مروری بر روش های استخراج ویژگی تصاویر

استخراج ویژگی یکی از مراحل مهم در یادگیری ماشین است. استخراج ویژگی های مطلوب باعث بهبود دقت طبقه بندی می شود. روش های استخراج ویژگی به صورت گسترده در مبحث طبقه بندی تصاویر استفاده می شود. ویژگی های یک تصویر شامل تمامی ساختارهای قابل تشخیص است که با توجه به ماهیت تصاویر، استخراج می شوند. پایگاه دادهی تصاویر می تواند شامل تصاویر رنگی و خاکستری باشد. همچنین قابل اعمال در حوزه های مختلفی همچون تشخیص دست نوشته، تشخیص چهره، تائید و شناسایی امضا، اسکنتصاویر مغز و سایر موارد باشد . روش های محلی استخراج ویژگی در مقایسه با رویکردهای سراسری، اطلاعات بیشتری بر اساس مناطق محلی در اختیار می گذارد. بدین ترتیب برای هر ویژگی، مناسب ترین طبقه بندی انجام می شود زیرا بردار ویژگی هایی که بر اساس تصاویر پایگاه داده تولید می شود به عنوان ورودی به فازهای انتخاب ویژگی و طبقه بندی وارد می شود. برخی از روش های موجود مانند الگوی دودویی محلی استاندارد، نسبت به نویز و چرخش حساس هستند بنابراین نسخه های بهبودیافته ای از آنها ارائه شده است

کلیدواژه ها:

استخراج ویژگی ، شناسایی امضا ، الگوی دودویی محلی