CN103646239B - 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 - Google Patents
基于极坐标傅里叶变换的旋转不变性图像特征提取方法 Download PDFInfo
- Publication number
- CN103646239B CN103646239B CN201310725894.6A CN201310725894A CN103646239B CN 103646239 B CN103646239 B CN 103646239B CN 201310725894 A CN201310725894 A CN 201310725894A CN 103646239 B CN103646239 B CN 103646239B
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- chog
- gradient direction
- gradient
- 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
本发明提供了一种基于极坐标傅里叶变换的旋转不变性图像特征提取方法,包括步骤:步骤一,获取图像梯度,并根据图像梯度获取图像的梯度方向;步骤二,对图像的梯度方向进行归一化处理;步骤三,基于归一化处理后的图像梯度方向提取图像的CHOG特征:步骤四,对图像的CHOG特征进行极坐标傅里叶变换,提取变换后傅里叶系数的幅值为旋转不变性图像特征。本发明采用CHOG特征可以很好地描述图像中物体的形状,对图像CHOG特征进行极坐标傅里叶变换,获取的旋转不变性图像特征可实现旋转目标的检测,对提高目标检测的准确性具有一定的意义。
Description
技术领域
本发明属于遥感影像处理技术领域,尤其涉及一种基于极坐标傅里叶变换的旋转不变性图像特征提取方法。
背景技术
数字图像处理中的诸多问题,如:图像匹配、目标识别、三维重建,都可以归结为图像特征的提取和识别问题。这些问题可以通过提取局部不变性的图像特征得到很好地解决。局部不变性特征以图像的局部区域作为处理单元,对图像的光学和几何变化具有良好的不变性。局部不变性特征一方面不容易受到平移、旋转、缩放、光照的影响,另一方面可以很大程度上避免复杂背景对特征的影响。相对于全局特征来说,局部特征的针对性更强、所处的位置更加灵活、适用性更广。
在图像目标检测中,同一目标可能在不同的图像中拥有不同的表达方式,为了准确地从不同图像中检测出同一目标,需要有一种具有良好不变性的图像特征来辨别目标物体和非目标物体。目前的图像特征都难以检测出发生了旋转变化的目标。
发明内容
针对现有技术存在的问题,本发明提供了一种基于极坐标傅里叶变换的旋转不变性图像特征提取方法,所获取的旋转不变性图像特征可用来检测图像中的旋转目标。
为了解决上述技术问题,本发明采用如下的技术方案:
基于极坐标傅里叶变换的旋转不变性图像特征提取方法,包括步骤:
步骤一,获取图像梯度,并根据图像梯度获取图像的梯度方向;
步骤二,对图像的梯度方向进行归一化处理:
以图像中心为极坐标原点、以水平方向为极轴建立极坐标系,在极坐标系下获取图像上各像素点的径向角,将像素点的梯度方向减去该像素点的径向角,即获得归一化处理后的图像梯度方向;
步骤三,基于归一化处理后的图像梯度方向提取图像的CHOG特征:
采用圆形分块策略划分图像获得块区域,统计各块区域的梯度方向信息,并根据各块区域的梯度方向信息获得图像的CHOG特征;
步骤四,对图像的CHOG特征进行极坐标傅里叶变换,提取变换后傅里叶系数的幅值为旋转不变性图像特征。
上述步骤三进一步包括子步骤:
3.1采用S个同心圆划分图像,获得若干扇形块区域和弧形块区域,同心圆数量S根据经验选取;
3.2根据归一化处理后的图像梯度方向划分P个均匀梯度方向区间,即P个方向单元,P根据经验进行选取;
3.3针对各同心圆对应的块区域,进行如下操作:
根据块区域各像素点的梯度方向将像素点划分到对应的方向单元,并统计不同方向单元中各像素点的梯度方向,获得块区域的梯度方向直方图;合并该同心圆对应的所有块区域的梯度直方图,即获得该同心圆对应的CHOG特征;
3.4合并S个同心圆对应的CHOG特征,获得图像的CHOG特征。
为保证图像CHOG特征对光照和对比度的不变性,上述步骤三中还对获得的图像CHOG特征进行L2归一化处理。
上述步骤四进一步包括子步骤:
4.1根据不同的方向单元将图像CHOG特征组织成大小为(M,N,K)的三维特征矩阵Feature,其中,M为一个同心圆划分的块区域数量,N为同心圆数量,K为方向单元数量;
4.2对三维特征矩阵Feature中各方向单元对应的特征图像进行二维离散傅里叶变换,并获取变换后的傅里叶系数F(μ,ν):
其中,F(μ,ν)为傅里叶变换后方向单元κ的傅里叶系数;μ、ν表示图像中像素点坐标;Feature(ε,ψ,κ)表示同心圆ψ块区域ε中对应于方向单元κ的像素点的COHG特征;κ表示方向单元编号,κ=1,2,...,K;ε表示块区域编号,ε=1,2,...,M;ψ表示同心圆编号,ψ=1,2,...,N;j表示虚部;
4.3组合步骤4.2获得的各方向单元的傅里叶系数幅值,得到旋转不变性图像特征。
和现有技术相比,本发明具有如下特点和有益效果:
1、采用圆形分块策略提取的CHOG特征,能保证旋转后,各圆环内的CHOG特征保持不变,并且,采用CHOG特征可以很好地描述图像中物体的形状。
2、对图像CHOG特征进行极坐标傅里叶变换,将图像的旋转变化转换为时相上的平移,利用傅里叶变换的平移不变性,取傅里叶系数的幅值作为最后的特征,可以获得旋转不变性的图像特征。
3、提取的旋转不变性图像特征可实现旋转目标的检测,对提高目标检测的准确性具有一定的意义。
附图说明
图1为本发明的具体流程图;
图2为梯度方向归一化示意图;
图3为采用圆形分块策略划分图像的示意图;
图4为扇形块区域A的方向梯度直方图示意图,其中,(a)为扇形块区域A示意图,(b)为扇形块区域A的方向梯度直方图。
具体实施方式
本发明方法基于圆形分块策略获取图像的CHOG特征,对图像的CHOG特征进行极坐标变换,对变换后的CHOG特征进行二维离散傅里叶变换,所得傅里叶变换系数即为具有旋转不变性的图像特征。
下面将结合附图具体说明本发明的技术方案。
图1为本发明方法的具体流程图,该方法包括步骤:
步骤一,获取图像的梯度。
采用[-1,0,1]模板对图像进行卷积计算,得到水平方向和垂直方向的梯度,取图像梯度模长分别作为水平梯度和垂直梯度计算结果。
步骤二,获取图像的梯度方向,并对图像梯度方向进行归一化。
根据计算获得的水平梯度和垂直梯度获得图像的梯度方向。为消除目标旋转带来的梯度方向上的变换,需对图像梯度方向进行归一化处理。
梯度方向归一化处理方法如下:
以图像中心为极坐标原点、以水平方向为极轴建立极坐标系,在极坐标系下获取图像上各像素点的径向角,所述的径向角为像素点与图像中心的连线与极轴正向的夹角,用像素点的梯度方向减去对应的径向角,即获得像素点归一化的梯度方向。
图2为梯度方向归一化示意图,取图像中心O作为极坐标原点,过图像中心O的水平方向为极轴,设图像中像素点p的梯度方向为α,其径向角为β,则像素点p归一化后的梯度方向γ=α-β。将图像逆时针旋转ρ角度后,像素点p则旋转到p'位置,像素点p在p'位置的梯度方向α'=α+ρ、径向角β'=β+ρ,则像素点p在p'位置的归一化梯度方向γ'=α'-β'=(α+ρ)-(β+ρ)=γ,归一化的梯度方向保持不变。
步骤三,基于归一化后的图像梯度方向提取图像的CHOG特征。
该步骤进一步包括以下子步骤:
3.1采用圆形分块策略对图像进行划分。
采用S个同心圆划分图像,同心圆数量S根据经验选取。见图3,采用2个同心圆将图像划分为8个块区域,其中,4个区域为扇形块区域,另4个区域为弧形块区域。
3.2根据归一化后的图像梯度方向划分方向单元(bin)。
统计图像各像素的梯度方向,并将图像的梯度方向划分为P个均匀梯度方向区间,即方向单元,P根据经验进行选取。本具体实施中,P取8。
3.3提取图像的CHOG特征。
下面将以图3为例说明图像CHOG特征的提取过程。
图3采用两个同心圆将图像划分为8个块区域,其中,第一个同心圆对应4个扇形块区域,第二同心圆对应4个弧形块区域。
针对第一个同心圆对应的各扇形块区域,根据扇形块区域各像素的梯度方向,将像素划分到对应的方向单元,并统计不同方向单元中所有像素的梯度方向,获得扇形块区域的梯度方向直方图,见图4,其中,图4(b)为图4(a)中扇形块区域梯度方向直方图示意图。根据方向单元合并各扇形块区域的梯度直方图,即获得第一个同心圆对应的HOG特征。
针对第二个同心圆对应的各弧形块区域,采用上述方法分别获得各弧形块区域的梯度方向直方图,根据方向单元合并所得各弧形块区域的梯度直方图,即获得第二个同心圆对应的CHOG特征。
合并第一个同心圆和第二个同心圆对应的CHOG特征,即获得图像的CHOG特征。图像CHOG特征包括各块区域的梯度方向直方图信息。
3.4图像CHOG特征的归一化处理。
图像获取过程中,不可避免地会存在光照和颜色对比度的差异,为保证图像CHOG特征对光照和对比度的不变性,需对提取的图像CHOG特征进行L2归一化处理。L2归一化处理公式如下:
其中,feature为归一化后图像CHOG特征;f为步骤3.3所获图像CHOG特征;e表示数量级为10e-16的任意数,可以取matlab的eps常数。
步骤四,基于归一化后的图像CHOG特征进行极坐标傅里叶变换,提取具有旋转不变性的图像特征。
基于圆形分块策略获得的图像特征feature,仅当图像旋转的角度与块区域角度一致时,各块区域的特征能保持不变,只是块区域所在的位置发生了改变。显然这还不能满足旋转不变性的要求。
结合圆形分块策略,取同心圆的圆心为坐标原点,对图像进行极坐标变换。进行极坐标变换后,笛卡尔坐标系下图像的角度旋转会转化为θ方向的平移,对极坐标下的图像进行二维离散傅里叶变换,会引起傅里叶系数在相位上发生相同的平移。根据傅里叶变换的平移不变性,提取傅里叶系数的模作为最终的具有旋转不变性的图像特征。
本步骤进一步包括以下子步骤:
4.1重新组织步骤三获得的归一化后的图像CHOG特征feature,获得三维特征矩阵Feature。
根据不同的方向单元,将feature组织为三维特征矩阵Feature,其大小为(sector_num,cell_num,bin_num),其中,sector_num为一个同心圆划分的块区域数量,cell_num为同心圆数量,bin_num为方向单元个数,本具体实施中,bin_num=8。
4.2对三维特征矩阵Feature中各方向单元对应的特征图像进行二维离散傅里叶变换。
二维离散傅里叶变换公式为:
其中,F(μ,ν)为傅里叶变换后方向单元κ的傅里叶系数;μ、ν表示图像中像素坐标;Feature(ε,ψ,κ)表示同心圆ψ的块区域ε中对应于方向单元κ的像素的COHG特征;κ表示方向单元编号,κ=1,2,...,bin_num;ε表示块区域编号,ε=1,2,...,M,M=sector_num;ψ表示同心圆编号,ψ=1,2,.N..,,N=cell_num;j表示虚部。
根据公式(2)分别获得各方向单元的傅里叶系数,取各方向单元傅里叶系数幅值组合,即得到具有旋转不变性的图像特征。
Claims (3)
1.基于极坐标傅里叶变换的旋转不变性图像特征提取方法,其特征在于,包括步骤:
步骤一,获取图像梯度,并根据图像梯度获取图像的梯度方向;
步骤二,对图像的梯度方向进行归一化处理:
以图像中心为极坐标原点、以水平方向为极轴建立极坐标系,在极坐标系下获取图像上各像素点的径向角,将像素点的梯度方向减去该像素点的径向角,即获得归一化处理后的图像梯度方向;
步骤三,基于归一化处理后的图像梯度方向提取图像的CHOG特征:
采用圆形分块策略划分图像获得块区域,统计各块区域的梯度方向信息,并根据各块区域的梯度方向信息获得图像的CHOG特征;
步骤四,对图像的CHOG特征进行极坐标傅里叶变换,提取变换后傅里叶系数的幅值为旋转不变性图像特征;
步骤四进一步包括子步骤:
4.1根据不同的方向单元将图像CHOG特征组织成大小为(M,N,K)的三维特征矩阵Feature,其中,M为一个同心圆划分的块区域数量,N为同心圆数量,K为方向单元数量;
4.2对三维特征矩阵Feature中各方向单元对应的特征图像进行二维离散傅里叶变换,并获取变换后的傅里叶系数F(μ,ν):
其中,F(μ,ν)为傅里叶变换后方向单元κ的傅里叶系数;μ、ν表示图像中像素点坐标;Feature(ε,ψ,κ)表示同心圆ψ块区域ε中对应于方向单元κ的像素点的COHG特征;κ表示方向单元编号,κ=1,2,...,K;ε表示块区域编号,ε=1,2,...,M;ψ表示同心圆编号,ψ=1,2,...,N;j表示虚部;
4.3组合步骤4.2获得的各方向单元的傅里叶系数幅值,得到旋转不变性图像特征。
2.如权利要求1所述的基于极坐标傅里叶变换的旋转不变性图像特征提取方法,其特征在于:
步骤三进一步包括子步骤:
3.1采用S个同心圆划分图像,获得若干扇形块区域和弧形块区域,同心圆数量S根据经验选取;
3.2根据归一化处理后的图像梯度方向划分P个均匀梯度方向区间,即P个方向单元,P根据经验进行选取;
3.3针对各同心圆对应的块区域,进行如下操作:
根据块区域各像素点的梯度方向将像素点划分到对应的方向单元,并统计不同方向单元中各像素点的梯度方向,获得块区域的梯度方向直方图;合并该同心圆对应的所有块区域的梯度直方图,即获得该同心圆对应的CHOG特征;
3.4合并S个同心圆对应的CHOG特征,获得图像的CHOG特征。
3.如权利要求1所述的基于极坐标傅里叶变换的旋转不变性图像特征提取方法,其特征在于:
步骤三中还包括对获得的图像CHOG特征进行L2归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310725894.6A CN103646239B (zh) | 2013-12-25 | 2013-12-25 | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310725894.6A CN103646239B (zh) | 2013-12-25 | 2013-12-25 | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646239A CN103646239A (zh) | 2014-03-19 |
CN103646239B true CN103646239B (zh) | 2016-07-13 |
Family
ID=50251450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310725894.6A Active CN103646239B (zh) | 2013-12-25 | 2013-12-25 | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646239B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105117694B (zh) * | 2015-08-16 | 2018-12-11 | 北京航空航天大学 | 一种结合旋转不变性特征的单张图片人体姿态估计方法 |
CN106650742B (zh) * | 2015-10-28 | 2020-02-21 | 中通服公众信息产业股份有限公司 | 一种基于环形核的图像特征提取方法及装置 |
CN106295519A (zh) * | 2016-07-25 | 2017-01-04 | 中国人民解放军军事医学科学院卫生装备研究所 | 一种针对灾害现场人体搜寻的图像特征 |
CN106980862B (zh) * | 2017-03-17 | 2020-06-09 | 湘潭大学 | 一种圆形图像识别特征提取方法及系统 |
CN107153728B (zh) * | 2017-04-26 | 2020-08-28 | 西安交通大学 | 一种基于双谱幅值分布熵的砂轮磨损状态特征提取方法 |
CN108764249B (zh) * | 2018-04-23 | 2021-07-09 | 云南民族大学 | 一种旋转不变多源影像局部特征描述方法、系统和装置 |
CN108921831B (zh) * | 2018-06-22 | 2021-05-25 | 吉林大学 | 一种基于图像处理技术的污损硬币识别方法 |
CN110162954B (zh) * | 2019-05-31 | 2021-09-28 | Oppo(重庆)智能科技有限公司 | 权限管理方法及相关产品 |
CN111127472B (zh) * | 2019-10-30 | 2021-09-14 | 武汉大学 | 一种基于权重学习的多尺度图像分割方法 |
CN112434708B (zh) * | 2020-11-18 | 2024-07-09 | 南京中科软创科技有限公司 | 一种极坐标二维s变换图像局部谱识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592143A (zh) * | 2012-01-09 | 2012-07-18 | 清华大学 | 一种驾驶员行车中手持电话违规行为检测方法 |
CN103268497A (zh) * | 2013-06-18 | 2013-08-28 | 厦门大学 | 一种人脸姿态检测方法与在人脸识别中的应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8116553B2 (en) * | 2007-10-03 | 2012-02-14 | Siemens Product Lifecycle Management Software Inc. | Rotation invariant 2D sketch descriptor |
-
2013
- 2013-12-25 CN CN201310725894.6A patent/CN103646239B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592143A (zh) * | 2012-01-09 | 2012-07-18 | 清华大学 | 一种驾驶员行车中手持电话违规行为检测方法 |
CN103268497A (zh) * | 2013-06-18 | 2013-08-28 | 厦门大学 | 一种人脸姿态检测方法与在人脸识别中的应用 |
Non-Patent Citations (2)
Title |
---|
"灾难现场中人体腿脚部检测";赵宏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110515;第2011年卷(第05期);论文33-35页 * |
金飞,等."基于对数极坐标变换的遥感影像居民地提取".《测绘科学》.2013,第38卷(第3期),论文第102页摘要,103页第2栏倒数第3-倒数第1段. * |
Also Published As
Publication number | Publication date |
---|---|
CN103646239A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103646239B (zh) | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 | |
Gählert et al. | Cityscapes 3d: Dataset and benchmark for 9 dof vehicle detection | |
CN103310195B (zh) | 车辆高分遥感图像的基于llc特征的弱监督识别方法 | |
CN107103323A (zh) | 一种基于图像轮廓特征的目标识别方法 | |
CN103886611A (zh) | 一种适合于航空摄影飞行质量自动检查的影像匹配方法 | |
CN103593849B (zh) | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 | |
CN104361314A (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
CN103679702A (zh) | 一种基于图像边缘矢量的匹配方法 | |
Yang et al. | Localization algorithm and implementation for focal of pulmonary tuberculosis chest image | |
CN103473537A (zh) | 一种目标图像轮廓特征表示方法及装置 | |
CN105488512A (zh) | 基于Sift特征匹配和形状上下文的试卷阅卷方法 | |
CN105488541A (zh) | 增强现实系统中基于机器学习的自然特征点识别方法 | |
CN107194916A (zh) | 一种基于特征点匹配的视觉测量系统 | |
CN102902973B (zh) | 一种具有旋转不变性的图像特征的提取方法 | |
CN101430789B (zh) | 基于Fast Slant Stack变换的图像边缘检测方法 | |
CN103310456B (zh) | 基于Gaussian-Hermite矩的多时相/多模态遥感图像配准方法 | |
CN102081741A (zh) | 一种基于视觉注意原理的行人检测方法和系统 | |
CN105069780B (zh) | 一种基于SoPC的SAR图像水域检测实现方法 | |
CN104123724A (zh) | 一种3d点云物体的快速检测方法 | |
CN104036494A (zh) | 一种用于水果图像的快速匹配计算方法 | |
CN107146215A (zh) | 一种基于颜色直方图和凸包的显著性检测方法 | |
Yang et al. | Research and application of 3D face modeling algorithm based on ICP accurate alignment | |
Gu et al. | Polynomial fitting-based shape matching algorithm for multi-sensors remote sensing images | |
Wang et al. | Research of shoeprint image matching based on SIFT algorithm | |
US20220180663A1 (en) | A method and device for recognizing a gesture in real-time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |