文献23针对中心点为亮点和暗点的LBP值可能相同的情况引出MLBP模式。思路为首先提取邻域与中心的差值，之后检索差值的平均值作为阙值然后提取特征得到MLBP特征。

文献24给出了一种利用DWT最低频的n*n小方块作为图像的颜色空间分布表示的特征提取方法。

R（红）G（绿）B（蓝）特点：1）RGB颜色模型的通用性很好且图像交流很方便。2）空间模型的非线性容易造成颜色分离中的误分离，造成遗漏了有用的信息或夹杂了无用的信息。

基于变换的方法主要是将空间域转换为频率域然后将图像进行滤波提取特征。以小波变换居多。

步骤

多环局部二值模式

文献30为了保证图像的旋转不变性，对图像的局部二值模式进行不断旋转得到最小值也就是旋转不变二值模式。这样保证了局部二值模式具有旋转不变性。

1）支持向量机是针对大量样本训练将十分耗费时间。文献41研究的 SMO 算法可以解决这个问题。2）支持向量机针对的是二分类问题，但是实际问题中往往需要多分类。

文献4分析了三种光照变化对局部二值模式方法的影响。针对其中的反射光照变化，提出了一种梯度局部二值模式算法。该方法对线性变换的图像具有很好的表达能力。文献19针对光照对图像分类的影响提出了灰度变换和灰度拉伸来进行抹平光照带来的影响。文献22针对图像的光照影响提出使用加权直方图对颜色进行归一化消除光照的影响但是另一方面也去除了图像的光照信息。文献23分析了如何对光照效果的不同进行处理。主要是采用光照建模和对数变换经过预处理和归一化提取光照变化的特征。

对颜色空间进行等间距分割特点：1）简答可行。2）可能会隐去少量重要但稀少的信息使得表达能力下降。

文献32提出根据参数将LBP特征划分为凹凸两类分别统计之后合并。

文献18使用了累计直方图对色彩风格进行了分类。

颜色特征提取

局部二值模式傅里叶直方图

不固定颜色模板

颜色矩反映的是颜色直方图内不同像元之间的像元值分布变化。优点：十分简洁。不足：表达能力相对较弱，需要结合其它的特征使用。

等间距量化

1）特征的检测与表达。2）生成词典。3）形成每幅图像的视觉词袋向量。4）分类决策。

基于区域的方法

H（色调）S（饱和度）V（亮度）特点：1）亮度分量与图像的彩色信息无关;2）色调和饱和度分量与人感受颜色的方式紧密相连。

消除光照影响

颜色相似度

文献17提出基于RGB颜色矩和Munsell颜色矩的图像特征提取检索算法，对噪声有一定的鲁棒性，适用于特征较少的情况。

文献6提出将图像的前景和背景通过灰度直方图的阙值进行分割，使得重要的特征被保留了下来。文献9首先提取图像的显著性图，并进行归一化处理得到加权矩阵。之后对图像进行颜色聚合向量提取，并根据加权矩阵进行加权处理。最后通过计算两幅图像之间的加权颜色聚合向量相似度进行图像检索。文献14综述了基于灰度直方图的图像分割算法。

多结构局部二值模式

文献9使用了均值量化。

地球移动距离

基本LBP模式扩展

颜色矩

欧氏距离

多环局部二值模式采用合并的策略，将位于相同环上采样点的信息合并构建旋转不变的LBP算子[4]。

优点

差值LBP模式

颜色空间

提取特征的主要方式

基于变换的方法

分块提取特征

词袋法

RGB

基于颜色和LBP特征的地图图像分类技术

LBP差值模式

HSV

均一二值模式

凹凸局部二值模式

对颜色空间进行不等距分割特点：1）可以对颜色有一个更好的理解。2）需要针对每一个需求进行定制。

全局提取特征

局部二值模式

颜色聚合向量

文献19和31先与中性图片进行差值之后提取图像LBP模式。用于反映人脸的表情细微变化。

旋转不变二值模式

颜色特征

根据一定规则将图像划分为给定区域进行特征提取。

Lab

L（亮度）a（红绿轴）b（黄蓝轴）1) Lab颜色空间中亮度和颜色是分开的， L通道没有颜色，a通道和b通道只有颜色。2)在Lab中进行调节很简单，速度很快。3) 色域宽阔 。它不仅包含了RGB，CMYK的所有色域，还能表现它们不能表现的色彩，人的肉眼能感知的色彩，都能通过Lab模型表现出来.4)它弥补了RGB色彩模型和CMYK色彩模式色彩分布不均的不足。

颜色量化

文献19和31为了比较人的表情中的细微差别，提出了LBP差值模式即先提取图像的LBP模式之后与中性图片进行差值。

文献19针对人脸提出LLBP特征，主要思想是首先定义眼睛、鼻子、眉毛等特征点的位置。根据提取的特征点的位置提取出特征点周边的特征区域，从而将人脸图像划分成为几个子区域之后提取特征。但是人脸特征点相对位置固定，它提取的特征也相对固定，换到地图环境中由于各类地图的特征变化较大，分类后的特征比较难于固定。

局部排序二值模式

文献26将图像进行重采样之后提取LBP模式。文献27将LBP模式扩展到椭圆形区域，以满足LBP描述对人脸特征的要求，并将圆形作为一种特殊的形式。文献28使用圆形均匀LBP模式进行煤显微组分的自动分类。文献29研究用圆形、椭圆、抛物线、曲线等扩展模式进行特征提取。

基于划分的方法

固定颜色模板

马哈拉诺比斯距离

DLBP模式

非定间距量化

局部排序二值模式根据变换策略，对局部邻域采样点排序，利用中心点在排序序列中的位置描述旋转变化的局部结构[4]。

曼哈顿距离

主要颜色特征