[發明專利]基于圖像分塊的自適應特征提取方法

有效

• 申請號: 201410010605.9
• 申請日: 2014-01-09
• 公開（公告）號: CN103714340B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 劉靳;靳洋;姬紅兵;張文博;王海鷹;劉艷麗;葛倩倩;孫寬宏
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 張問芬,王品華

技術領域

本發明屬于計算機技術領域，進一步涉及計算機圖像信息處理領域，具體是基于圖像分塊的自適應特征提取方法。本發明通過對圖像進行分塊獲得子塊圖像，計算圖像的像素點灰度值方差和與每個子塊圖像的像素點灰度值方差和并進行大小判斷，根據判斷結果自適應地運用二維主分量分析(Two?Dimension?Principal?Component?Analysis,2DPCA)或者小波主分量分析(Wavelet?Principal?Component?Analysis,Wavelet?PCA)進行特征提取，有效地實現了對圖像的特征提取，為后續的目標識別提供了可靠的信息。

背景技術

圖像特征提取作為圖像目標識別的基礎，是自動目標識別中的一項關鍵技術。近年來，圖像特征提取技術研究取得了很大的進步，尤其是基于主分量分析(Principal?Component?Analysis,PCA)的算法在圖像特征提取領域應用廣泛。但是，這類算法需要將圖像像素點灰度值進行向量化處理，通常圖像向量化處理后忽略了圖像的結構信息，對于復雜的圖像識別結果并不理想，且向量化后圖像向量維數會很高，使得在隨后的計算中運算復雜度上升。如何自動有效且快速地完成圖像特征提取和識別，一直是國內外研究的熱點和難點問題。

在由K.Fukunaga提出PCA的概念，Kirby和Sirovich等人將PCA推廣到圖像領域之后，該方法已經廣泛應用于圖像特征提取與識別、圖像質量評價、圖像水印等領域。基于PCA的特征提取方法的實現過程為：首先，對圖像進行向量化處理；其次，求出向量化后圖像的協方差矩陣；再次，對協方差矩陣進行特征值分解；最后，將特征值對應的單位特征向量稱為投影矩陣，圖像通過投影矩陣投影后的結果作為圖像的特征。基于PCA的特征提取方法的不足之處在于，首先，在將圖像向量化的過程中，圖像向量的維數一般會很高，在高維的圖像向量上進行分析會遇到小樣本問題，而且經常需要耗費大量時間；其次，通常PCA提取的是圖像的全局特征，忽略了圖像的結構信息和局部信息，識別效果并不理想。

陳伏兵論文“分塊PCA及其在人臉識別中的應用”（《計算機工程與設計》，文章編號：1000-7024（2007）08-1889-04）。該方法的實現過程為，首先對圖像進行分塊，對分塊得到的子塊圖像利用PCA進行特征提取與鑒別分析。該方法的特點是能夠有效地利用圖像的結構信息，對表情和光照高變化的圖像優勢明顯。該方法的不足在于在對圖像分塊后忽略了各個子塊圖像之間變化趨勢的不同，而統一采用PCA的方法進行分析，不利于實現更好的識別效果，且對于低變化的圖像，該方法并不具有很好的適用性。

上海移遠通信技術有限公司申請的專利“人臉識別方法及系統”（專利申請號：201110424252.3，公布號：CN103164689）。該方法的實現過程是首先通過小波變換分別對訓練圖像和測試圖像進行預處理，然后用PCA方法分別對預處理后的訓練圖像和測試圖像進行特征提取得到訓練樣本特征和測試樣本特征，最后采用SVM(支持向量機，Support?Vector?Machine)算法對提取出的訓練樣本特征和測試樣本特征進行分類識別，得到識別結果。該方法的不足之處在于，雖然運用小波變換對圖像進行了預處理，取得了識別率的提高，但是小波變換只對于圖像變化程度比較小的圖像有比較好的效果，對于圖像變化程度比較大的圖像預處理效果并不理想，而且該方法仍要對圖像進行向量化，破壞了圖像的結構信息，不利于實現更好的識別效果。

發明內容

本發明的目的是針對現有的基于PCA的特征提取方法存在的問題，提出一種基于圖像分塊的自適應特征提取方法，利用分塊方法將圖像進行分塊，并依據圖像的像素點灰度值方差和與子塊圖像的像素點灰度值方差和進行判斷，根據判斷結果對子塊圖像自適應選擇用2DPCA或者Wavelet?PCA進行特征提取，基本實現了對圖像特征的準確提取，改善了識別效果。