CN103325101A - 彩色特征的提取方法及装置 - Google Patents

Abstract

本发明公开了一种彩色特征的提取方法及装置，属于图像处理技术领域。方法包括：将原图像转化为对应颜色空间中各个通道的子图像，将该子图像分割成大小相同的区域，并统计该区域的颜色直方图；将该区域以及与其相邻的区域作为该区域的有效范围，并根据该有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量；将该子图像内的区域的特征向量串接起来得到该子图像的特征向量，并根据该子图像的特征向量得到原图像的特征向量。通过根据区域的有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，提高特征向量的表示性能及根据特征向量进行识别等处理的效果。

Description

彩色特征的提取方法及装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种彩色特征的提取方法及装置。

背景技术

随着电子信息技术的进步和网络化的普及，人们在日常生活中越来越普遍地使用各种各样的图像采集设备，从而可以快捷地获取大量的图像和视频数据。快速而智能地分析获取到的数据，成为众多领域的迫切需求，因此，图像处理等技术成为了研究热点。而特征提取技术作为图像处理的主要环节，其直接影响着系统的最终性能，近年来吸引了诸多研究者的研究兴趣。其中，特征包括颜色特征、纹理特征、形状特征和空间关系特征等，特征提取是指用一个多维特征向量表示一个图像块的方法，用以后续的识别等处理。随着特征提取技术的不断发展，对于颜色特征的提取已不仅仅局限于灰度图像的形体特征，彩色特征的提取也逐渐被提出。

现有技术在实现彩色特征的提取时，先将原图像转化为对应颜色空间中各个通道的子图像，将每个子图像块分割成大小相同的区域，并在统计每个区域的颜色直方图之后，以每个区域为中心计算每个区域与相邻区域的颜色直方图的相似度值，根据计算得到的相似度值确定每个区域的特征向量，再将子图像内所有区域的特征向量串接起来作为每个子图像的特征向量，最后将所有子图像的特征向量串接起来作为整个图像的特征向量。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

由于现有技术采用的彩色特征的提取方式在确定每个区域的特征向量时，以每个区域为中心计算每个区域与相邻区域的颜色直方图的相似度值，导致之后得到的整个图像的特征向量的表示性能不高，对被表示物体的表观变化没有很好的一致性，从而使得后续根据提取的特征向量进行识别等处理时的效果不佳。

发明内容

为了在提取彩色特征的同时，提高提取的特征向量的表示性能，进而提高后续根据提取的特征向量进行识别等处理的效果，本发明实施例提供了一种彩色特征的提取方法及装置。所述技术方案如下：

一方面，提供了一种彩色特征的提取方法，所述方法包括：

将原图像转化为对应颜色空间中各个通道的子图像，将所述子图像分割成大小相同的区域，并统计所述区域的颜色直方图；

将所述区域以及与其相邻的区域作为所述区域的有效范围，并根据所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量；

将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量，并根据所述子图像的特征向量得到所述原图像的特征向量。

其中，所述根据所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量，具体包括：

将所述有效范围内的每两个相邻区域按照相邻方向进行分组，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，并根据所述每组的特征向量得到所述区域的特征向量。

进一步地，所述将所述有效范围内的每两个相邻区域按照相邻方向进行分组，具体包括：

将所述有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

进一步地，所述根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量之前，还包括：

计算所述有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将所述相似度值或不相似度值作为所述每两个相邻区域的颜色直方图的相似程度；

所述根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，具体包括：

在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

优选地，所述将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量之前，还包括：

以预设个数的区域为单位对所述子图像的区域的特征向量进行归一化处理；

所述将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量，具体包括：

将所述子图像内归一化处理后的区域的特征向量串接起来得到所述子图像的特征向量。

另一方面，还提供了一种彩色特征的提取装置，所述装置包括：

转化模块，用于将原图像转化为对应颜色空间中各个通道的子图像；

分割模块，用于将所述转化模块转化得到的所述子图像分割成大小相同的区域；

统计模块，用于统计所述分割模块分割得到的所述区域的颜色直方图；

确定模块，用于将所述区域以及与其相邻的区域作为所述区域的有效范围，根据所述统计模块统计得到的所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量；

串接模块，用于将所述子图像内所述确定模块确定的所述区域的特征向量串接起来得到所述子图像的特征向量，并根据所述子图像的特征向量得到所述原图像的特征向量。

进一步地，所述确定模块，具体包括：

分组单元，用于将所述有效范围内的每两个相邻区域按照相邻方向进行分组；

第一确定单元，用于根据所述分组单元得到的每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量；

第二确定单元，用于根据所述第一确定单元确定的所述每组的特征向量得到所述区域的特征向量。

进一步地，所述分组单元，具体用于将所述有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

进一步地，所述确定模块，还包括：

计算单元，用于计算所述有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将所述相似度值或不相似度值作为所述每两个相邻区域的颜色直方图的相似程度；

所述第一确定单元，具体用于在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

优选地，所述装置还包括：

处理模块，用于以预设个数的区域为单位对所述确定模块确定的区域的特征向量进行归一化处理；

所述串接模块，具体用于将所述子图像内所述处理模块归一化处理后的区域的特征向量串接起来得到所述子图像的特征向量。

本发明实施例提供的技术方案带来的有益效果是：

通过将区域以及与其相邻的区域作为该区域的有效范围，对有效范围内的每两个相邻区域计算颜色直方图的相似程度，并根据有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，使提取的特征向量的表示性能有所提高，进而可以提高后续根据提取的特征向量进行识别等处理的效果；另外，通过按照相邻方向将有效范围内的每两个相邻区域进行分组，并根据每组的特征向量确定该区域的特征向量，可有效降低该区域的特征向量的维度，提高后续处理速度，进而满足实时要求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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是本发明实施例提供的一种彩色特征的提取方法流程图；

图2是本发明另一实施例提供的一种彩色特征的提取方法流程图；

图3是本发明另一实施例提供的一种颜色空间转化示意图；

图4是本发明另一实施例提供的一种相邻区域示意图；

图5是本发明另一实施例提供的一种相邻区域分组示意图；

图6是本发明另一实施例提供的一种归一化处理区域示意图；

图7是本发明另一实施例提供的一种彩色特征的提取过程示意图；

图8是本发明另一实施例提供的一种彩色特征的提取装置的结构示意图；

图9是本发明另一实施例提供的确定模块的结构示意图；

图10是本发明另一实施例提供的另一种确定模块的结构示意图；

图11是本发明另一实施例提供的另一种彩色特征的提取装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明实施例提供了一种彩色特征的提取方法，参见图1，本实施例提供的方法流程具体如下：

101：将原图像转化为对应颜色空间中各个通道的子图像，将该子图像分割成大小相同的区域，并统计该区域的颜色直方图；

102：将该区域以及与其相邻的区域作为该区域的有效范围，并根据该有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量；

103：将该子图像内的区域的特征向量串接起来得到该子图像的特征向量，并根据该子图像的特征向量得到原图像的特征向量。

其中，根据该有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，具体包括：

将该有效范围内的每两个相邻区域按照相邻方向进行分组，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，并根据每组的特征向量确定该区域的特征向量。

进一步地，将该有效范围内的每两个相邻区域按照相邻方向进行分组，具体包括：

将该有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

进一步地，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量之前，还包括：

计算该有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将该相似度值或不相似度值作为每两个相邻区域的颜色直方图的相似程度；

根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，具体包括：

在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

优选地，将该子图像内的区域的特征向量串接起来得到该子图像的特征向量之前，还包括：

以预设个数的区域为单位对该子图像的区域的特征向量进行归一化处理；

将该子图像内的区域的特征向量串接起来得到该子图像的特征向量，具体包括：

将该子图像内归一化处理后的区域的特征向量串接起来得到该子图像的特征向量。

本实施例提供的方法，通过将区域以及与其相邻的区域作为该区域的有效范围，对有效范围内的每两个相邻区域计算颜色直方图的相似程度，并根据有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，使提取的特征向量的表示性能有所提高，进而可以提高后续根据提取的特征向量进行识别等处理的效果；另外，通过按照相邻方向将有效范围内的每两个相邻区域进行分组，并根据每组的特征向量确定该区域的特征向量，可有效降低该区域的特征向量的维度，提高后续处理速度，进而满足实时要求。

为了更加清楚地说明上述实施例提供的彩色特征的提取方法，结合上述内容，以如下实施例为例，对彩色特征的提取方法进行详细地解释说明，详见如下实施例：

在本发明另一实施例中，提供了一种彩色特征的提取方法，为了便于说明，结合上述实施例的内容，本实施例以提取大小为128*64的原图像中的彩色特征为例，对本实施例提供的方法进行详细描述。参见图2，本实施例提供的方法流程具体如下：

201：将原图像转化为对应颜色空间中各个通道的子图像，将该子图像分割成大小相同的区域，并统计该区域的颜色直方图；

针对该步骤，颜色空间包括但不限于包含R(Red，红)、G(Green，绿)、B(Blue，蓝)三个通道的RGB颜色空间，包含H(Hue，色调)、S(Saturation，饱和度)、I(Intensity，强度)三个通道的HIS颜色空间，包含H(Hue，色调)、S(Saturation，饱和度)、V(Value，亮度)三个通道的HSV颜色空间等，本实施例不对该步骤采用哪种颜色空间进行限定。颜色空间不同，对应的通道也就不同，每个颜色通道都存放着图像中颜色元素的信息，所有颜色通道中的颜色叠加混合产生图像中像素的颜色。为了便于说明，该步骤仅以将原图像转化为对应HSV颜色空间中各个通道的子图像为例，对彩色特征的提取方法进行举例说明。

其中，HSV颜色空间包含的H、S、V三个通道中，H通道为色调通道，也称为色彩通道，用于体现色彩的相貌，与图像的明暗度无关；S通道为饱和度通道，用于体现图像色彩纯与不纯的分别；V通道为亮度通道，用于体现图像的明暗程度，光度的高低，越接近白色亮度越高，越接近灰色或黑色亮度越低。将原图像转化为对应HSV颜色空间中各个通道的子图像，即为将原图像转化为对应HSV颜色空间中H通道的子图像、对应HSV颜色空间中S通道的子图像、对应HSV颜色空间中V通道的子图像，如图3所示的转化示意图，具体转化方式，可依据现有技术实现，本实施对此不做具体限定。

在将原图像转化为对应颜色空间各个通道的子图像之后，将子图像分割成大小相同的区域，并统计区域的颜色直方图时，本实施例不对划分的区域大小进行限定，对于大小为128*64的图像块，本实施例以将其分割成128个大小为8*8的区域为例。其中，颜色直方图的数值描述了该图像中关于颜色的数量特征，如不同色彩在整幅图像中所占的比例，某一颜色值出现的频数等等，因而可以反映图像颜色的统计分布和基本色调，且任一区域都能得出一幅与它对应的直方图，如图3右侧柱状图所示。在统计区域的颜色直方图时，可使用三线性插值计算得到，由于颜色直方图的统计方式已经十分成熟，本实施例对此不作详细描述，具体可参见现有的颜色直方图的统计方式。

202：将该区域以及与其相邻的区域作为该区域的有效范围，并根据该有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量；

针对该步骤，本实施例以确定图4左侧的区域N的特征向量为例进行描述。对于图4所示的区域N，将该区域N以及与其相邻的区域作为区域N的有效范围时，该区域N的有效范围即为以区域N为中心的3*3个区域的范围，如图4中阴影区域所示。为了便于表述，对3*3个区域按照1至9标号，以黑色填充每两个相邻区域，则在这3*3个区域构成的区域N的有效范围内，可有如图4右侧所示的20种两个区域相邻的组合情况。其中，第(1)至第(6)所示的两个区域的相邻方向为左、右相邻；第(7)至第(12)所示的两个区域的相邻方向为上、下相邻；第(13)至第(16)所示的两个区域的相邻方向为左上、右下相邻；第(17)至第(20)所示的两个区域的相邻方向为左下、右上相邻。

对于图4所示的20种相邻区域的组合情况，在根据区域N的有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域N的特征向量时，可通过计算有效范围内的每两个相邻区域的颜色直方图之间的相似度值，以相似度值来表示两个相邻区域的相似程度，从而根据计算得到的相似度值来确定区域N的特征向量。或者，通过计算有效范围内的每两个相邻区域的颜色直方图之间的不相似度值，以不相似度值来表示两个相邻区域的相似程度，从而根据计算得到的不相似度值来确定区域N的特征向量。无论是采用相似度值来表示相似程度，还是采用不相似度值来表示相似程度，由于相邻区域的组合情况有20种，每种均可得到对应的相似程度，因此，每个区域的特征向量为20维，对于大小为128*64的原图像而言，其分为三个子图像，每个子图像又包括128个8*8的区域，则该原图像的每个子图像的特征向量为2560维，三个子图像构成的原图像的特征向量为7680维。

优选地，为了降低图像的特征向量的维度，除了以相邻区域的相似程度作为区域的一个特征向量外，本实施例提供的方法在根据有效范围内的每两个相邻区域的颜色直方图的相似程度确定区域的特征向量时，还支持对每两个相邻区域进行分组，以每组中选取的一个或多个相似程度来表示区域的特征向量的方式，以达到降低维度的目的。对于该种确定区域的特征向量的方式，仍以图4所示的相邻区域的组合情况为例进行说明，由于相邻区域可以相邻方向来表示，因此，根据该有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，可具体包括：

将该有效范围内的每两个相邻区域按照相邻方向进行分组，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，并根据每组的特征向量得到区域的特征向量。

其中，将该有效范围内的每两个相邻区域按照相邻方向进行分组时，具体可按照如下方式：

将该有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；

将该有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

按照上述分组之后的情况如图5所示，由于第(1)至第(6)所示的两个区域的相邻方向为左、右相邻；第(7)至第(12)所示的两个区域的相邻方向为上、下相邻；第(13)至第(16)所示的两个区域的相邻方向为左上、右下相邻；第(17)至第(20)所示的两个区域的相邻方向为左下、右上相邻，因而将第(1)至第(6)分为一组；第(7)至第(12)分为一组；第(13)至第(16)分为一组；第(17)至第(20)分为一组。除了按照上述方向分组外，还可以选择其他分组方式，本实施例不对如何分组进行限定。

由于相似程度可以用相似度值和不相似度值来表示，则根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量之前，还包括：

计算该有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将相似度值或不相似度值作为每两个相邻区域的颜色直方图的相似程度；

相应地，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，具体包括：

在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

需要说明的是，计算该有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值时，可以在分组之间计算，也可以在分组之后计算，本实施例不对计算与分组的前后顺序进行限定。

关于选取相似度值或不相似度值的阈值大小，实际应用中，可通过训练经验值来确定，或是采用其他方式确定，本实施例不对确定阈值的方式及确定的阈值大小进行限定。除此之外，还可通过在每组中选取最小相似度值作为每组的特征向量，或者，在每组中选取最大不相似度值作为每组的特征向量。如果以相似度值作为相似程度的表达方式，则每种相邻组合情况下的相似度值可通过以下公式计算得到：

S_x＝sim(cell_i，cell_j)_x，i＝1，2，3，4，5，6，7，8，9；j＝1，2，3，4，5，6，7，8，9；i≠j。

其中，由于每两个相邻区域的组合有如图4所示的20种情况，x表示20种组合中的任一种组合的相似度值，则x为1至20中的任意值，S_x表示第x种相邻组合情况的相似度值；cell_i为有效范围内的第i个区域的颜色直方图，cell_j为有效范围内的第j个区域的颜色直方图，sim(cell_i，cell_j)为计算第i个区域的颜色直方图与第j个区域的颜色直方图之间的相似度值。在每组中选择最小相似度值作为该组的特征向量时，每个区域的特征向量具体可通过如下公式得到：

T_n＝{f₁，f₂，f₃，f₄}，f₁＝{S₇，S₈，S₉，S₁₀，S₁₁，S₁₂}_min，f₂＝{S₁，S₂，S₃，S₄，S₅，S₆}_min，f₃＝{S₁₃，S₁₄，S₁₅，S₁₆}_min，f₄＝{S₁₇，S₁₈，S₁₉，S₂₀}_min。

其中，n为划分的所有区域中的第n个区域，n大于1，且小于等于划分的区域个数；T_n为第n个区域的特征向量，f₁，f₂，f₃，f₄为各组的特征向量，如图4或图5所示，{S₇，S₈，S₉，S₁₀，S₁₁，S₁₂}_min为第(7)、(8)、(9)、(10)、(11)、(12)种相邻区域的组合情况中的最小相似度值，{S₁，S₂，S₃，S₄，S₅，S₆}_min为第(1)、(2)、(3)、(4)、(5)、(6)种相邻区域的组合情况中的最小相似度值，{S₁₇，S₁₈，S₁₉，S₂₀}_min为第(17)、(18)、(19)、(20)种相邻区域的组合情况中的最小相似度值，{S₁₃，S₁₄，S₁₅，S₁₆}_min为第(13)、(14)、(15)、(16)种相邻区域的组合情况中的最小相似度值。

如果以不相似度值作为相似程度的表达方式，则每种相邻组合情况下的不相似度值可通过以下公式计算得到：

DS_x＝dissim(cell_i，cell_j)_x，i＝1，2，3，4，5，6，7，8，9；j＝1，2，3，4，5，6，7，8，9；i≠j。

其中，由于每两个相邻区域的组合有如图4所示的20种情况，x表示20种组合中的任一种组合的相似度值，则x为1至20中的任意值，DS_x表示第x种相邻组合情况的不相似度值；cell_i为有效范围内的第i个区域的颜色直方图，cell_j为有效范围内的第j个区域的颜色直方图，dissim(cell_i，cell_j)为计算第i个区域的颜色直方图与第j个区域的颜色直方图之间的不相似度值。针对每个区域，可以在每组中选择最大不相似度值作为该组的特征向量，具体可通过如下公式得到每个区域的特征向量：

T_n＝{f₁’，f₂’，f₃’，f₄’}，f₁’＝{DS₇，DS₈，DS₉，DS₁₀，DS₁₁，DS₁₂}_max，f₂’＝{DS₁，DS₂，DS₃，DS₄，DS₅，DS₆}_max，f₃’＝{DS₁₃，DS₁₄，DS₁₅，DS₁₆}_max，f₄’＝{DS₁₇，DS₁₈，DS₁₉，DS₂₀}_max。

其中，n为划分的所有区域中的第n个区域，n大于1，且小于等于划分的区域个数；T_n为第n个区域的特征向量，f₁’，f₂’，f₃’，f₄’为各组的特征向量，如图4或图5所示，{DS₇，DS₈，DS₉，DS₁₀，DS₁₁，DS₁₂}_max为第(7)、(8)、(9)、(10)、(11)、(12)种相邻区域的组合情况中的最大不相似度值，{DS₁，DS₂，DS₃，DS₄，DS₅，DS6}_max为第(1)、(2)、(3)、(4)、(5)、(6)种相邻区域的组合情况中的最大不相似度值，{DS₁₇，DS₁₈，DS₁₉，DS₂₀}_max为第(17)、(18)、(19)、(20)种相邻区域的组合情况中的最大不相似度值，{DS₁₃，DS₁₄，DS₁₅，DS₁₆}_max为第(13)、(14)、(15)、(16)种相邻区域的组合情况中的最大不相似度值。

具体采用不相似度值表示相似程度还是以相似度值表示相似程度，本实施例不做具体限定。对于子图像内的所有区域的特征向量的确定方式，均可按照上述区域N的特征向量的确定方式实现。由于一个区域可有4个分组，在每组中选择最小相似度值或最大不相似度值作为该组的特征向量之后，该区域的特征向量维度将由未分组前的20维降低到4维，每个子图像的特征向量维度也将由未分组前的2560维降低到512维，原图像的特征向量也将由未分组前的7680维降低到1536维，由此可见，分组的方式能够降低原图像的特征向量维度，进而减少后续根据特征向量计算的速度。

203：以预设个数的区域为单位对子图像内的区域的特征向量进行归一化处理；

该步骤为可选步骤，本实施例不对预设个数进行限定，结合图6所示的特征提取示意图，本实施例仅以2*2个区域为单位对子图像内的区域的特征向量进行归一化处理为例。具体实现时，可采用L2归一化处理方式，也可以采用其他归一化处理方式，本实施例不对采用的归一化处理的具体方式进行限定。

204：将子图像内归一化处理后的区域的特征向量串接起来得到子图像的特征向量，并根据子图像的特征向量得到原图像的特征向量。

具体地，本实施例提供的彩色特征的提取过程具体可如图7所示，在上述步骤202得到每个区域的特征向量，并通过上述步骤203对得到的每个区域的特征向量进行归一化处理之后，串接子图像内归一化处理后的区域的特征向量得到子图像的特征向量，串接所有子图像的特征向量得到原图像的特征向量。关于串接子图像内归一化处理后的区域的特征向量的方式，以及串接所有子图像的特征向量的方式，本实施例均不作具体限定。

本实施例提供的方法，通过将区域以及与其相邻的区域作为该区域的有效范围，对有效范围内的每两个相邻区域计算颜色直方图的相似程度，并根据有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，使提取的特征向量的表示性能有所提高，进而可以提高后续根据提取的特征向量进行识别等处理的效果；另外，通过按照相邻方向将有效范围内的每两个相邻区域进行分组，并根据每组的特征向量确定该区域的特征向量，可有效降低该区域的特征向量的维度，提高后续处理速度，进而满足实时要求。

在本发明另一实施例中，提供了一种彩色特征的提取装置，该装置用于执行上述实施例提供的彩色特征的提取方法。参见图8，该装置包括：

转化模块801，用于将原图像转化为对应颜色空间中各个通道的子图像；

分割模块802，用于将转化模块801转化得到的该子图像分割成大小相同的区域；

统计模块803，用于统计分割模块802分割得到的该区域的颜色直方图；

确定模块804，用于将该区域以及与其相邻的区域作为该区域的有效范围，根据统计模块803统计得到的有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量；

串接模块805，用于将该子图像内确定模块804确定的区域的特征向量串接起来得到该子图像的特征向量，并根据该子图像的特征向量得到原图像的特征向量。

其中，转化模块801将原图像转化为对应颜色空间中各个通道的子图像的方式、分割模块802将转化模块801转化得到的子图像分割成大小相同的区域的方式、统计模块803统计分割模块802分割得到的区域的颜色直方图的方式详见上述实施例中步骤201的相关描述，此处不再赘述。

进一步地，参见图9，确定模块804，具体包括：

分组单元8041，用于将有效范围内的每两个相邻区域按照相邻方向进行分组；

第一确定单元8042，用于根据分组单元8041得到的每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量；

第二确定单元8043，用于根据第一确定单元8042确定的每组的特征向量得到该区域的特征向量。

进一步地，分组单元8041，具体用于将有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；将有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；将有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；将有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

分组单元8041的分组方式详见上述实施例中步骤202的相关描述，此处不再赘述。

进一步地，参见图10，确定模块804，还包括：

计算单元8044，用于计算有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将相似度值或不相似度值作为每两个相邻区域的颜色直方图的相似程度；

第一确定单元8042，具体用于在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

需要说明的是，计算单元8044可以在分组单元8041分组之前执行计算操作，也可以在分组单元8041分组之后执行分组操作，本实施例不对计算单元8044与分组单元8041的先后顺序进行限定，本实施例仅以图10所示的顺序为例进行说明。

参见图11，该装置还包括：

处理模块806，用于以预设个数的区域为单位对确定模块804确定的区域的特征向量进行归一化处理；

串接模块805，具体用于将子图像内处理模块806归一化处理后的区域的特征向量串接起来得到子图像的特征向量。

其中，处理模块806对区域的特征向量进行归一化处理的方式详见上述实施例中步骤203的相关描述，此处不再赘述。

本实施例提供的装置，通过将区域以及与其相邻的区域作为该区域的有效范围，对有效范围内的每两个相邻区域计算颜色直方图的相似程度，并根据有效范围内的每两个相邻区域的颜色直方图的相似程度确定该区域的特征向量，使提取的特征向量的表示性能有所提高，进而可以提高后续根据提取的特征向量进行识别等处理的效果；另外，通过按照相邻方向将有效范围内的每两个相邻区域进行分组，并根据每组的特征向量确定该区域的特征向量，可有效降低该区域的特征向量的维度，提高后续处理速度，进而满足实时要求。

需要说明的是：上述实施例提供的彩色特征的提取装置在提取彩色特征时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的彩色特征的提取装置与彩色特征的提取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，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 (10)

1.一种彩色特征的提取方法，其特征在于，所述方法包括：

将原图像转化为对应颜色空间中各个通道的子图像，将所述子图像分割成大小相同的区域，并统计所述区域的颜色直方图；

将所述区域以及与其相邻的区域作为所述区域的有效范围，并根据所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量；

将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量，并根据所述子图像的特征向量得到所述原图像的特征向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量，具体包括：

将所述有效范围内的每两个相邻区域按照相邻方向进行分组，根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，并根据所述每组的特征向量得到所述区域的特征向量。

3.根据权利要求2所述的方法，其特征在于，所述将所述有效范围内的每两个相邻区域按照相邻方向进行分组，具体包括：

将所述有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；

将所述有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

4.根据权利要求2所述的方法，其特征在于，所述根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量之前，还包括：

计算所述有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将所述相似度值或不相似度值作为所述每两个相邻区域的颜色直方图的相似程度；

所述根据每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量，具体包括：

在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量之前，还包括：

以预设个数的区域为单位对所述子图像的区域的特征向量进行归一化处理；

所述将所述子图像内的区域的特征向量串接起来得到所述子图像的特征向量，具体包括：

将所述子图像内归一化处理后的区域的特征向量串接起来得到所述子图像的特征向量。

6.一种彩色特征的提取装置，其特征在于，所述装置包括：

转化模块，用于将原图像转化为对应颜色空间中各个通道的子图像；

分割模块，用于将所述转化模块转化得到的所述子图像分割成大小相同的区域；

统计模块，用于统计所述分割模块分割得到的所述区域的颜色直方图；

确定模块，用于将所述区域以及与其相邻的区域作为所述区域的有效范围，根据所述统计模块统计得到的所述有效范围内的每两个相邻区域的颜色直方图的相似程度确定所述区域的特征向量；

串接模块，用于将所述子图像内所述确定模块确定的所述区域的特征向量串接起来得到所述子图像的特征向量，并根据所述子图像的特征向量得到所述原图像的特征向量。

7.根据权利要求6所述的装置，其特征在于，所述确定模块，具体包括：

分组单元，用于将所述有效范围内的每两个相邻区域按照相邻方向进行分组；

第一确定单元，用于根据所述分组单元得到的每组中每两个相邻区域的颜色直方图的相似程度确定每组的特征向量；

第二确定单元，用于根据所述第一确定单元确定的所述每组的特征向量得到所述区域的特征向量。

8.根据权利要求7所述的装置，其特征在于，所述分组单元，具体用于将所述有效范围内相邻方向为上、下相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左、右相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左上、右下相邻的每两个相邻区域分为一组；将所述有效范围内相邻方向为左下、右上相邻的每两个相邻区域分为一组。

9.根据权利要求7所述的装置，其特征在于，所述确定模块，还包括：

计算单元，用于计算所述有效范围内的每两个相邻区域的颜色直方图的相似度值或不相似度值，并将所述相似度值或不相似度值作为所述每两个相邻区域的颜色直方图的相似程度；

所述第一确定单元，具体用于在每组中选取小于阈值的相似度值作为每组的特征向量，或者，在每组中选取大于阈值的不相似度值作为每组的特征向量。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

处理模块，用于以预设个数的区域为单位对所述确定模块确定的区域的特征向量进行归一化处理；

所述串接模块，具体用于将所述子图像内所述处理模块归一化处理后的区域的特征向量串接起来得到所述子图像的特征向量。

Images