CN104318236B - 一种获取图像局部特征的方法及系统 - Google Patents
一种获取图像局部特征的方法及系统 Download PDFInfo
- Publication number
- CN104318236B CN104318236B CN201410586724.9A CN201410586724A CN104318236B CN 104318236 B CN104318236 B CN 104318236B CN 201410586724 A CN201410586724 A CN 201410586724A CN 104318236 B CN104318236 B CN 104318236B
- Authority
- CN
- China
- Prior art keywords
- image block
- mrow
- feature vector
- image
- vector components
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的一种获取图像局部特征的方法及系统,获取待处理图像后确定至少一个矩形图像块,然后将矩形图像块分为多个矩形亚图像块,再对每个矩形亚图像块在不同尺度下计算特征向量分量,将获得的所有特征向量分量进行排列后得到最终的图像局部特征向量。采取了多尺度分区域的图像局部特征分析和提取,获得的图像局部特征向量具有很强的抗噪性,和对尺度变换的鲁棒性,方法简单又能完整体现图像的局部特征。在计算特征向量分量的时候采取了与局部矩形图像块的平均灰度值相除,使得最终获得的图像局部特征向量具有一定的抵抗光照变化的能力,整个计算过程简单,非常适用于对实时视频图像的处理。
Description
技术领域
本发明涉及数字图像即视频处理技术领域,尤其涉及一种获取图像局部特征的方法及系统。
背景技术
在多种涉及显示设备的多媒体处理系统中,图像的局部特征分析和提取效果对图像视频的运动估计、降噪、超分辨率重建、融合、运动物体追踪、立体视觉等一系列算法和技术起着决定性的作用。相对于图像的整体特征,图像局部特征标记出了图像中的重要区域,将图像信息用这些区域来表征,能够在表示图像局部重要信息的同时,节约应用时的计算量。图像局部特征具有区分性好、重现性高、鲁棒性强、对几何变化和光照变化保持稳健等特点。
现有的通行的图像局部特征表征方式包括从简单的绝对差值和(SAD)、局部均值差、局部对比度、局部边缘差异到比较复杂的SIFT,哈里斯角特征提取(Harris CornerDetection)、FAST、MSER和SURF等。其中,绝对差值和(SAD)、局部均值差、局部对比度、局部边缘差异这些方式过于简单,对噪声很敏感以至于不能较为完整地体现图像局部特征的独特性,比较复杂的SIFT,哈里斯角特征提取(Harris Corner Detection)、FAST、MSER和SURF这些方式计算过于复杂、对精度要求极高以至于在软件或硬件平台上能够实现实时化,定点化成本很高。
发明内容
为此,本发明所要解决的技术问题是现有技术中的图像局部特征提取方法过于复杂或者不能完整的体现图像的局部特性,从而提出一种既简单又能完整体现局部特征的获取图像局部特征的方法及系统。
为解决上述技术问题,本发明提供如下技术方案:
一种获取图像局部特征的方法,包括如下步骤:
获取待处理图像;
在所述待处理图像中确定至少一个矩形图像块;
将所述矩形图像块分为多个矩形亚图像块;
对每个矩形亚图像块在不同尺度下计算特征向量分量;
将所有特征向量分量进行排列得到图像局部特征向量。
上述获取图像局部特征的方法,所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
上述获取图像局部特征的方法,所述将所述矩形图像块分为多个矩形亚图像块的步骤中:
将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。
上述获取图像局部特征的方法,所述对每个亚图像块在不同尺度下计算特征向量分量的步骤具体包括如下步骤:
当m=2时,设置尺度因子s,根据尺度因子s确定多个尺度1,2,3…s;
将矩形亚图像块Isub(i)中的左上角的顶点像素坐标都设为(a,b);
针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所述坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数;
针对每个尺度,计算特征向量分量v(j)。
上述获取图像局部特征的方法,所述计算特征向量分量v(j)具体公式如下:
其中,v(j)表示特征向量分量,nij表示特征向量分量为V(j)时亚像素图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时亚像素图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,表示所述矩形图像块的平均灰度值。
上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子。
当j=1时,特征向量分量v(1)由下述公式获取:
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
上述获取图像局部特征的方法,所述将所有特征向量分量进行排列得到图像局部特征向量步骤中:
所述将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
上述获取图像局部特征的方法,以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
一种获取图像局部特征的系统,包括:
图像获取模块,用于获取待处理图像;
局部图像获取模块,用于在所述待处理图像中确定至少一个矩形图像块;
图像分块模块,用于将所述矩形图像块分为多个矩形亚图像块;
特征向量分量获取模块,用于对每个矩形亚图像块在不同尺度下计算特征向量分量;
图像局部特征向量获取模块,用于将所有特征向量分量进行排列得到图像局部特征向量。
上述获取图像局部特征的系统,所述局部图像获取模块中:
所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
上述获取图像局部特征的系统,所述图像分块模块中:
将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。
上述获取图像局部特征的系统,所述特征向量分量获取模块包括:
尺度因子设定子模块,用于当m=2时,设置尺度因子s,根据尺度因子确定多个尺度1,2,3…s;
坐标设置子模块,用于将矩形亚图像块Isub(i)中的左上角的顶点像素坐标都设为(a,b);
像素提取子模块,用于针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所以坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数;
特征向量分量计算子模块,用于针对每个尺度,计算特征向量分量v(j)。
上述获取图像局部特征的系统,所述特征向量分量获取模块中计算特征向量分量v(j)具体公式如下:
其中,v(j)表示特征向量分量,nij表示特征向量分量为V(j)时亚像素图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时亚像素图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,表示所述矩形图像块的平均灰度值;
上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子;
当j=1时,特征向量分量v(1)由下述公式获取:
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
上述获取图像局部特征的系统,所述图像局部特征向量获取模块中:
所述将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
上述获取图像局部特征的系统,所述特征向量分量获取模块中:
以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
本发明的上述技术方案相比现有技术具有以下优点:
(1)本发明所述的一种获取图像局部特征的方法及系统,获取待处理图像后确定至少一个矩形图像块,然后将矩形图像块分为多个矩形亚图像块,再对每个矩形亚图像块在不同尺度下计算特征向量分量,将获得的所有特征向量分量进行排列后得到最终的图像局部特征向量。采取了多尺度分区域的图像局部特征分析和提取,获得的图像局部特征向量具有很强的抗噪性,和对尺度变换的鲁棒性,方法简单又能完整体现图像的局部特征。
(2)本发明所述的一种获取图像局部特征的方法及系统,在计算特征向量分量的时候采取了与局部矩形图像块的平均灰度值相除,使得最终获得的图像局部特征向量具有一定的抵抗光照变化的能力,亦即灰度不变性;整个计算过程仅限于求和以及平均,所有计算步骤最大限度地削减了乘法和除法,都可以采用简单的定点化方式实现,非常适用于对实时视频图像的处理。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明一个实施例的一种获取图像局部特征的方法流程图;
图2是本发明一个实施例的一种将矩形图像块分为矩形亚图像块的示意图。
图3是本发明一个实施例的一种将矩形图像块分为矩形亚图像块的示意图。
图4是本发明一个实施例的一种将矩形图像块分为矩形亚图像块的示意图。
图5是本发明一个实施例的一种获取图像局部特征的系统框图。
具体实施方式
实施例1
本实施例提供一种获取图像局部特征的方法,如图1所示,包括如下步骤:
S1:获取待处理图像,待处理图像即为当前输入图像。
S2:在所述待处理图像中确定至少一个矩形图像块。
本实施例中在所述待处理图像中确定一个矩形图像块,所述矩形图像块的中心像素坐标为(p,q),所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
S3:将所述矩形图像块分为多个矩形亚图像块。
将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。所述矩形图像块可以分为2个矩形亚图像块、4个矩形亚图像块、8个矩形亚图像块、16个矩形亚图像块、32个矩形图像块等,为了计算方便,本实施例中将所述矩形图像块分为4个相同的矩形亚图像块Isub(i),i=1~4,
将矩形图像块分为4个相同的矩形亚图像块Isub(i),有三种方法,第一种方法是将矩形图像块按高度四等分为4个相同的矩形亚图像块Isub(i),如图2所示;第二种方法是将矩形图像块按宽度四等分为4个相同的矩形亚图像块Isub(i),如图3所示;第三种方法是将矩形亚图像块按2×2分为4个相同的矩形亚图像块Isub(i),如图4所示。本实施例中选取第三种方法。
矩形亚图像块Isub(1)从所述矩形图像块的左上角的像素—亦即第一行第一列—开始,直至所述矩形图像块的第((A+1)/2,(B+1)/2)个像素—亦即第(A+1)/2行第(B+1)/2列—结束,所包含的所有像素构成的矩形区域。矩形亚图像块Isub(1)四个顶点像素坐标分别为a1(1,1),a2(1,(B+1)/2),a3((A+1)/2,1),a4((A+1)/2,(B+1)/2)。
矩形亚图像块Isub(2)为从所述矩形图像块中的第(1,(B+1)/2)个像素—亦即第一行第(B+1)/2列—开始,直至所述矩形图像块的第((A+1)/2,B)个像素—亦即第(A+1)/2行第B列—结束,所包含的所有像素构成的矩形区域。矩形亚图像块Isub(2)四个顶点像素坐标分别为b1(1,(B+1)/2),b2(1,B),b3((A+1)/2,(B+1)/2),b4((A+1)/2,B)。
矩形亚图像块Isub(3)为从所述矩形图像块中的第((A+1)/2,1)个像素—亦即第(A+1)/2行第一列—开始,直至所述矩形图像块的第(A,(B+1)/2)个像素—亦即第A行第(B+1)/2列—结束,所包含的所有像素构成的矩形区域。矩形亚图像块Isub(3)四个顶点像素坐标分别为c1((A+1)/2,1),c2((A+1)/2,(B+1)/2),c3(A,1),c4(A,(B+1)/2)。
矩形亚图像块Isub(4)为从所述矩形图像块中的第((A+1)/2,(B+1)/2)个像素—亦即第(A+1)/2行第(B+1)/2列—开始,直至前述这个AxB的矩形图像块的第(A,B)个像素—亦即第A行第B列—结束,所包含的所有像素构成的矩形区域。矩形亚图像块Isub(4)四个顶点像素坐标分别为d1((A+1)/2,(B+1)/2),d2((A+1)/2,B),d3(A,(B+1)/2),d4(A,B)。
S4:对每个矩形亚图像块在不同尺度下计算特征向量分量。
步骤S4具体包括如下步骤:
S41:设置尺度因子s,根据尺度因子s确定多个尺度1,2,3…s。
S42:将矩形亚图像块Isub(i)中的左上角的顶点像素坐标都设为(a,b)。
S43:针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所以坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数。
在矩形亚图像块Isub(1)中,要计算特征向量分量v(j),首先根据下述关系式确定相应的k,
k=(j-2)/4
然后从所述矩形亚图像块Isub(1)中左上角第一个像素坐标(a,b)开始,遍历Isub(1)中的每个像素坐标,并提取坐标为(u,v)的像素的灰度值,所述坐标(u,v)满足下述条件:
同时记录被提取像素的数目。
在矩形亚图像块Isub(2)中,要计算特征向量分量v(j),首先根据下述关系式确定相应的k,
k=(j-3)/4
然后从所述矩形亚图像块Isub(2)中左上角第一个像素坐标(a,b)开始,遍历Isub(2)中的每个像素坐标,并提取坐标为(u,v)的像素的灰度值,所述坐标(u,v)满足下述条件:
同时记录被提取像素的数目。
在矩形亚图像块Isub(3)中,要计算特征向量分量v(j),首先根据下述关系式确定相应的k,
k=(j-4)/4
然后从所述矩形亚图像块Isub(3)中左上角第一个像素坐标即(a,b)开始,遍历Isub(3)中的每个像素坐标,并提取坐标为(u,v)的像素的灰度值,所述坐标(u,v)满足下述条件:
同时记录被提取像素的数目。
在矩形亚图像块Isub(4)中,要计算特征向量分量v(j),首先根据下述关系式确定相应的k,
k=(j-5)/4
然后从所述矩形亚图像块Isub(4)中左上角第一个像素坐标(a,b)开始,遍历Isub(4)中的每个像素坐标,并提取坐标为(u,v)的像素的灰度值,所述坐标(u,v)满足下述条件:
同时记录被提取像素的数目。
S44:针对每个尺度,计算特征向量分量v(j)
针对每个亚像素图像块,将提取出的像素的灰度值作和后除以上述被提取像素的数目即为该特定的v(j)的值,即:
其中,v(j)表示特征向量分量,nij表示特征向量分量为V(j)时亚像素图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时亚像素图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,表示所述矩形图像块的平均灰度值。
上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子。
当j=1时,特征向量分量v(1)由下述公式获取:
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
S5:将所有特征向量分量进行排列得到图像局部特征向量。
所述将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
在步骤S4中:
以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
本发明提供的一种获取图像局部特征的方法,获取待处理图像后确定至少一个矩形图像块,然后将矩形图像块分为多个矩形亚图像块,再对每个矩形亚图像块在不同尺度下计算特征向量分量,将获得的所有特征向量分量进行排列后得到最终的图像局部特征向量。采取了多尺度分区域的图像局部特征分析和提取,获得的图像局部特征向量具有很强的抗噪性,和对尺度变换的鲁棒性,方法简单又能完整体现图像的局部特征。在计算特征向量分量的时候采取了与局部矩形图像块的平均灰度值相除,使得最终获得的图像局部特征向量具有一定的抵抗光照变化的能力,亦即灰度不变性;整个计算过程仅限于求和以及平均,所有计算步骤最大限度地削减了乘法和除法,都可以采用简单的定点化方式实现,非常适用于对实时视频图像的处理。
实施例2
本实施例提供一种获取图像局部特征的系统,如图5所示,包括:
图像获取模块1,用于获取待处理图像。
局部图像获取模块2,用于在所述待处理图像中确定至少一个矩形图像块。
图像分块模块3,用于将所述矩形图像块分为多个矩形亚图像块。
特征向量分量获取模块4,用于对每个矩形亚图像块在不同尺度下计算特征向量分量。
图像局部特征向量获取模块5,用于将所有特征向量分量进行排列得到图像局部特征向量。
所述局部图像获取模块2中所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
所述图像分块模块3中将所述矩形图像块分为将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。
所述特征向量分量获取模块4包括:
尺度因子设定子模块,用于当m=2时,设置尺度因子s,根据尺度因子确定多个尺度1,2,3…s。
坐标设置子模块,用于将矩形亚图像块Isub(i)中的的左上角的顶点像素坐标都设为(a,b)。
像素提取子模块,用于针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所以坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数。
特征向量分量计算子模块,用于针对每个尺度,计算特征向量分量v(j)。
所述特征向量分量获取模块中计算特征向量分量v(j)具体公式如下:
其中,v(j)表示特征向量分量,nij表示特征向量分量为V(j)时亚像素图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时亚像素图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,表示所述矩形图像块的平均灰度值。
上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子。
当j=1时,特征向量分量v(1)由下述公式获取:
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
所述图像局部特征向量获取模块5中:
所述将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
所述特征向量分量获取模块中:
以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
本发明提供的一种获取图像局部特征的系统,获取待处理图像后确定至少一个矩形图像块,然后将矩形图像块分为多个矩形亚图像块,再对每个矩形亚图像块在不同尺度下计算特征向量分量,将获得的所有特征向量分量进行排列后得到最终的图像局部特征向量。采取了多尺度分区域的图像局部特征分析和提取,获得的图像局部特征向量具有很强的抗噪性,和对尺度变换的鲁棒性,方法简单又能完整体现图像的局部特征。在计算特征向量分量的时候采取了与局部矩形图像块的平均灰度值相除,使得最终获得的图像局部特征向量具有一定的抵抗光照变化的能力,亦即灰度不变性;整个计算过程仅限于求和以及平均,所有计算步骤最大限度地削减了乘法和除法,都可以采用简单的定点化方式实现,非常适用于对实时视频图像的处理。
在本发明实施例中的获取图像局部特征的方法和系统适于多种涉及显示设备的多媒体处理系统。所述多媒体处理系统可以包括但不限于数字电视、机顶盒、智能终端、视频监控系统、手机、平板电脑和掌上电脑等。所述多媒体处理系统的显示设备可以包括但不限于阴极射线管、等离子、液晶等显示方式。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (14)
1.一种获取图像局部特征的方法,其特征在于,包括如下步骤:
获取待处理图像;
在所述待处理图像中确定至少一个矩形图像块;
将所述矩形图像块分为多个矩形亚图像块;
对每个矩形亚图像块在不同尺度下计算特征向量分量;
将所有特征向量分量进行排列得到图像局部特征向量;
所述对每个矩形亚图像块在不同尺度下计算特征向量分量的步骤具体包括如下步骤:
设置尺度因子s,根据尺度因子s确定多个尺度1,2,3…s;
将矩形亚图像块Isub(i)中的左上角的顶点像素坐标都设为(a,b);i表示矩形亚图像块Isub(i)的下标;
针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所述坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数;
针对每个尺度,计算特征向量分量v(j);所述计算特征向量分量v(j)具体公式如下:
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mfrac>
</mrow>
其中,v(j)表示特征向量分量,j表示特征向量分量v(j)的下标,nij表示特征向量分量为V(j)时矩形亚图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时矩形亚图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,n表示特征向量分量为V(j)时矩形亚图像块Isub(i)中满足坐标为(u,v)的像素的个数,表示所述矩形图像块的平均灰度值。
2.根据权利要求1所述的获取图像局部特征的方法,其特征在于,所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
3.根据权利要求1所述的获取图像局部特征的方法,其特征在于,所述将所述矩形图像块分为多个矩形亚图像块的步骤中:
将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。
4.根据权利要求3所述的获取图像局部特征的方法,其特征在于,m=2。
5.根据权利要求4所述的获取图像局部特征的方法,其特征在于,上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子;
当j=1时,特征向量分量v(1)由下述公式获取:
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mfrac>
</mrow>
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
6.根据权利要求5所述的获取图像局部特征的方法,其特征在于,所述将所有特征向量分量进行排列得到图像局部特征向量步骤中:
将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
7.根据权利要求1-6任一所述的获取图像局部特征的方法,其特征在于:
以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
8.一种获取图像局部特征的系统,其特征在于,包括:
图像获取模块,用于获取待处理图像;
局部图像获取模块,用于在所述待处理图像中确定至少一个矩形图像块;
图像分块模块,用于将所述矩形图像块分为多个矩形亚图像块;
特征向量分量获取模块,用于对每个矩形亚图像块在不同尺度下计算特征向量分量;
图像局部特征向量获取模块,用于将所有特征向量分量进行排列得到图像局部特征向量;
所述特征向量分量获取模块包括:
尺度因子设定子模块,用于设置尺度因子s,根据尺度因子确定多个尺度1,2,3…s;
坐标设置子模块,用于将矩形亚图像块Isub(i)中的左上角的顶点像素坐标都设为(a,b);i表示矩形亚图像块Isub(i)的下标;
像素提取子模块,用于针对每个尺度,在矩形亚图像块Isub(i)中提取坐标为(u,v)的像素的灰度值,并记录被提取像素的数目,所述坐标(u,v)满足下述条件:
其中(u,v)表示像素坐标,k∈[0,s-1],且k为整数;
特征向量分量计算子模块,用于针对每个尺度,计算特征向量分量v(j);所述特征向量分量获取模块中计算特征向量分量v(j)具体公式如下:
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>f</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>n</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mfrac>
</mrow>
其中,v(j)表示特征向量分量,j表示特征向量分量v(j)的下标,nij表示特征向量分量为V(j)时矩形亚图像块Isub(i)中被提取像素的数目,fij(x)表示特征向量分量为V(j)时矩形亚图像块Isub(i)中满足坐标为(u,v)的像素的灰度值,n表示特征向量分量为V(j)时矩形亚图像块Isub(i)中满足坐标为(u,v)的像素的个数,表示所述矩形图像块的平均灰度值。
9.根据权利要求8所述的获取图像局部特征的系统,其特征在于,所述局部图像获取模块中:
所述矩形图像块的尺寸为A×B,且A和B满足下述条件:
其中A为所述矩形图像块的高度,B为所述矩形图像块的宽度,s为尺度因子,且s为不小于1的整数。
10.根据权利要求8所述的获取图像局部特征的系统,其特征在于,所述图像分块模块中:
将所述矩形图像块分为2m个相同的矩形亚图像块Isub(i),i=1~2m,i为整数,m为大于等于1的整数。
11.根据权利要求10所述的获取图像局部特征的系统,其特征在于,m=2。
12.根据权利要求11所述的获取图像局部特征的系统,其特征在于,上述特征向量分量v(j)的下标j满足下述条件:
其中,j表示特征向量分量v(j)的下标,i表示矩形亚图像块Isub(i)的下标,s表示尺度因子;
当j=1时,特征向量分量v(1)由下述公式获取:
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
<mover>
<mi>f</mi>
<mo>&OverBar;</mo>
</mover>
</mfrac>
</mrow>
其中,f(p,q)表示所述矩形图像块中心像素坐标为(p,q)的像素的灰度值,表示所述矩形图像块的平均灰度值。
13.根据权利要求12所述的获取图像局部特征的系统,其特征在于,所述图像局部特征向量获取模块中:
将所有特征向量分量v(j)进行排列得到图像局部特征向量v采用的排列方式为所有特征向量分量v(j)的线性组合或者非线性组合。
14.根据权利要求8-13任一所述的获取图像局部特征的系统,其特征在于,所述特征向量分量获取模块中:
以矩形图像块的平均灰度值为自变量的非递减函数所获得的值均为所述矩形图像块的平均灰度值的一种形式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410586724.9A CN104318236B (zh) | 2014-10-28 | 2014-10-28 | 一种获取图像局部特征的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410586724.9A CN104318236B (zh) | 2014-10-28 | 2014-10-28 | 一种获取图像局部特征的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318236A CN104318236A (zh) | 2015-01-28 |
CN104318236B true CN104318236B (zh) | 2017-11-14 |
Family
ID=52373465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410586724.9A Active CN104318236B (zh) | 2014-10-28 | 2014-10-28 | 一种获取图像局部特征的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318236B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045618B (zh) * | 2016-02-05 | 2020-07-03 | 北京陌上花科技有限公司 | 一种人脸表情识别方法及装置 |
CN110019898A (zh) * | 2017-08-08 | 2019-07-16 | 航天信息股份有限公司 | 一种动漫图像处理系统 |
KR102580062B1 (ko) * | 2018-05-31 | 2023-09-19 | 삼성에스디에스 주식회사 | 이미지 분할 방법 및 장치 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514432A (zh) * | 2012-06-25 | 2014-01-15 | 诺基亚公司 | 人脸特征提取方法、设备和计算机程序产品 |
CN103955690A (zh) * | 2014-04-15 | 2014-07-30 | 合肥工业大学 | 一种紧凑的图像局部特征描述子的构造方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008217589A (ja) * | 2007-03-06 | 2008-09-18 | Toshiba Corp | 学習装置及びパターン認識装置 |
-
2014
- 2014-10-28 CN CN201410586724.9A patent/CN104318236B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514432A (zh) * | 2012-06-25 | 2014-01-15 | 诺基亚公司 | 人脸特征提取方法、设备和计算机程序产品 |
CN103955690A (zh) * | 2014-04-15 | 2014-07-30 | 合肥工业大学 | 一种紧凑的图像局部特征描述子的构造方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104318236A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
EP3540637B1 (en) | Neural network model training method, device and storage medium for image processing | |
US7931602B2 (en) | Gaze guidance degree calculation system, gaze guidance degree calculation program, storage medium, and gaze guidance degree calculation method | |
Zhang et al. | Multiple-level feature-based measure for retargeted image quality | |
CN111144215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110400337B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN103260081A (zh) | 一种视频图像缩放处理方法及装置 | |
CN104952083B (zh) | 一种基于显著性目标背景建模的视频显著性检测方法 | |
CN101789235B (zh) | 一种图像处理方法及装置 | |
CN105913453A (zh) | 一种目标跟踪方法和装置 | |
CN103530881A (zh) | 适用于移动终端的户外增强现实无标志点跟踪注册方法 | |
CN103226824B (zh) | 维持视觉显著性的视频重定向系统 | |
CN105894470A (zh) | 一种图像处理方法及装置 | |
CN104318236B (zh) | 一种获取图像局部特征的方法及系统 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN110458790A (zh) | 一种图像检测方法、装置及计算机存储介质 | |
CN103067671A (zh) | 一种显示图像的方法及装置 | |
CN108805825A (zh) | 一种重定位图像质量评价方法 | |
CN103067646A (zh) | 运动特征提取方法和装置,以及视频处理装置 | |
CN111641822A (zh) | 一种重定位立体图像质量评价方法 | |
CN111028195A (zh) | 一种基于实例分割的重定向图像质量信息处理方法及系统 | |
CN110782463B (zh) | 分割方式的确定方法、装置、显示方法和设备、存储介质 | |
CN108848365A (zh) | 一种重定位立体图像质量评价方法 | |
CN111027551B (zh) | 图像处理方法、设备和介质 | |
CN106056575B (zh) | 一种基于似物性推荐算法的图像匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |