[發明專利]一種提取圖像特征的方法及裝置

有效

• 申請號: 201710413989.2
• 申請日: 2017-06-05
• 公開（公告）號: CN107220651B
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 焦繼超;鄧中亮;王鑫;李菲;苑立彬;吳奇;章程
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

本發明實施例提供了一種提取圖像特征的方法，該方法包括：計算目標圖像中每個塊結構分別對應的HOG特征信息，該塊結構包括預設數量的像素值組成的像素矩陣；針對每個該塊結構，根據塊結構中的像素矩陣，生成PCA算法的輸入集合；使用該PCA算法計算每個該塊結構對應的PCA特征信息；級聯每個該塊結構對應的HOG特征信息和該PCA特征信息，生成每個該塊結構對應的新HOGP特征信息；將所有塊結構對應的新HOGP特征信息級聯起來，生成該目標圖像的新HOGP特征信息。應用本發明實施例能夠提取到包括細節特征和輪廓特征在內的豐富的圖像特征。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種提取圖像特征的方法及裝置。

背景技術

隨著圖像識別技術的快速發展，各應用領域對圖像識別的精確度也越來越高。為了提高機器識別圖像的精確度，人們通過圖像特征可視化的方法，來改進機器在圖像識別中使用的圖像識別算法。

圖像特征可視化具體是指：根據機器提取到的目標圖像的圖像特征，對目標圖像進行還原。這樣，可以根據原始目標圖像和還原后的目標圖像之間的差異，對圖像識別算法進行改進，若原始目標圖像和還原后的目標圖像的差異較小，相似度較高，則說明當前使用的圖像識別算法較為適用，反之，則說明當前使用的圖像識別算法不適用。

目前，在圖像特征可視化的過程中，用于提取圖像特征的圖像識別算法包括主成分分析(Principal Component Analysis，PCA)算法和特征檢測(Histogram of OrientedGridients，HOG)算法；其中，PCA算法擅長提取圖像的細節特征，但對于細節特征較少的圖像，比如天空，大海，墻面等，提取到的PCA特征信息中包含的圖像信息不完整；而HOG算法擅長提取圖像的輪廓特征，但提取到的HOG特征信息忽略了圖像的細節信息。這樣，導致根據使用PCA算法或者 HOG算法提取出的圖像特征，還原后的圖像與原始目標圖像的差異較大、相似度較低。

發明內容

本發明實施例的目的在于提供一種提取圖像特征的方法及裝置，能夠提取到包括細節特征和輪廓特征在內的豐富的圖像特征。具體技術方案如下：

本發明實施例提出了一種提取圖像特征的方法，所述方法包括：計算目標圖像中每個塊結構分別對應的第一HOG特征信息，所述塊結構包括預設數量的像素值組成的像素矩陣；針對每個所述塊結構，根據塊結構中的像素矩陣，生成PCA算法的輸入集合；使用所述PCA算法計算每個所述塊結構對應的PCA特征信息；級聯每個所述塊結構對應的第一HOG特征信息和所述PCA特征信息，生成每個所述塊結構對應的新HOGP特征信息；將所有塊結構對應的新HOGP 特征信息級聯起來，生成所述目標圖像的新HOGP特征信息。

優選的，所述計算目標圖像中每個塊結構分別對應的第一HOG特征信息，所述塊結構包括預設數量的像素值組成的像素矩陣的步驟，包括：計算目標圖像中各像素值分別對應的梯度值；根據所述各像素值的梯度值，計算每個單元格分別對應的第二HOG特征信息，其中，所述每個單元格包括像素值矩陣L×L，所述第二HOG特征信息包括維度為R的HOG特征向量；根據所述每個單元格對應的第二HOG特征信息，計算每個塊結構對應的第一HOG特征信息，其中，所述每個塊結構包括單元格矩陣P1×P2，所述第一HOG特征信息包括維度為R×P1×P2的HOG特征向量。