一种图像多投影角自相关特征的提取方法技术

本发明专利技术涉及一种图像多投影角自相关特征的提取方法。包括如下步骤：步骤1，输入图像，初始化支持域；步骤2，定义投影角采样集合；步骤3，对输入图像进行水平滤波和垂直滤波；步骤4，计算错切投影；步骤5，计算错切投影因子集合；步骤6，计算投影自相关集合；步骤7，输出多投影角自相关特征向量。能够提取数字图像的显著全局特征，可以应用于图像分类等领域。

【技术实现步骤摘要】
一种图像多投影角自相关特征的提取方法
本专利技术涉及一种数字图像处理领域，具体说是一种图像多投影角自相关特征的提取方法。
技术介绍
特征是某一类对象区别于其他对象的相应(本质)特点或特性，或是这些特点和特性的集合。特征是通过测量或处理能够抽取的数据。对于数字图像而言，每一幅图像都具有能够区别于其他类图像的自身特征，有些是可以直观地感受到的自然特征，如亮度、边缘、纹理和色彩等；有些则是需要通过变换或处理才能得到的，如矩、直方图以及主成份等。在数字图像处理和分析领域，先后出现了颜色特征、纹理特征、形状特征和空间关系特征等，极大地发展了图像分类，目标提取和模式识别等应用。但现有特征提取方法仍存在以下两个问题：(1)特征提取算法复杂度较大；(2)特征显著性有待提高。
技术实现思路
本专利技术提供了一种图像多投影角自相关特征的提取方法，联合多个投影角，运用错切投影，采用自相关的方法，去除冗余，提取图像的全局特征，计算量小，特征显著。为实现本专利技术的目标所采用的技术方案是：方法包括以下步骤：步骤1：输入图像I，初始化尺寸为L×L的正方形支持域Ds，其中正方形支持域Ds为滑动窗口，按从上到下，从左到右的顺序遍历图像I；步骤2：定义投影角采样集合Spsa＝{α∈(-π/2,π/2]:tanα＝y/x}，其中，x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤3：构造一维滤波器filter＝[4,-35,158,-692,0,692,-158,35,-4]/850，分别利用公式Ix＝I*filter和Iy＝I*filterT对图像I进行水平滤波和垂直滤波，其中符号*表示卷积运算符，符号T表示转置；步骤4：初始化错切投影因子集合SFsp为空集，基于支持域Ds，对于投影角采样集合Spsa中的投影角α，当α∈[-π/4,π/4]时，错切投影Hs＝x+ytanα，否则，错切投影Hs＝y+x/tanα，其中，其中x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤5：对于支持域Ds中的像素点(x,y)，计算错切投影因子Fsp＝(Ix)x,ycosα+(Iy)x,ysinα+Hs，其中，(Ix)x,y表示图像I的水平滤波结果Ix中坐标为(x,y)的取值，(Iy)x,y表示图像I的垂直滤波结果Iy中坐标为(x,y)的取值，SFsp＝{SFsp,Fsp}；步骤6：遍历支持域Ds中的所有像素点，迭代运行步骤5；步骤7：利用尺寸为L×L的正方形支持域Ds和错切投影因子集合SFsp，用公式(1)计算投影自相关AR(α)：步骤8：遍历投影角采样集合Spsa中的所有投影角，迭代运行步骤4～步骤7，得到投影自相关集合SAR，即多投影角自相关特征向量。所述的步骤1中的滑动窗口的尺寸L可根据所需多投影角自相关特征向量的维度及算法的计算量设定，L取值越大，多投影角自相关特征向量的维度越高，越能体现多投影角自相关特征向量的显著性，但算法的计算量越高。本专利技术的有益效果是：能够提取数字图像的显著全局特征，可以应用于图像分类等领域。附图说明图1是本专利技术的总体处理流程图。具体实施方式图1中，101是输入图像，初始化支持域步骤，102是定义投影角采样集合步骤，103是对输入图像进行水平滤波和垂直滤波步骤，104是计算错切投影步骤，105是计算错切投影因子集合步骤，106是计算投影自相关集合步骤，107是输出多投影角自相关特征向量步骤。下面结合附图详细描述本专利技术的具体实施方式。在步骤101，输入图像I，初始化尺寸为L×L的正方形支持域Ds，其中正方形支持域Ds为滑动窗口，按从上到下，从左到右的顺序遍历图像I。滑动窗口的尺寸L可根据所需多投影角自相关特征向量的维度及算法的计算量设定，L取值越大，多投影角自相关特征向量的维度越高，越能体现多投影角自相关特征向量的显著性，但算法的计算量越高。本专利技术将L设置为5。在步骤102，定义投影角采样集合Spsa＝{α∈(-π/2,π/2]:tanα＝y/x}，其中，x和y为支持域Ds中的像素点的横坐标和纵坐标。在步骤103，构造一维滤波器filter＝[4,-35,158,-692,0,692,-158,35,-4]/850，分别利用公式Ix＝I*filter和Iy＝I*filterT对图像I进行水平滤波和垂直滤波，其中符号*表示卷积运算符，符号T表示转置。在步骤104，初始化错切投影因子集合SFsp为空集，基于支持域Ds，对于投影角采样集合Spsa中的投影角α，当α∈[-π/4,π/4]时，错切投影Hs＝x+ytanα，否则，错切投影Hs＝y+x/tanα，其中，其中x和y为支持域Ds中的像素点的横坐标和纵坐标；在步骤105，对于支持域Ds中的像素点(x,y)，计算错切投影因子Fsp＝(Ix)x,ycosα+(Iy)x,ysinα+Hs，其中，(Ix)x,y表示图像I的水平滤波结果Ix中坐标为(x,y)的取值，(Iy)x,y表示图像I的垂直滤波结果Iy中坐标为(x,y)的取值，SFsp＝{SFsp,Fsp}，遍历支持域Ds中的所有像素点。在步骤106，利用尺寸为L×L的正方形支持域Ds和错切投影因子集合SFsp，用公式(2)计算投影自相关AR(α)：在步骤107，遍历投影角采样集合Spsa中的所有投影角，迭代运行步骤104～步骤106，得到投影自相关集合SAR，即多投影角自相关特征向量。本文档来自技高网...

【技术保护点】
1.一种图像多投影角自相关特征的提取方法，其特征在于包括以下步骤：步骤1：输入图像I，初始化尺寸为L×L的正方形支持域Ds，其中正方形支持域Ds为滑动窗口，按从上到下，从左到右的顺序遍历图像I；步骤2：定义投影角采样集合Spsa＝{α∈(‑π/2,π/2]:tanα＝y/x}，其中，x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤3：构造一维滤波器filter＝[4,‑35,158,‑692,0,692,‑158,35,‑4]/850，分别利用公式Ix＝I*filter和Iy＝I*filterT对图像I进行水平滤波和垂直滤波，其中符号*表示卷积运算符，符号T表示转置；步骤4：初始化错切投影因子集合SFsp为空集，基于支持域Ds，对于投影角采样集合Spsa中的投影角α，当α∈[‑π/4,π/4]时，错切投影Hs＝x+ytanα，否则，错切投影Hs＝y+x/tanα，其中，其中x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤5：对于支持域Ds中的像素点(x,y)，计算错切投影因子Fsp＝(Ix)x,ycosα+(Iy)x,ysinα+Hs，其中，(Ix)x,y表示图像I的水平滤波结果Ix中坐标为(x,y)的取值，(Iy)x,y表示图像I的垂直滤波结果Iy中坐标为(x,y)的取值，SFsp＝{SFsp,Fsp}；步骤6：遍历支持域Ds中的所有像素点，迭代运行步骤5；步骤7：利用尺寸为L×L的正方形支持域Ds和错切投影因子集合SFsp，用公式(1)计算投影自相关AR(α)：...

【技术特征摘要】
1.一种图像多投影角自相关特征的提取方法，其特征在于包括以下步骤：步骤1：输入图像I，初始化尺寸为L×L的正方形支持域Ds，其中正方形支持域Ds为滑动窗口，按从上到下，从左到右的顺序遍历图像I；步骤2：定义投影角采样集合Spsa＝{α∈(-π/2,π/2]:tanα＝y/x}，其中，x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤3：构造一维滤波器filter＝[4,-35,158,-692,0,692,-158,35,-4]/850，分别利用公式Ix＝I*filter和Iy＝I*filterT对图像I进行水平滤波和垂直滤波，其中符号*表示卷积运算符，符号T表示转置；步骤4：初始化错切投影因子集合SFsp为空集，基于支持域Ds，对于投影角采样集合Spsa中的投影角α，当α∈[-π/4,π/4]时，错切投影Hs＝x+ytanα，否则，错切投影Hs＝y+x/tanα，其中，其中x和y为支持域Ds中的像素点的横坐标和纵坐标；步骤5...

【专利技术属性】
技术研发人员：施文灶，程姗，何代毅，林志斌，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35