一种图像特征提取方法、装置及电子设备制造方法及图纸

本申请公开了一种图像特征提取方法、装置及电子设备，用以在图像识别的图像特征提取阶段中，对图像样本进行小波变换，并通过对图像样本数据进行降维来提取关键特征，从而去除图像样本中与主要特征无关的噪声，提升了图像特征提取的效率，进而改善图像识别准确度。进而改善图像识别准确度。进而改善图像识别准确度。

【技术实现步骤摘要】
一种图像特征提取方法、装置及电子设备


[0001]本申请涉及图像处理领域，尤其涉及一种图像特征提取方法、装置及电子设备。

技术介绍

[0002]随着人们对生物特征识别技术发展的兴趣日益浓厚，图像识别逐渐在日常生活中被广泛应用。图像特征提取作为其中一个重要的技术环节，决定了图像识别的准确率。
[0003]由于在采集图像时光照和角度等参数的影响，使得从所采集的图像中提取的图像特征中存在大量与主要特征无关的噪声，影响了图像特征提取的效果，从而使图像识别的结果不准确。

技术实现思路

[0004]本申请提供了一种图像特征提取方法、装置及电子设备，用以在图像识别的图像特征提取阶段中，去除图像样本中与主要特征无关的噪声，并改善了图像特征提取的效果，从而提升图像识别的准确度。
[0005]第一方面，本申请提供了一种图像特征提取方法，所述方法包括：
[0006]获取M个不同类别的重构图像样本集，其中，所述重构样本图像集基于对M个图像样本集中的每个图像样本进行小波变换得到，每个重构图像样本集中为同一类别的重构图像样本，M为大于0的整数；
[0007]基于M个重构图像样本集中包括的重构图像样本的矩阵和样本总数，确定总体均值矩阵，其中，样本总数为M个重构图像样本集中包括的所有重构图像样本数量之和；
[0008]确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，其中，所述类均值矩阵基于每个重构样本集中的所有重构图像样本矩阵得到；
[0009]根据所述总体均值矩阵与所有类均值矩阵计算协方差矩阵，并确定所述协方差矩阵的R个最大特征值，其中，R为大于1的整数；
[0010]根据每个最大特征值对应的特征向量分别提取每个图像样本各自对应的图像特征。
[0011]通过上述方法，对图像样本进行小波变换以及降维，然后提取最大特征值对应的关键特征，减少了图像样本中特征的噪声，提升了图像特征提取的效率和准确度。
[0012]在一种可能的设计中，确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，所述方法包括：
[0013]分别根据每个重构图像样本集中所有重构图像样本对应的矩阵，确定M个和值矩阵；
[0014]分别根据每个重构图像样本集对应的和值矩阵与样本数量值，确定M个类均值矩阵，其中，样本数量值为每个重构图像样本集中重构图像样本的数量。
[0015]通过上述方法，计算得到类均值矩阵，并应用至后续协方差矩阵的计算中，使根据所得的协方差矩阵来提取的图像特征具有可分性。
[0016]在一种可能的设计中，根据所有类均值矩阵计算协方差矩阵，所述方法包括：
[0017]获取M个重构图像样本集各自对应的差值矩阵，其中，所述差值矩阵根据每个重构图像样本集各自对应的类均值矩阵与所述总体均值矩阵确定；
[0018]分别根据每个重构图像样本集各自对应的差值矩阵与每个重构图像样本集的样本数量值，确定M个均值矩阵；
[0019]根据M个均值矩阵，确定所述协方差矩阵。
[0020]通过上述方法，计算得到的协方差矩阵中保留了任一图像样本集中包含的图像样本的数据，从而保证根据该协方差矩阵提取的图像特征具有不同类别的图像样本集之间的可分性。
[0021]在一种可能的设计中，根据每个最大特征值对应的特征向量分别提取每个图像样本矩阵各自对应的图像特征，所述方法包括：
[0022]分别获取所述协方差矩阵的R个最大特征值各自对应的特征向量，得到R个特征向量；
[0023]根据R个特征向量构造投影矩阵，并生成所述投影矩阵对应的子空间；
[0024]通过将M个重构图像样本集中包括的所有重构图像样本的矩阵投影至所述子空间中进行特征提取。
[0025]通过上述方法，省略了将图像转换为一维图像向量的矢量化过程，还根据最大特征值对应的特征向量构造了投影矩阵，并将图像样本投影至投影矩阵从而实现了图像特征的降维与特征提取，提高图像特征提取的计算效率。
[0026]第二方面，本申请提供了一种图像特征提取装置，所述装置包括：
[0027]获取模块，用于获取M个不同类别的重构图像样本集，其中，所述重构样本图像集基于对M个图像样本集中的每个图像样本进行小波变换得到，每个重构图像样本集中为同一类别的重构图像样本，M为大于0的整数；
[0028]第一确定模块，用于基于M个重构图像样本集中包括的重构图像样本的矩阵和样本总数，确定总体均值矩阵，其中，样本总数为M个重构图像样本集中包括的所有重构图像样本数量之和；
[0029]第二确定模块，确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，其中，所述类均值矩阵基于每个重构样本集中的所有重构图像样本矩阵得到；
[0030]计算模块，用于根据所述总体均值矩阵与所有类均值矩阵计算协方差矩阵，并确定所述协方差矩阵的R个最大特征值，其中，R为大于1的整数；
[0031]提取模块，用于根据每个最大特征值对应的特征向量分别提取每个图像样本各自对应的图像特征。
[0032]在一种可能的设计中，所述第二确定模块包括：
[0033]和值矩阵确定单元，用于分别根据每个重构图像样本集中所有重构图像样本对应的矩阵，确定M个和值矩阵；
[0034]类均值矩阵确定单元，用于分别根据每个重构图像样本集对应的和值矩阵与样本数量值，确定M个类均值矩阵，其中，样本数量值为每个重构图像样本集中重构图像样本的数量。
[0035]在一种可能的设计中，所述计算模块包括：
[0036]获取单元，用于获取M个重构图像样本集各自对应的差值矩阵，其中，所述差值矩阵根据每个重构图像样本集各自对应的类均值矩阵与所述总体均值矩阵确定；
[0037]均值矩阵确定单元，用于分别根据每个重构图像样本集各自对应的差值矩阵与每个重构图像样本集的样本数量值，确定M个均值矩阵；
[0038]协方差矩阵确定单元，用于根据M个均值矩阵，确定所述协方差矩阵。
[0039]在一种可能的设计中，所述提取模块包括：
[0040]特征向量获取单元，用于分别获取所述协方差矩阵的R个最大特征值各自对应的特征向量，得到R个特征向量；
[0041]构造单元，用于根据R个特征向量构造投影矩阵，并生成所述投影矩阵对应的子空间；
[0042]提取单元，用于通过将M个重构图像样本集中包括的所有重构图像样本的矩阵投影至所述子空间中进行特征提取。
[0043]第三方面，本申请提供了一种电子设备，包括：
[0044]存储器，用于存放计算机程序；
[0045]处理器，用于执行所述存储器上所存放的计算机程序时，实现上述的方法步骤。
[0046]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述图像特征提取方法步骤。
[0047]上述第二方面至第四方面中的各个方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像特征提取方法，其特征在于，所述方法包括：获取M个不同类别的重构图像样本集，其中，所述重构样本图像集基于对M个图像样本集中的每个图像样本进行小波变换得到，每个重构图像样本集中为同一类别的重构图像样本，M为大于0的整数；基于M个重构图像样本集中包括的重构图像样本的矩阵和样本总数，确定总体均值矩阵，其中，样本总数为M个重构图像样本集中包括的所有重构图像样本数量之和；确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，其中，所述类均值矩阵基于每个重构样本集中的所有重构图像样本矩阵得到；根据所述总体均值矩阵与所有类均值矩阵计算协方差矩阵，并确定所述协方差矩阵的R个最大特征值，其中，R为大于1的整数；根据每个最大特征值对应的特征向量分别提取每个图像样本各自对应的图像特征。2.如权利要求1所述的方法，其特征在于，确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，包括：分别根据每个重构图像样本集中所有重构图像样本对应的矩阵，确定M个和值矩阵；分别根据每个重构图像样本集对应的和值矩阵与样本数量值，确定M个类均值矩阵，其中，样本数量值为每个重构图像样本集中重构图像样本的数量。3.如权利要求1所述的方法，其特征在于，根据所述总体均值矩阵与所有类均值矩阵计算协方差矩阵，包括：获取M个重构图像样本集各自对应的差值矩阵，其中，所述差值矩阵根据每个重构图像样本集各自对应的类均值矩阵与所述总体均值矩阵确定；分别根据每个重构图像样本集各自对应的差值矩阵与每个重构图像样本集的样本数量值，确定M个均值矩阵；根据M个均值矩阵，确定所述协方差矩阵。4.如权利要求1所述的方法，其特征在于，根据每个最大特征值对应的特征向量分别提取每个图像样本矩阵各自对应的图像特征，包括：分别获取所述协方差矩阵的R个最大特征值各自对应的特征向量，得到R个特征向量；根据R个特征向量构造投影矩阵，并生成所述投影矩阵对应的子空间；通过将M个重构图像样本集中包括的所有重构图像样本的矩阵投影至所述子空间中进行特征提取。5.一种图像特征提取装置，其特征在于，所述装置包括：获取模块，用于获取M个不同类别的重构图像样本集，其中，所述重构样本图像集基于对M个图像样本集中的每个图像样本进行小波变换得到，每个重构图像样本集中为同一类别的重构图像样本，M为大于0的...

【专利技术属性】
技术研发人员：汪懿，郝敬松，刘艺璇，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：