Обнаружение функции
В компьютерном зрении и обработке изображений концепция обнаружения признаков относится к методам, которые направлены на вычисление абстракций информации об изображении и принятие локальных решений в каждой точке изображения, независимо от того, имеется ли в этом месте особенность изображения данного типа или не. Получающиеся элементы будут подмножествами области изображения, часто в форме изолированных точек, непрерывных кривых или связанных областей.
Обнаружение элементов = как найти некоторые интересные точки (элементы) на изображении (например: найти угол, найти шаблон и т. Д.) *
Извлечение функции
При распознавании образов и обработке изображений извлечение признаков является особой формой уменьшения размерности. Когда входные данные для алгоритма слишком велики для обработки, и предполагается, что они заведомо избыточны (много данных, но не много информации), тогда входные данные будут преобразованы в набор функций с уменьшенным представлением (также называемый вектором признаков) , Преобразование входных данных в набор функций называется извлечением объектов. Если извлеченные функции выбраны тщательно, ожидается, что набор функций извлечет соответствующую информацию из входных данных, чтобы выполнить желаемую задачу, используя это сокращенное представление вместо полноразмерного ввода.
Извлечение объектов = как представить интересные точки, которые мы нашли, чтобы сравнить их с другими интересными точками (функциями) на изображении. (Например, локальная интенсивность области этой точки? Локальная ориентация области вокруг точки? И т. Д.)
Практический пример: вы можете найти угол с помощью метода угла Харриса, но вы можете описать его любым способом, который вам нужен (например, гистограммы, HOG, локальная ориентация в 8-й смежности)
Здесь вы можете увидеть больше информации,
Ссылка на Википедию
Julien, (Помогло с википедией: p)