[發(fā)明專利]基于單層感知器模型的圖像特征提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910904798.5
• 申請(qǐng)日: 2019-09-24
• 公開（公告）號(hào): CN110717499B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 陳志華;胡淑瑩;劉曉利
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06K9/62;G06V10/50
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 唐代盛

1.一種基于單層感知器模型的圖像特征提取方法，其特征在于，包括以下步驟：

步驟1，對(duì)輸入目標(biāo)跟蹤過(guò)程中前后相鄰的兩幀圖像做灰度變換，具體過(guò)程為：

步驟1.1，輸入原始的相鄰兩幀圖像I_i和I_i+1；

步驟1.2，對(duì)兩幅圖像進(jìn)行灰度變換：I_i＝rgb2gray(I_i)和I_i+1＝rgb2gray(I_i+1)；

步驟2，對(duì)前一幀圖像的灰度圖像進(jìn)行高斯濾波，具體過(guò)程為：用二階高斯濾波對(duì)前一幀灰度圖像I_i進(jìn)行處理，得到新圖像：

J_i＝uint8(filter2(fspecial('gaussian'),I_i))；

步驟3，求前一幀灰度圖像與高斯濾波圖像的絕對(duì)差，具體過(guò)程為：求出I_i和J_i兩幅圖像的絕對(duì)差，得到新圖像K_i＝imabsdiff(I_i,J_i)，作為感知器模型中的權(quán)重W；

步驟4，將絕對(duì)差圖像與后一幀灰度圖像相乘，具體過(guò)程為：將后一幀灰度圖像I_i+1作為感知器模型中的輸入X，圖像K_i和I_i+1相乘，對(duì)照感知器模型中輸入與權(quán)重相乘的計(jì)算過(guò)程，得到新圖像：P_i＝immultiply(K_i*a,I_i+1)，其中，a是一個(gè)值小于1的比例系數(shù)；

步驟5，提取前一幀灰度圖像的邊緣特征，具體過(guò)程為：用canny算子提取前一幀灰度圖像的邊緣特征：Q_i＝uint8(edge(I_i,'canny')*b)，其中，b是邊緣特征系數(shù)；

步驟6，將相乘得到的新圖像與前一幀灰度圖像的邊緣特征圖像相加，具體過(guò)程為：對(duì)照感知器模型的計(jì)算過(guò)程，將圖像P_i和Q_i相加，得到新圖像：M_i＝imadd(P_i,Q_i)；

步驟7，對(duì)相加得到的新圖像進(jìn)行膨脹處理，得到最終的特征圖像，具體過(guò)程為：用膨脹算法對(duì)相加得到的新圖像進(jìn)行處理：N_i＝imdilate(M_i,SE)，其中，SE＝strel('square',c),代表以c*c的正方形為單位進(jìn)行膨脹。