徐望明，石汉路

（武汉科技大学 信息科学与工程学院，湖北 武汉 430081）

图像特征提取是计算机视觉应用的根本基础。提取稳定而具有区分性的图像特征对于后续的一系列图像处理操作的效果具有重大的影响。图像的特征可分为全局特征和局部特征。由于全局特征难以应对图像畸变、遮挡、裁剪等情形导致其应用场合十分有限，近年来图像局部不变特征得以重视并飞速发展。然而，在大多数应用中，使用的是单一的局部特征。单一属性的局部特征只能描述图像某一方面的特性。局部特征的提取方法有多种，可以用多种性质互补的局部特征，即多角度局部特征，对图像内容形成多角度、更全面的描述。提取图像的多角度局部特征后，往往需要研究如何利用这些特征进行图像间相似性匹配，从而满足目标识别、图像检索等计算机视觉应用。基于稀疏编码的图像相似性匹配算法具有较少的空间与时间开销，能够适应大规模图像数据库的实时处理要求。

文中选取了SIFT、LBP、HOG这3种典型的图像局部特征作为多角度局部特征的实例，它们分别描述了图像的斑点区域特性、局部纹理特性和局部形状特性，结合基于稀疏编码的图像相似性匹配算法，并通过基于内容的图像检索实验验证了综合使用多角度局部特征相比单一局部特征能得到更高的检索正确率。

1 图像多角度局部特征提取算法

1）SIFT特征提取算法

SIFT（Scale Invariant Feature Transform，尺度不变特征变换）算法是David Lowe于2004年提出的一种对图像缩放、旋转、光照变化甚至遮挡和裁剪等保持不变性的特征提取算法。……