¿Cómo funciona la extracción de características en el procesamiento de imágenes?

La extracción de características comienza a partir de un conjunto inicial de datos medidos y crea valores derivados (características) destinados a ser informativos y no redundantes, lo que facilita los pasos de aprendizaje y generalización posteriores y, en algunos casos, conduce a mejores interpretaciones humanas. La extracción de características está relacionada con la reducción de dimensionalidad.

Cuando los datos de entrada a un algoritmo son demasiado grandes para ser procesados ​​y se sospecha que son redundantes (por ejemplo, la misma medición en pies y metros, o la repetitividad de las imágenes presentadas como píxeles), entonces se puede transformar en un conjunto reducido de características (también denominado un vector de características). La determinación de un subconjunto de las características iniciales se denomina selección de características . Se espera que las características seleccionadas contengan la información relevante de los datos de entrada, de modo que la tarea deseada se pueda realizar utilizando esta representación reducida en lugar de los datos iniciales completos.