基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法技术

本发明专利技术提供了一种基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法，首先根据原始鱼眼图像的分辨率以及图像中有效区域的半径大小计算圆形采样点的位置，然后通过双线性插值的方法计算得到采样点的像素信息；根据扇形区域大小对图像进行扇形分块，依据每个扇形区域的表达式确定其所包含的采样点信息，实现图像的扇形分块；随后将扇形分块中的像素信息通过全连接神经网络进行特征提取，生成高维特征向量；本发明专利技术的特征提取方式更加符合鱼眼图像的畸变分布规律，并能过滤掉鱼眼图像中的无效像素信息，提升模型对全局与局部特征的建模能力，能够更好地实现鱼眼图像的特征提取，为鱼眼图像下的分类

【技术实现步骤摘要】
基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法


[0001]本专利技术属于图像处理领域，尤其涉及一种基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法
。

技术介绍

[0002]鱼眼镜头因具有超大视场角而被广泛应用于自动驾驶
、
视频监控
、
虚拟现实等领域
。
然而，径向畸变的存在为鱼眼图像的语义特征提取带来挑战，限制了在鱼眼图像上进行计算机视觉任务的研究和发展
。
[0003]由于鱼眼镜头凸面镜的设计，鱼眼图像中的畸变遵循一定的分布规律，即畸变程度由中心向外逐渐增大，如图
1(a)
所示，因此可以通过设计更符合图像畸变分布规律的采样和分块方法，以便更好地实现鱼眼图像语义特征提取
。
[0004]在进行图像的特征提取时，需要对原始图像进行采样，并划分为图像块来实现图像信息的采集
。
具体来说，鱼眼图像的采样是将其转换为离散像素点的过程
。
在此过程中，需要考虑采样间隔和方式等因素以保证采集到的像素点能够准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种鱼眼图像特征提取方法，其特征在于，包括如下步骤：第一步：以原始鱼眼图像的中心为极点，构造图像的极坐标体系，根据鱼眼图像的尺寸以及图像中有效区域的大小自适应生成所有圆形采样点位置信息，借助图像双线性插值算法生成每个采样点的像素信息；第二步：确定图像扇形分块的策略，即每个扇形区域的大小，对原始鱼眼图像进行扇形切分，在极坐标体系下计算每个扇形区域的边界；第三步：根据图像中每个扇形区域的边界，确定每个采样点所属的扇形区域，实现对鱼眼图像的扇形分块；第四步：将每个扇形分块内所包含的图像像素信息转成一维向量，输入到全连接神经网络中进行特征提取，输出高维特征向量
。2.
如权利要求1所述的一种鱼眼图像特征提取方法，其特征在于，所述第一步具体包括如下步骤：步骤
101
，以原始鱼眼图像的中心为极点
O
，任意方向为极径方向，构造鱼眼图像下的极坐标体系，每个采样点表示为
(r
，
θ
)
；步骤
102
，根据鱼眼图像的尺寸以及图像中有效区域大小得到以像素为单位的有效区域半径，有效区域半径可以表示为：其中，
img
h
代表原始图像的高度，
img
w
代表原始图像的宽度；步骤
103
，设置圆形采样的次数也为
R
，自适应地计算每次圆形采样的半径
、
采样点数以及间隔角度，计算方式如下：其中，
i
代表圆形采样次数，
cr
i
代表第
i
次圆形采样的半径，
num
i
代表第
i
次圆形采样的采样点数，
delta
i
代表第
i
次圆形采样中每个采样点之间相差角度；步骤
104
，确定每一圈采样点的极坐标，针对第
i
圈采样点，则第
j
个采样点的坐标
(r
j
，
θ
j
)
的计算方式如下：步骤
105
，将采样点的极坐标转换成直角坐标系下的坐标，设置直角坐标的原点位于图像的左上角，图像宽度方向为
x
轴方向，图像高度方向为
y
轴方向，坐标转换公式如下：其中，
(r
j
，
θ
j
)
为
j
个采样点的极坐标，
(x
j
，
y
j
)
为转换得到的直角坐标；步骤
106
，根据采样点的直角坐标进行双线性插值，得到采样点的像素信息，设当前采样点为
P
，其计算方式如下：
如图4所示，其中
Q
11
，
Q
12
，
Q
21
，
Q
22
分别代表采样点
P
周围最近的四个像素点，位置坐标分别为
(x1，
y1)
，
(x1，
y2)
，
(x2，
y1)
和

【专利技术属性】
技术研发人员：杨毅，杨殿一，唐家栋，高宇，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：