6.1  传统的特征提取方法

由于目标的多样性及其复杂性，使得寻找具有准确、全面描述目标特征信息和具有良好分类性能的图像目标特征以及提取这些特征就成为解决图像目标识别问题的关键。一般来说，不同的传感器使用不同的特征描述，特征提取方法也不相同。特征提取与选择就是对于预处理后的图像目标数据进行降维处理、去粗取精的过程。由于原始图像数据量相当大，为了快速计算出目标识别结果，减少计算量，必须把这些数据转换为若干个特征量，称为特征提取。为了提高识别的速度和精度，对提取的特征还必须进行降维，选择信息冗余度较小的特征量，并且具有比例、旋转和位移不变性等特性，增强提取方法的鲁棒性。

在提取目标特征时，提取的目标特征要尽可能地反映目标重要的、本原的特性。重要特征是指以它们作为特征分量能实现同类目标聚集、异类目标分散。本原特征是指特征绝对性强，尽可能地不依赖于提取目标特征时的条件和环境。这两个特征也就是要求所提取的特征量在同一类型目标上具有唯一性和稳定性，不同类型目标之间具有可区分性。特征提取和选择是目标识别的核心，也是识别分类器能准确识别目标的前提。保证所提取的目标的特征量稳定、可靠和实用是整个识别算法取得成功的关键。