图像特征的提取方法及装置制造方法及图纸

本发明专利技术公开了一种图像特征的提取方法及装置，属于计算机视觉领域。包括：对待处理图像进行灰度均衡化处理，在处理后的图像中选取预设组数的点对；以第一组点对中的两个点为中心确定两个提取区域；获取每个提取区域对应的颜色量化矩阵及梯度矩阵；融合每个提取区域对应的颜色量化矩阵与梯度矩阵，得到两个融合矩阵，根据两个融合矩阵计算得到第一组点对对应的标量值，以此方式计算其他点对的标量值，组合预设组数的点对的标量值得到待处理图像的特征向量。由于梯度值能描述图像的目标轮廓，颜色和图像包含的物体或场景相关，对图像的依赖性小，具有较高的鲁棒性，因而本发明专利技术通过采用梯度值及颜色提取图像特征，可提高提取出的图像特征的准确性。

【技术实现步骤摘要】
图像特征的提取方法及装置
本专利技术涉及计算机视觉领域，特别涉及一种图像特征的提取方法及装置。
技术介绍
随着计算机视觉技术的快速发展，目标跟踪与检测技术成为了计算机视觉领域的核心技术，而图像特征的提取技术将直接影响目标跟踪与检测的准确性、适应性与稳定性，因此，图像特征的提取技术具有显著的重要性。现有技术中，采用图像亮度信息进行图像特征的提取，其具体通过对图像做灰度均衡化与高斯模糊处理用以消除光照对图像的影响，之后随机不重复地选取N个对点，以每一个点对中的两点为对角点构成矩形区域，采用水平中分线将其平分为两个均等区域并对两个区域内像素之和进行比较，后者大赋为1；反之，赋为0，输出第一个比特数据，再采用竖直中分线将其平分为两个均等区域并对两个区域内像素之和进行比较，后者大赋为1；反之，赋为0，输出第二个比特数据，最后输出维数为N的特征向量。现有技术采用图像的亮度信息计算特征向量，而实际应用中仍然面临许多困难，如光照变化、目标被遮挡或者部分遮挡、目标姿态的改变以及非线性形变等，导致提取出的图像特征的准确性较低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种图像特征的提取方法及装置。所述技术方案如下：一方面，提供了一种图像特征的提取方法，所述方法包括：对待处理图像进行灰度均衡化处理，并在处理后的图像中选取预设组数的点对；取第一组点对，并以所述第一组点对中的两个点为中心分别确定预设范围的第一提取区域和第二提取区域；获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵，并获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵；融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵；按获取所述第一提取区域对应的第一融合矩阵的方式获取所述第二提取区域对应的第二融合矩阵；根据所述第一融合矩阵和第二融合矩阵计算得到所述第一组点对对应的标量值；按第一组点对方式完成其他点对对应的标量值的计算，组合所述预设组数的点对的标量值，得到所述待处理图像的特征向量。可选地，所述获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵，具体包括：将所述第一提取区域的图像转换到对应的颜色空间，得到所述第一提取区域范围内每个像素对应的颜色分量；将每个像素对应的颜色分量加权量化后，得到所述第二提取区域对应的颜色量化矩阵。可选地，所述将每个像素对应的颜色分量加权量化后，得到所述第一提取区域对应的颜色量化矩阵，具体包括：通过公式f=σhh+σss+σvv将每个像素对应的颜色分量加权量化，得到所述第一提取区域对应的颜色量化矩阵；其中，所述h为色调，s为饱和度，v为亮度，所述σh、σs、σv为加权系数。可选地，所述获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵，具体包括：采用索贝尔算子中的横向矩阵及纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向与纵向的亮度差分近似值；根据所述横向与纵向的亮度差分近似值得到所述第一提取区域对应的梯度矩阵。可选地，所述采用索贝尔算子中的横向矩阵及纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向与纵向的亮度差分近似值，具体包括：采用索贝尔算子中的横向矩阵与纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向亮度差分近似值Gx＝gx*I与纵向亮度差分近似值Gy＝gy*I；其中，所述I为所述第一提取区域范围内的像素；所述根据所述横向与纵向的亮度差分近似值得到所述第一提取区域对应的梯度矩阵，具体包括：通过公式得到所述第一提取区域对应的梯度矩阵Gx*y。可选地，所述融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵，具体包括：将所述第一提取区域对应的颜色量化矩阵与梯度矩阵进行乘积运算，得到所述第一提取区域对应的第一融合矩阵。可选地，所述根据所述第一融合矩阵和第二融合矩阵计算得到所述第一组点对对应的标量值，具体包括：将所述第一融合矩阵按行展开，形成行向量；将所述行向量中的向量元素按照大小进行排序，形成新的行向量；将所述新的行向量中的每个向量的元素值与所述提取区域的中心像素对应的向量的元素值进行比较，得到第一比较结果；按照所述第一融合矩阵方式处理所述第二融合矩阵，得到第二比较结果；通过比较第一比较结果和第二比较结果得到所述第一组点对对应的标量值。另一方面，还提供了一种图像特征的提取装置，所述装置包括：处理模块，用于对待处理图像进行灰度均衡化处理；选取模块，用于在所述处理模块处理后的图像中选取预设组数的点对；确定模块，用于取第一组点对，并以所述第一组点对中的两个点为中心分别确定预设范围的第一提取区域和第二提取区域；第一获取模块，用于获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵；第二获取模块，用于获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵；融合模块，用于融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵；第一重复模块，用于按获取所述第一提取区域对应的第一融合矩阵的方式获取所述第二提取区域对应的第二融合矩阵；计算模块，用于根据所述第一融合矩阵和第二融合矩阵计算得到对应第一组点对的标量值；第二重复模块，用于按第一组点对方式完成其他点对对应的标量值的计算；组合模块，用于组合所述预设组数的点对的标量值，得到所述待处理图像的特征向量。可选地，所述第一获取模块，具体包括：转换单元，用于将所述第一提取区域的图像转换到对应的颜色空间，得到所述第一提取区域范围内每个像素对应的颜色分量；获取单元，用于将所述转换单元得到的每个像素对应的颜色分量加权量化后，得到所述第一提取区域对应的颜色量化矩阵。可选地，所述获取单元，具体用于通过公式f＝σhh+σss+σvv将每个像素对应的颜色分量加权量化，得到所述第一提取区域对应的颜色量化矩阵；其中，所述h为色调，s为饱和度，v为亮度，所述σh、σs、σv为加权系数。可选地，所述第二获取模块，具体包括：运算单元，用于采用索贝尔算子中的横向矩阵及纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向与纵向的亮度差分近似值；获取单元，用于根据所述运算单元得到的横向与纵向的亮度差分近似值得到所述第一提取区域对应的梯度矩阵。可选地，所述运算单元，具体用于采用索贝尔算子中的横向矩阵与纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向亮度差分近似值Gx＝gx*I与纵向亮度差分近似值Gy＝gy*I；其中，所述I为所述第一提取区域范围内的像素；所述获取单元，具体用于通过公式得到所述第一提取区域对应的梯度矩阵Gx*y。可选地，所述融合模块，具体用于将所述第一提取区域对应的颜色量化矩阵与梯度矩阵进行乘积运算，得到所述第一提取区域对应本文档来自技高网...

【技术保护点】
一种图像特征的提取方法，其特征在于，所述方法包括：对待处理图像进行灰度均衡化处理，并在处理后的图像中选取预设组数的点对；取第一组点对，并以所述第一组点对中的两个点为中心分别确定预设范围的第一提取区域和第二提取区域；获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵，并获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵；融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵；按获取所述第一提取区域对应的第一融合矩阵的方式获取所述第二提取区域对应的第二融合矩阵；根据所述第一融合矩阵和第二融合矩阵计算得到所述第一组点对对应的标量值；按第一组点对方式完成其他点对对应的标量值的计算，组合所述预设组数的点对的标量值，得到所述待处理图像的特征向量。

【技术特征摘要】
1.一种图像特征的提取方法，其特征在于，所述方法包括：对待处理图像进行灰度均衡化处理，并在处理后的图像中选取预设组数的点对；取第一组点对，并以所述第一组点对中的两个点为中心分别确定预设范围的第一提取区域和第二提取区域；获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵，并获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵；融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵；按获取所述第一提取区域对应的第一融合矩阵的方式获取所述第二提取区域对应的第二融合矩阵；根据所述第一融合矩阵和第二融合矩阵计算得到所述第一组点对对应的标量值；按第一组点对方式完成其他点对对应的标量值的计算，组合所述预设组数的点对的标量值，得到所述待处理图像的特征向量。2.根据权利要求1所述的图像特征的提取方法，其特征在于，所述获取所述第一提取区域范围内各像素的颜色分量，得到所述第一提取区域对应的颜色量化矩阵，具体包括：将所述第一提取区域的图像转换到对应的颜色空间，得到所述第一提取区域范围内每个像素对应的颜色分量；将每个像素对应的颜色分量加权量化后，得到所述第一提取区域对应的颜色量化矩阵。3.根据权利要求2所述的图像特征的提取方法，其特征在于，所述将每个像素对应的颜色分量加权量化后，得到所述第一提取区域对应的颜色量化矩阵，具体包括：通过公式f＝σhh+σss+σvv将每个像素对应的颜色分量加权量化，得到所述第一提取区域对应的颜色量化矩阵；其中，所述h为色调，s为饱和度，v为亮度，所述σh、σs、σv为加权系数。4.根据权利要求1所述的图像特征的提取方法，其特征在于，所述获取所述第一提取区域范围内各像素的梯度值，得到所述第一提取区域对应的梯度矩阵，具体包括：采用索贝尔算子中的横向矩阵及纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向与纵向的亮度差分近似值；根据所述横向与纵向的亮度差分近似值得到所述第一提取区域对应的梯度矩阵。5.根据权利要求4所述的图像特征的提取方法，其特征在于，所述采用索贝尔算子中的横向矩阵及纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向与纵向的亮度差分近似值，具体包括：采用索贝尔算子中的横向矩阵与纵向矩阵分别与所述第一提取区域范围内各像素进行卷积运算，得到横向亮度差分近似值Gx＝gx*I与纵向亮度差分近似值Gy＝gy*I；其中，所述I为所述第一提取区域范围内的像素；所述根据所述横向与纵向的亮度差分近似值得到所述第一提取区域对应的梯度矩阵，具体包括：通过公式得到所述第一提取区域对应的梯度矩阵Gx*y。6.根据权利要求1所述的图像特征的提取方法，其特征在于，所述融合所述第一提取区域对应的颜色量化矩阵与梯度矩阵，得到所述第一提取区域对应的第一融合矩阵，具体包括：将所述第一提取区域对应的颜色量化矩阵与梯度矩阵进行乘积运算，得到所述第一提取区域对应的第一融合矩阵。7.根据权利要求1所述的图像特征的提取方法，其特征在于，所述根据所述第一融合矩阵和第二融合矩阵计算得到所述第一组点对对应的标量值，具体包括：将所述第一融合矩阵按行展开，形成行向量；将所述行向量中的向量元素按照大小进行排序，形成新的行向量；将所述新的行向量中的每个向量的元素值与所述第一提取区域的中心像素对应的向量的元素值进行比较，得到第一比较结果；按照所述第一融合矩阵方式处理所述第二融合矩阵，得到第二比较...

【专利技术属性】
技术研发人员：彭健，叶茂，杨素娟，李涛，
申请(专利权)人：华为技术有限公司， 电子科技大学，
类型：发明
国别省市：广东;44