CN103020630B - 图像特征的处理方法和装置 - Google Patents
图像特征的处理方法和装置 Download PDFInfo
- Publication number
- CN103020630B CN103020630B CN201210518399.3A CN201210518399A CN103020630B CN 103020630 B CN103020630 B CN 103020630B CN 201210518399 A CN201210518399 A CN 201210518399A CN 103020630 B CN103020630 B CN 103020630B
- Authority
- CN
- China
- Prior art keywords
- image block
- feature
- image
- size
- extracted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像特征的处理方法和装置,该方法包括:根据待处理的图像中对象的灰度对进行分割;根据分割后图像块的尺寸对图像块进行取舍操作;对剩余的图像块提取特征,并对提取的特征进行描述。本发明通过根据待处理图像中对象的灰度进行分割并按尺寸进行取舍,且对剩余图像块提取特征并进行描述,因此,可以根据图像内部不同区域的不同内容分别进行特征提取和取舍,减少提取和描述的特征数量,从而降低了处理负担,减少了处理时间,有利于后期进行特征匹配。
Description
技术领域
本发明涉及图像处理领域,具体地,涉及一种图像特征的处理方法和装置。
背景技术
基于内容的图像检索,即CBIR(Content-basedimageretrieval),是计算机视觉领域中关注大规模数字图像内容检索的研究分支。基于内容的图像检索的研究还涉及了图像处理(ImageProcessing)、图像检索(ImageRetrieval)等多个研究领域。简单的CBIR系统,允许用户输入一张图片,以查找具有相同或相似内容的其他图片。而传统的图像检索是基于文本的,即通过图片的名称、文字信息和索引关系来实现查询功能。用户输入一串文字,检索系统给出与该文字直接相关的图片。
基于CBIR技术的图像检索系统,在建立图像数据库时,系统对输入的图像进行分析并分类统一建模,然后根据各种图像模型提取图像特征存入特征库,同时对特征库建立索引以提高查找效率。而用户在通过用户接口设置查询条件时,可以采用一种或几种的特征组合来表示,然后系统采用相似性匹配算法计算关键图像特征与特征库中图像特征的相似度,然后按照相似度从大到小的顺序将匹配图像反馈给用户。用户可根据自己的满意程度,选择是否修改查询条件,继续查询,以达到令人满意的查询结果。
CBIR的核心是使用图像的可视特征对图像进行检索。本质上讲,它是一种近似匹配技术,融合了计算机视觉、图像处理、图像理解和数据库等多个领域的技术成果,其中的特征提取和索引的建立可由计算机自动完成,避免了人工描述的主观性。用户检索的过程一般是提供一个样例图像(QuerybyExample)或描绘一幅草图(QuerybySketch),系统抽取该查询图像的特征,然后与数据库中的特征进行比较,并将与查询特征相似的图像返回给用户。CBIR的实现依赖于两个关键技术的解决:图像特征提取和匹配。
针对相关技术中图像只能对整个图像进行全局特征提取使得特征数量巨大,导致不利于后期特征匹配的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中图像只能对整个图像进行全局特征提取使得特征数量巨大,导致不利于后期特征匹配的问题,本发明提出一种图像特征的处理方法和装置,能够通过根据待处理图像中对象的灰度进行分割并按尺寸进行取舍,且对剩余图像块提取特征并进行描述。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种图像特征的处理方法,该方法包括:
根据待处理的图像中对象的灰度对进行分割;
根据分割后图像块的尺寸对图像块进行取舍操作;
对剩余的图像块提取特征,并对提取的特征进行描述。
其中,根据待处理的图像中对象的灰度对进行分割包括:利用分水岭算法对待处理的图像进行分割。
根据分割后图像块的尺寸对图像块进行取舍操作包括:将尺寸大于最大尺寸阈值的图像块舍弃。
此外,在对剩余的图像块提取特征之前,该方法进一步包括:对尺寸小于最小尺寸阈值的图像块进行合并。
并且,对剩余的图像块提取特征包括:对图像块提取颜色特征、纹理特征和形状特征中的一个或多个。
而且,通过颜色直方图提取图像块的颜色特征。
通过图像块中灰度级分布的属性来提取图像块的纹理特征。
通过对图像块中的对象进行边缘检测来提取图像块的形状特征。
根据本发明的另一个方面,提供了一种图像特征的处理装置,该装置包括:
分割模块,用于根据待处理的图像中对象的灰度对进行分割;
取舍模块,用于根据分割后图像块的尺寸对图像块进行取舍操作;
特征处理模块,用于对剩余的图像块提取特征,并对提取的特征进行描述。
其中,取舍模块用于将尺寸大于最大尺寸阈值的图像块舍弃;取舍模块还用于在对剩余的图像块提取特征之前,对尺寸小于最小尺寸阈值的图像块进行合并。
本发明通过根据待处理图像中对象的灰度进行分割并按尺寸进行取舍,且对剩余图像块提取特征并进行描述,因此,可以根据图像内部不同区域的不同内容分别进行特征提取和取舍,减少提取和描述的特征数量,从而降低了处理负担,减少了处理时间,有利于后期进行特征匹配。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的图像特征的处理方法的流程图;
图2是根据本发明实施例的图像特征的处理方法的原理图;
图3是根据本发明实施例的图像特征的处理装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种图像特征的处理方法。
如图1所示,根据本发明实施例的图像特征的处理方法包括:
步骤S101,根据待处理的图像中对象的灰度对进行分割;
步骤S103,根据分割后图像块的尺寸对图像块进行取舍操作;
步骤S105,对剩余的图像块提取特征,并对提取的特征进行描述。
其中,在根据待处理的图像中对象的灰度对进行分割时,可以利用分水岭算法对待处理的图像进行分割,根据需要,也可以采用其他的方法进行分割。
另外,在根据分割后图像块的尺寸对图像块进行取舍操作时,可以将尺寸大于最大尺寸阈值的图像块舍弃。
此外,在对剩余的图像块提取特征之前,可以对尺寸小于最小尺寸阈值的图像块进行合并,从而进一步减少图像块的数量,有助于加快后续处理的速度。
并且,在对剩余的图像块提取特征时,可以对图像块提取颜色特征、纹理特征和形状特征中的一个或多个。
可选地,可以通过颜色直方图提取图像块的颜色特征,可以通过图像块中灰度级分布的属性来提取图像块的纹理特征,可以通过对图像块中的对象进行边缘检测来提取图像块的形状特征。此外,在提取上述特征时,还可以采用其他的方法。
如图2所示,该图像特征的处理方法的主要过程包括:
首先,使用分水岭分割算法对图像进行分割;
然后,对分割出来的区域依照尺寸进行分类,合并尺寸过小的区域,舍弃尺寸过大的区域,最后只保留初期分割出的尺寸适中的区域和合并出来的尺寸适中的区域;
然后,在尺寸适中的区域中进行特征提取,综合使用常用的几种特征,如全局的色彩、纹理特征,和基于边缘的形状特征,用面积、周长、偏心率、角点、链码、兴趣点、傅里叶描述子、矩描述子等特征来描述特征,并进行特征匹配。
具体地,采用的全局特征中,颜色特征可以使用颜色直方图,是最简单也是最常用的颜色特征,描述了图像颜色的统计分布特性,具有平移、尺度、旋转不变性,其核心是在颜色空间中采用一定的量化方法对颜色进行量化,然后统计每一个量化通道在整幅图像中所占的比重。纹理特征可以使用统计法分析纹理,其主要是通过图像中灰度级分布的随机属性来描述纹理特征。最简单的统计法是借助于灰度直方图的矩来描述纹理,但这种方法没有利用像素相对位置的空间信息。此外,还可以共生矩阵来表示纹理特征,该方法研究了纹理的空间灰度级相关性,构造出一个基于图像像素间方向和距离的共生矩阵,并且从矩阵中提取出反差、能量、熵、相关等统计量作为特征量表示纹理特征。
形状特征使用基于边缘的形状特征,是在边缘检测的基础上,用面积、周长、偏心率、角点、链码、兴趣点、傅里叶描述子、矩描述子等特征来描述物体的形状。
在得到形状特征和全局特征后,可以认为得到了图像的综合特征,然后就可以进行特征描述,以便后续进行特征匹配。
根据本发明的实施例,还提供了一种图像特征的处理装置。
如图3所示,根据本发明实施例的图像特征的处理装置包括:
分割模块31,用于根据待处理的图像中对象的灰度对进行分割;
取舍模块32,用于根据分割后图像块的尺寸对图像块进行取舍操作;
特征处理模块33,用于对剩余的图像块提取特征,并对提取的特征进行描述。
其中,取舍模块32用于将尺寸大于最大尺寸阈值的图像块舍弃;取舍模块32还用于在对剩余的图像块提取特征之前,对尺寸小于最小尺寸阈值的图像块进行合并。
此外,特征处理模块33可以采用之前方法实施例中描述的方法进行特征的提取和描述,并且,该装置同样可以按照图1和2所示的流程进行特征处理,具体过程之前已经进行了描述,这里不再重复。
综上所述,借助于本发明的上述技术方案,本发明通过根据待处理图像中对象的灰度进行分割并按尺寸进行取舍,且对剩余图像块提取特征并进行描述,从而能够在与图像内容相关的子区域内进行特征提取,首先减少了无用特征,并且因为尺寸适中的区域一般是具有特定的内容的,因此,在区域中提取的特征更适合后期的特征匹配,并且由于能够根据图像内部不同区域的不同内容分别进行特征提取和取舍,减少提取和描述的特征数量,从而降低了处理负担,减少了处理时间,有利于后期进行特征匹配,有效提高匹配的成功率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种图像特征的处理方法,其特征在于,包括:
根据待处理的图像中对象的灰度对进行分割;
根据分割后图像块的尺寸对图像块进行取舍操作;
对剩余的图像块提取特征,并对提取的特征进行描述;
此外,在对剩余的图像块提取特征之前,所述方法进一步包括:
对尺寸小于最小尺寸阈值的图像块进行合并;
根据分割后图像块的尺寸对图像块进行取舍操作包括:
将尺寸大于最大尺寸阈值的图像块舍弃。
2.根据权利要求1所述的处理方法,其特征在于,根据待处理的图像中对象的灰度对进行分割包括:
利用分水岭算法对所述待处理的图像进行分割。
3.根据权利要求1所述的处理方法,其特征在于,对剩余的图像块提取特征包括:
对图像块提取颜色特征、纹理特征和形状特征中的一个或多个。
4.根据权利要求3所述的处理方法,其特征在于,通过颜色直方图提取图像块的颜色特征。
5.根据权利要求3所述的处理方法,其特征在于,通过图像块中灰度级分布的属性来提取图像块的纹理特征。
6.根据权利要求3所述的处理方法,其特征在于,通过对图像块中的对象进行边缘检测来提取图像块的形状特征。
7.一种图像特征的处理装置,其特征在于,包括:
分割模块,用于根据待处理的图像中对象的灰度对进行分割;
取舍模块,用于根据分割后图像块的尺寸对图像块进行取舍操作;
特征处理模块,用于对剩余的图像块提取特征,并对提取的特征进行描述;
所述取舍模块还用于在对剩余的图像块提取特征之前,对尺寸小于最小尺寸阈值的图像块进行合并;
所述取舍模块还用于将尺寸大于最大尺寸阈值的图像块舍弃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210518399.3A CN103020630B (zh) | 2012-12-05 | 2012-12-05 | 图像特征的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210518399.3A CN103020630B (zh) | 2012-12-05 | 2012-12-05 | 图像特征的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020630A CN103020630A (zh) | 2013-04-03 |
CN103020630B true CN103020630B (zh) | 2016-02-24 |
Family
ID=47969220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210518399.3A Active CN103020630B (zh) | 2012-12-05 | 2012-12-05 | 图像特征的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020630B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235949B (zh) * | 2013-04-12 | 2016-02-10 | 北京大学 | 图像兴趣点检测方法和装置 |
CN103226616A (zh) * | 2013-05-16 | 2013-07-31 | 南京龙渊微电子科技有限公司 | 一种图像内容检索系统及其图像内容稀疏学习方法 |
CN104424636A (zh) * | 2013-08-30 | 2015-03-18 | 联想(北京)有限公司 | 一种图像分割方法、图像检索方法和电子设备 |
CN115526901B (zh) * | 2022-09-21 | 2024-04-09 | 吉林农业科技学院 | 一种互联网的大数据图像处理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8891902B2 (en) * | 2010-02-16 | 2014-11-18 | Imprezzeo Pty Limited | Band weighted colour histograms for image retrieval |
-
2012
- 2012-12-05 CN CN201210518399.3A patent/CN103020630B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789005A (zh) * | 2010-01-22 | 2010-07-28 | 深圳创维数字技术股份有限公司 | 一种基于感兴趣区域的图像检索方法 |
Non-Patent Citations (2)
Title |
---|
一种基于目标区域的图像检索方法;丁玉霞等;《计算机工程与应用》;20061231(第17期);第69-71页 * |
综合颜色、纹理、形状和相关反馈的图像检索;田卉等;《计算机应用研究》;20071130;第24卷(第11期);第292-293页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103020630A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8280164B2 (en) | Producing object cutouts in topically related images | |
CN101551823B (zh) | 一种综合多特征图像检索方法 | |
CN101866352A (zh) | 一种基于图像内容分析的外观设计专利检索方法 | |
CN103761295A (zh) | 基于图片自动分类的艺术类图片的定制化特征量提取算法 | |
CN103020630B (zh) | 图像特征的处理方法和装置 | |
万华林 | Image semantic classification by using SVM | |
CN104317946A (zh) | 一种基于多张关键图的图像内容检索方法 | |
Martinet et al. | A relational vector space model using an advanced weighting scheme for image retrieval | |
CN105095468A (zh) | 一种新型的图像检索方法及系统 | |
CN105809087B (zh) | 辐射检查系统及车型模板检索方法 | |
Nguyen et al. | VIREO@ video browser showdown 2019 | |
Matsui | Challenge for manga processing: Sketch-based manga retrieval | |
Sun et al. | A novel region-based approach to visual concept modeling using web images | |
Memon et al. | A novel technique for region-based features similarity for content-based image retrieval | |
Kalaiarasi et al. | Visual content based clustering of near duplicate web search images | |
CN111125410A (zh) | 一种海量图形图像智能识别检索系统 | |
Agarwal et al. | Sketch based image retrieval using watershed transformation | |
Wang et al. | Digital image retrieval technology based on multi-feature | |
Gao et al. | Multiple features-based image retrieval | |
Shi et al. | Symmetrical invariant LBP texture descriptor and application for image retrieval | |
Deshmukh et al. | An effective cbir using texture | |
An et al. | Feature extraction through generalization of histogram refinement technique for local region‐based object attributes | |
Zhou et al. | SVM: Sketch-based 3D retrieval application using classification method | |
SOMASEKAR et al. | VECTORIZATION USING LONG SHORT-TERM MEMORY NEURAL NETWORK FOR CONTENT-BASED IMAGE RETRIEVAL MODEL | |
Nazirabegum et al. | Bayesian Classification for Image Retrieval Using Visual Dictionary |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220721 Address after: 100089 building 36, courtyard 8, Dongbeiwang West Road, Haidian District, Beijing Patentee after: Dawning Information Industry (Beijing) Co.,Ltd. Patentee after: DAWNING INFORMATION INDUSTRY Co.,Ltd. Address before: 100193 No. 36 Building, No. 8 Hospital, Wangxi Road, Haidian District, Beijing Patentee before: Dawning Information Industry (Beijing) Co.,Ltd. |