CN109460770A - 图像特征描述符提取方法、装置、计算机设备和存储介质 - Google Patents

图像特征描述符提取方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109460770A
CN109460770A CN201811038702.3A CN201811038702A CN109460770A CN 109460770 A CN109460770 A CN 109460770A CN 201811038702 A CN201811038702 A CN 201811038702A CN 109460770 A CN109460770 A CN 109460770A
Authority
CN
China
Prior art keywords
image
line
color lump
heart
point
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.)
Granted
Application number
CN201811038702.3A
Other languages
English (en)
Other versions
CN109460770B (zh
Inventor
徐庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811038702.3A priority Critical patent/CN109460770B/zh
Publication of CN109460770A publication Critical patent/CN109460770A/zh
Application granted granted Critical
Publication of CN109460770B publication Critical patent/CN109460770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种图像特征描述符提取方法、装置、计算机设备和存储介质。所述方法包括：对待处理图像进行色块分割，并提取待处理图像的图像轮廓线以及图像重心点，根据图像轮廓线以及图像重心点进行待处理的重新定位。获取重定位后待处理图像所有色块连通域重心点、色块重心点、所有色块连通域轮廓线以及所有色块轮廓线，并计算图像心线径线的特征描述符、色块连通域的心线径线的特征描述符、色块心线径线的特征描述符以及图像心心径线的特征描述符，将其作为图像特征描述符。不但丰富了图像特征的描述，使相同或相近图像的共同特征描述的更加稳定，并且能够提高图像识别检索中相同或相近图像的匹配效果。

Description

图像特征描述符提取方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图像特征描述符提取方法、装置、计算机设备和存储介质。
背景技术
随着图像处理技术的发展，对图像特征如何进行更好的描述，是图像识别与检索领域一直在研究的客体。一组良好的图像特征描述符应该具有区分性和共同性，区分性是指描述符能将一幅图像与另一幅图像相区别的特征点反映出来，使该描述符对于该图像是唯一的。共同性是指图像特征描述符能将一幅图像与其他相同或相近的图像以同一特征点反映出来，使该描述符对于相同或相近的图像拥有共同的特征点，以实现相同或相近图像的良好检所匹配。
传统的相同或相近图像的检索技术主要包括两种，一是基于文本的图像检索技术(Text-based Image Retrieval，简称TBIR)，利用文本描述的方式描述图像的特征；二是基于内容的图像检索(Content-based Image Retrieval，简称CBIR)技术，对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术。传统的图像特征描述符不能在人的视觉中认为是相同或基本相同的图像中稳定获得一致的图像特征描述符，并且图像特征描述符运算过于复杂，所提取的图像特征信息当使用于检索颜色层次较多和复杂结构的图像时，匹配效果差。
发明内容
基于此，有必要针对上述技术问题，提供一种能够能更好的进行图像匹配的图像特征描述符提取方法、装置、计算机设备和存储介质。
一种图像特征描述符提取方法，所述方法包括：对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点；按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的待处理图像坐标系；在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，其中，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后的图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量；对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值；对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符；将所述将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
在其中一个实施例中，所述图像重心点是待处理图像中除背景色色块外所有色块的多个色块连通域的像素点的集合所构成的平面图形的重心点，所述图像重心点是能使图像非背景色块像素点所构成的平面图形保持平衡的支点所对应的像素点；所述色块重心点是待处理图像中某一色块像素点的集合所构成的平面图形的重心点，所述色块重心点是能使相应色块像素点所构成的平面图形保持平衡的支点所对应的像素点；所述色块连通域重心点是待处理图像中某一色块连通域像素点的集合所构成的平面图形的重心点，所述色块连通域重心点是能使相应色块连通域像素点所构成的平面图形保持平衡的支点所对应的像素点。
在其中一个实施例中，所述按照预设定位规则对所述待处理图像进行定位处理包括：根据所述图像轮廓线以及图像重心点，获取过图像重心点并与图像轮廓线相交的所有线段，并将最长的线段作为基准线段；以所述图像重心点为旋转中心旋转所述待处理图像，使所述基准线段处于水平状态，并且使所述基准线段下方区域中除背景色色块外所有色块的图像像素点最多。
在其中一个实施例中，所述图像特征元素包括：
所述色块有效区域是指图像色块轮廓线被外接方形围起的区域，外接方形的每一边至少与图像色块轮廓线上有一点相接或重合；
所述色块连通域有效区域是指图像色块连通域轮廓线被外接方形围起的区域，外接方形的每一边至少与图像色块连通域轮廓线上有一点相接或重合；
所述色块像素数量是指该色块中像素点的数量；
所述色块连通域像素数量是指该色块连通域中像素点的数量；
所述图像轮廓线是指图像各色块和各连通域边缘像素点所构成的轨迹线；
所述色块连通域轮廓线是指图像各色块连通域边缘像素点所构成的轨迹线；
所述色块轮廓线是指图像各色块边缘像素点所构成的轨迹线；
所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；
所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；
所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值。
在其中一个实施例中，所述对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，包括：
图像特征元素的坐标位置值转换为百分数的方法：计算图像特征元素的坐标位置值占坐标基准长度的百分数，将该百分数作为图像特征元素的坐标位置值转换后的百分数，其中，x轴坐标的基准长度是图像有效区域的水平像素长度，y轴坐标的基准长度是图像有效区域的垂直像素长度。
图像特征元素的线段长度值转换为百分数的方法：计算图像特征元素的线段长度值占线段基准长度的百分数，将该百分数作为图像特征元素的线段长度值转换后的百分数，其中，线段基准长度是过图像重心点并与图像轮廓线相交的所有线段中最长的线段的长度。
图像特征元素的其他类型数量值转换为百分数的方法：计算图像特征元素的其他类型数量值占该其他类型总数量的百分数，将该百分数作为图像特征元素的其他类型数量值转换后的百分数，其中，其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量。在其中一个实施例中，所述提取定位后待处理图像预设角度方向的心线径线，并计算各心线径线的长度，将所述长度转换为特别取整的百分比数包括：(1)选择和设置预设角度，所述预设角度是指以重心点为圆心的圆中，每个心线径线与y轴上方线段所构成的夹角度数，一般预设角度在小于360度的范围内取值；(2)提取符合预设角度的图像心线径线，以图像重心点为原点，沿预设角度找出与所述图像轮廓线相交的点，将该图像重心点与图像轮廓线相交的点的连线作为图像心线径线；提取符合预设角度的色块心线径线，以色块重心点为原点，沿预设角度找出与所述色块轮廓线相交的点，将色块重心点与色块轮廓线相交的点的连线作为色块心线径线；提取符合预设角度的色块连通域心线径线，以色块连通域重心点为原点，沿预设角度找出与所述色块连通域轮廓线相交的点，将该色块连通域重心点与色块连通域轮廓线相交的点的连线作为图像色块心线径线；(3)分别计算图像心线径线、色块心线径线和色块连通域心线径线的长度，将该长度转换为特别取整的百分比数；其中，所述心线径线的长度的表示形式，包括：心线径线实际长度，心线径线相对长度，心线径线特别取整的百分比数；其中，所述心线径线实际长度是指心线径线的实际像素长度；所述的心线径线相对长度是指心线径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；所述的心线径线特别取整的百分比数是指按预设规则对心线径线相对长度进行取整而获得的特别取整的百分比数；所述的特别取整的百分比数的预设规则包括：1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数；2)检查心线径线相对长度落入的区间，将该心线径线相对长度置换为该区间预设的特别取整的百分比数。
在其中一个实施例中，对所获取的图像特征元素的计量值转换为百分数并按预设取整规则获取特别取整的百分比数，还包括：(1)提取定位后待处理图像与色块的心心径线，将该图像重心点和各色块重心点的连线作为待定位后待处理图像与色块的心心径线；提取定位后待处理图像与色块连通域的心心径线，将该图像重心点和各色块连通域重心点的连线作为定位后待处理图像与色块连通域的心心径线；(2)计算心心径线的角度，所述心心径线的角度是心心径线与y轴上方线段所构成的夹角度数，将该角度转换为特别取整的角度数；(3)计算心心径线的长度，所述心心径线的长度的表示形式，包括：心心径线实际长度，心心径线相对长度，心心径线特别取整的百分比数；其中，所述心心径线实际长度是指心心径线的实际像素长度；所述心心径线相对长度是指心心径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；所述心心径线特别取整的百分比数是指按预设规则对心心径线相对长度进行取整而获得图像心心径线的特别取整的百分比数；所述的特别取整的百分比数的预设规则包括：1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数；2)检查心心径线相对长度落入的区间，将该心心径线相对长度置换为该区间预设的特别取整的百分比数。
一种图像特征描述符提取装置，所述装置包括：图像分割模块，用于对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点；图像定位模块，用于按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系；特征提取模块，用于在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，其中，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量；计算模块，用于对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值；特征描述符生成模块，用于对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符；图像特征描述符生成模块，用于将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述图像特征描述符提取方法、装置、计算机设备和存储介质，首先对待处理图像进行色块分割，并提取待处理图像的图像轮廓线以及图像重心点，根据图像轮廓线以及图像重心点按照预设定位规则对所述待处理图像进行重新定位处理，获取以图像重心点为原点的坐标系。获取以图像重心点为原点的待处理图像坐标系。在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，这些图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角。对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值。对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符。将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符，不但丰富了图像特征的描述，使相同或相近图像的共同特征描述的更加稳定，并且能够提高图像识别检索中相同或相近图像的匹配效果。
附图说明
图1为一个实施例中图像特征描述符提取方法的流程示意图；
图2a为一个实施例中给出一种示例性待处理图像；
图2b为另一个实施例中给出一种示例性待处理图像；
图3a为一个实施例中图像重心点示意图；
图3b为一个实施例中图像色块重心点示意图；
图3c为一个实施例中图像色块连通域重心点示意图；
图4为一个实施例中定位后待处理图像及其色块轮廓线有效区域示意图；
图5为一个实施例中预设角度为8等份的角度分布示意图；
图6为一个实施例中预设角度为8等份的第1色块各连通域的心线径线特征示意图；
图7为一个实施例中预设角度为18等份的第1色块的心线径线特征示意图；
图8为一个实施例中图像心心径线特征示意图；
图9为一个实施例中图像特征描述符提取装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
附图标记：图像分割模块100、图像定位模块200、特征提取模块300、计算模块400、特征描述符生成模块500、图像特征描述符生成模块600。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种图像特征描述符提取方法，包括以下步骤：
步骤S102，对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点。
具体地，待处理图像可以为电脑设备、照相机、摄像功能的手机、摄像机、集合有摄像功能或可以存储图像的其他设备所获取的图像。图2a为苹果公司的苹果商标图像；图2b为日丰企业集团有限公司的丰图形商标图像。类似的商标图像都能够作为本实施例中的待处理图像。利用现有的图像分割技术对待处理图像进行色块分割，按照不同的颜色，将相同颜色的图像作为同一个色块。并获取待处理图像各色块各连通域的边缘轮廓线作为图像轮廓线，根据图像像素点分布密度均衡的特点，计算待处理图像的图像重心点。
步骤S104，按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系。
具体地，根据图像轮廓线以及图像重心点，获取过图像重心点并与图像轮廓线相交的所有线段，并将最长的线段作为基准线段；以图像重心点为旋转中心旋转待处理图像，使基准线段处于水平状态，并且使基准线段下方区域中除背景色色块外所有色块的图像像素点最多。基准线段为过图像重心点，对图像轮廓线进行两分切割，切割线经过图像重心点并且最长的切割线作为基准线段。如图4所示，由a点、o点以及b点连成的线段为基准线段。其中a点和b点为轮廓线上的点，由a点到b点的线段经过o点。定位处理后，获取以图像重心点为原点的坐标系中定位后的图像轮廓线、色块连通域轮廓线、色块轮廓线、色块连通域重心点以及色块重心点的位置信息。定位后的待处理图像色块轮廓线有效区域是指图像色块轮廓线被外接方形围起的区域，外接方形的每一边至少与图像色块轮廓线上的有一点相接或重合。如图4所示，所标虚线的四边方形所围起的内部区域为定位后待处理图像及其色块轮廓线有效区域。
步骤S106，在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值。
步骤S108，将所述计量值转换为百分数，再将百分数按照预设取整规则获取特别取整百分数。
对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值。
图像特征元素的计量值中的坐标位置值包括：定位后的图像轮廓线、色块连通域轮廓线、色块轮廓线、图像重心点、色块连通域重心点以及色块重心点的坐标位置信息。图像特征元素的计量值中的线段长度值包括：图像心线径线的长度值、色块心线径线的长度值、色块连通域心线径线的长度值、图像与色块的心心径线的长度值、图像与色块连通域的心心径线的长度值。图像特征元素的计量值中的夹角角度包括：图像心线径线与坐标系y轴上方线段所构成的夹角、色块心线径线与坐标系y轴上方线段所构成的夹角、色块连通域心线径线与坐标系y轴上方线段所构成的夹角、图像与色块的心心径线与坐标系y轴上方线段所构成的夹角、图像与色块连通域的心心径线与坐标系y轴上方线段所构成的夹角。
具体地，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量。
图像轮廓线是图像中显示图像的轮廓线；色块轮廓线是每一种颜色的色块轮廓线；色块连通域轮廓线每一种色块中每一个连通域的轮廓线。如图3a所示，o点为图像重心点。图像重心点是待处理图像中所有色块(背景色除外)的多个色块连通域的像素点的集合所构成的平面图形的重心点，图像重心点是能使图像非背景色块像素点所构成的平面图形保持平衡的支点所对应的像素点。如图3b所示，o1点为第1色块重心点。色块重心点是待处理图像中某一色块像素点的集合所构成的平面图形的重心点，色块重心点是能使相应色块像素点所构成的平面图形保持平衡的支点所对应的像素点。如图3c所示，o11点为第1色块第1连通域重心点，o12点为第1色块第2连通域重心点,o13点为第1色块第3连通域重心点,o14点为第1色块第4连通域重心点,o15点为第1色块第5连通域重心点,o16点为第1色块第6连通域重心点,o17点为第1色块第7连通域重心点,o18点为第1色块第8连通域重心点。色块连通域重心点是待处理图像中某一色块连通域像素点的集合所构成的平面图形的重心点，色块连通域重心点是能使相应色块连通域像素点所构成的平面图形保持平衡的支点所对应的像素点。重心点的位置跟色块的形状有关。大多数的色块的重心点就在色块的几何中心上。例如，三角形的中心就是三边中线的交点；线段的重心点就在线段的中点；长方形的中心就是两条对角线的交点，平行四边形的重心就是其两条对角线的交点，也是两对对边中点连线的交点；圆的重心就是圆心。在其他实施例中，也可以采用色块有效区域中心点代替色块重心点。色块有效区域中心点指色块外接方形的对角线的交点。
根据多次的实验数据可知，多个相同或近似的图像之间，具有重心点位置重合或接近的特征。因此，本方案选取待处理图像的色块连通域重心点、色块重心点和图像重心点多个不同角度的重心点作为图像的重要特征并进行组合描述，能有效解决相同或近似图像的共同性特征描述的稳定性问题。
具体地，心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；图像心线径线是定位后的图像重心点与定位后的图像轮廓线的连线；色块心线径线是定位后的各色块重心点与定位后的相应色块轮廓线的连线，色块连通域心线径线是定位后的各色块连通域重心点与定位后的相应色块连通域轮廓线的连线。
提取定位后待处理图像预设角度方向的心线径线，并计算各心线径线的长度，将长度转换为特别取整的百分比数的具体方法：
(1)选择和设置预设角度，预设角度是指以重心点为圆心的圆中，每个心线径线与y轴上方线段所构成的夹角度数，一般预设角度在小于360度的范围内取值。
(2)提取符合预设角度的图像心线径线，以图像重心点为原点，沿预设角度找出与图像轮廓线相交的点，将该图像重心点与图像轮廓线相交的点的连线作为图像心线径线；提取符合预设角度的色块心线径线，以色块重心点为原点，沿预设角度找出与色块轮廓线相交的点，将色块重心点与色块轮廓线相交的点的连线作为色块心线径线；提取符合预设角度的色块连通域心线径线，以色块连通域重心点为原点，沿预设角度找出与色块连通域轮廓线相交的点，将该色块连通域重心点与色块连通域轮廓线相交的点的连线作为图像色块心线径线。
(3)分别计算图像心线径线、色块心线径线和色块连通域心线径线的长度，将该长度转换为特别取整的百分比数。
其中，心线径线的长度的表示形式，包括：心线径线实际长度，心线径线相对长度，心线径线特别取整的百分比数；其中，心线径线实际长度是指心线径线的实际像素长度；的心线径线相对长度是指心线径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；的心线径线特别取整的百分比数是指按预设规则对心线径线相对长度进行取整而获得的特别取整的百分比数。
心线径线实际长度具体获取方法：
心线径线实际长度是根据图像的原始像素数据长度计算出来的，是色块连通域的重心点至色块连通域轮廓线的实际像素长度。
心线径线相对长度具体获取方法：
心线径线相对长度是心线径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数。定位后待处理图像色块轮廓线有效区域是指图像色块轮廓线被外接方形围起的区域，外接方形的每一边至少与图像色块轮廓线上的有一点相接或重合。心线径线相对长度可按如下计算公式计算获取：
G2n＝(gn÷r)100％
G2n表示在预设角度m上的色块连通域的心线径线的相对长度，gn表示在预设角度m上色块连通域的重心点至色块连通域轮廓线的心线径线实际长度，r表示定位后待处理图像色块轮廓线有效区域的水平像素长度，其中，图像有效区域是指图像轮廓线的外接方形所围住的图像区域。
特别取整的百分比数的预设规则包括：
1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数。
2)检查心线径线相对长度落入的区间，将该心线径线相对长度置换为该区间预设的特别取整的百分比数。
在其中一个实施例中，n取值可以为10，就是将0％至100％的百分数等距划分为10个区间，相应区间为：0％至10％为第1区间，大于10％至20％为第2区间，大于20％至30％为第3区间，类推，大于90％至100％为第10区间。假设每区间取其中间值为特别取整的百分比数，则该10个区间的特别取整的百分比数分别为：5％、15％、25％、35％、45％、55％、65％、75％、85％、95％。如果心线径线相对长度为18％，则该心线径线相对长度18％落入10％至20％的第2区间，该区间对应的特别取整的百分比数是15％，因此，可以将该心线径线相对长度18％置换为该区间预设的特别取整的百分比数15％。
在其中一个实施例中，n取值也可为20，就是将0％至100％的百分数等距划分为20个区间，相应区间为：0％至5％为第1区间，大于5％至10％为第2区间，大于10％至15％为第3区间，类推，大于95％至100％为第20区间。假设每区间取其中间值为特别取整的百分比数，则该20个区间的特别取整的百分比数分别为：2.5％、7.5％、12.5％、17.5％、22.5％、27.5％、32.5％、37.5％、42.5％、47.5％、52.5％、57.5％、62.5％、67.5％、72.5％、77.5％、82.5％、87.5％、92.5％、97.5％。如果心线径线相对长度为18％，则该心线径线相对长度18％落入15％至20％的第4区间，该区间对应的特别取整的百分比数是17.5％，因此，可以将该心线径线相对长度18％置换为该区间预设的特别取整的百分比数17.5％。在实际应用中n可以取任意值，可根据实际应用的需求设定n值。
在其中一个实施例中，选择和设置预设角度可以按照下述角度选择方案：
A：4弧：自0起每90度差为1弧，共4弧，如：0、90、180、270。
B：8弧：自0起每45度差为1弧，共8弧，如：0、45、90、135、180、225、270、315。
C：18弧：自0起每20度差为1弧，共18弧，如：0、20、40、60、80、100、120、140、160、180、200、220、240、260、280、300、320、340。
D：36弧：自0起每10度差为1弧，共36弧。
E；180弧：自0起每2度差为1弧，共180弧。
如图5所示，预设角度为8等份的角度分布示意图，自0度起每45度差为1弧，共8弧，如：0、45、90、135、180、225、270、315，其中由OM线段与ON线段所构成的夹角∠NOM的度数就是45度。
步骤S110，将特别取整百分数按照预设坐标位置组合规则进行组合和描述，生成初始特征描述符。
初始特征描述符包括：图像特征元素的坐标位置关系的特征描述符、图像特征元素的长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符。
对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符。
具体地，可根据实际应用需要确定描述符的具体表现形式。在其中一个实施例中，进行组合和描述的预设组合规则可以为：
1、对心线径线特别取整的百分比数应按图像、图像色块连通域和色块分别进行组合，并按心线径线所在角度的大小进行排序。
2、当在心线径线上穿过多条轮廓线时，每一角度的心线径线也有相应多个心线径线特别取整的百分比数，同一角度不同的心线径线特别取整的百分比数值以约定的符号(如“,”)分隔，不同角度的心线径线特别取整的百分比数以约定的符号(如“；”)分隔，不同预设角度标准的心线径线特别取整的百分比数组合以约定的符号(如“|”)分隔；
3、每一色块连通域的心线径线特别取整的百分比数的组合作为该图像色块连通域心线径线特征描述符；每一色块中所有连通域的心线径线特别取整的百分比数的组合作为该色块心线径线特征描述符；每一图像中所有色块的心线径线特别取整的百分比数的组合作为该图像心线径线特征描述符。
4、字符表述形式可以为“心线径线的条数+所处预设角度心线径线特别取整的百分比数值”；
5、心线径线特别取整的百分比数值在实际记录时也可省略记录“％”。如85％，可记为85；
以一个色块是圆形的轮廓线为例，预设角度为36弧，即自0度起每10度差为1弧，共36弧，则心线径线的条数为36；假设特别取整的百分比数等距划分为10个区间，则该10个区间的特别取整的百分比数分别为：5％、15％、25％、35％、45％、55％、65％、75％、85％、95％；又假设心线径线实际长度是43像素，定位后待处理图像色块轮廓线有效区域的水平像素长度是95像素，那么心线径线相对长度45.26％，心线径线特别取整的百分比数则是45％，该色块的心线径线特征描述符可表述为：
36；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45；45|。
如图6所示，为图2b所示的图像，在预设角度为8弧度时，第一色块中第一色块连通域到第八色块连通域的心线径线。
如图7所示，为图2b所示的图像，在预设角度为18弧度时，第一色块的心线径线。
具体地，心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；图像与色块的心心径线是定位后的图像重心点与定位后各色块重心点的连线，图像与色块连通域的心心径线是定位后的图像重心点与定位后各色块连通域重心点的连线。
提取定位后待处理图像的心心径线，计算各心心径线的角度和长度，将长度转换为特别取整的百分比数，将角度转换为特别取整的角度数的具体方法：
(1)提取定位后待处理图像与色块的心心径线，将该图像重心点和各色块重心点的连线作为待定位后待处理图像与色块的心心径线；提取定位后待处理图像与色块连通域的心心径线，将该图像重心点和各色块连通域重心点的连线作为定位后待处理图像与色块连通域的心心径线；
(2)计算心心径线的角度，心心径线的角度是心心径线与y轴上方线段所构成的夹角度数，将该角度转换为特别取整的角度数；
(3)计算心心径线的长度，心心径线的长度的表示形式，包括：心心径线实际长度，心心径线相对长度，心心径线特别取整的百分比数；其中，心心径线实际长度是指心心径线的实际像素长度；心心径线相对长度是指心心径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；心心径线特别取整的百分比数是指按预设规则对心心径线相对长度进行取整而获得图像心心径线的特别取整的百分比数；
特别取整的百分比数的预设规则包括：
1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数；
2)检查心心径线相对长度落入的区间，将该心心径线相对长度置换为该区间预设的特别取整的百分比数。
其中，计算特别取整的百分比数的预设规则与心线径线特别取整的百分比数的预设规则相似，具体描述请参见心线径线特别取整的百分比数的预设规则，在此不再赘述。
具体地，可根据实际应用需要确定描述符的具体表现形式。在其中一个实施例中，进行组合和描述的预设组合规则可以为：
1、图像心心径线特征描述符组成要素包括：心心径线线段条数、心心径线的角度和心心径线的长度。
2、心心径线的长度(即心心径线特别取整的百分比数)应按心心径线的角度的大小进行排序；心心径线的角度按角度大小进行排序。
3、不同角度或不同线段的心心径线特别取整的百分比数以约定的符号(如“；”)分隔。
4、心心径线的角度和心心径线的长度以约定的符号(如“|”)分隔；
5、心心径线的长度字符表述形式可以为“心心径线线段条数+每条心心径线特别取整的百分比数值”；心心径线的角度字符表述形式可以为“心心径线线段条数+每条心心径线的角度数值”；
6、心心径线特别取整的百分比数值在实际记录时也可省略记录“％”。如85％，可记为85；
如图8所示，为图2b所示的图像的图像与色块连通域的心心径线特征描述符；
其中，心心径线的角度：3；0；120；240|。
心心径线的长度：3；25；25；25|。
步骤S112，根据初始特征描述符生成图像特征描述符。
将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
具体地，上述步骤获取了图像心线径线的特征描述符、色块心线径线的特征描述符、色块连通域心线径线的特征描述符、图像与色块的心心径线的特征描述符、图像与色块连通域的心心径线的特征描述符，这些特征描述符从图像色块连通域、图像色块和整体图像的特征分层次多角度进行了描述，但如果其独立存在，其所表达的含义可能受到局限，为了兼顾图像的共同性和区分性，实际应用中需要对图像色块连通域的心线径线特征描述符、图像色块的心线径线特征描述符、图像心心径线特征描述符进行组合，将组合的集合作为待处理图像的图像特征描述符。
上述图像特征描述符提取方法、装置、计算机设备和存储介质，首先对待处理图像进行色块分割，并提取待处理图像的图像轮廓线以及图像重心点，根据图像轮廓线以及图像重心点进行待处理的重新定位。获取重定位后待处理图像所有色块连通域重心点、色块重心点、所有色块连通域轮廓线以及所有色块轮廓线，并计算图像心线径线的特征描述符、色块连通域的心线径线的特征描述符、色块心线径线的特征描述符以及图像心心径线的特征描述符。将图像心线径线的特征描述符、色块连通域的心线径线的特征描述符、色块心线径线的特征描述符以及图像心心径线的特征描述符作为图像特征描述符。将色块连通域的心线径线的特征描述符、色块心线径线的特征描述符以及图像心心径线的特征描述符作为图像特征描述符，丰富了图像特征的描述。可应用于广泛的图像检索，有效增强了图像检索的匹配效果。并且能有效解决相同或近似图像的共同性特征描述的稳定性问题，克服传统轮廓特征线提取技术方法可能会造成图像检索中相同或近似图像的漏检缺陷，提高图像识别检索中相同或近似图像的匹配效果。还具有图像特征信息描述更全面的优点，避免图像关键特征信息的遗漏。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图9所示，提供了一种图像特征描述符提取装置，包括：图像分割模块100、图像定位模块200、特征提取模块300、计算模块400、特征描述符生成模块500以及图像特征描述符生成模块600，其中：
图像分割模块100，用于对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点；
图像定位模块200，用于按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系；
特征提取模块300，用于在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，其中，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量；
计算模块400，用于对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值；
特征描述符生成模块500，用于对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符；
图像特征描述符生成模块600，用于将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
关于图像特征描述符提取装置的具体限定可以参见上文中对于图像特征描述符提取方法的限定，在此不再赘述。上述图像特征描述符提取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像特征描述符提取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点。按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系。在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值。对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值。对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符。将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点。按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系。在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值。对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值。对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符。将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的线段长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种图像特征描述符提取方法，其特征在于，所述方法包括：
对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点；
按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系；
在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，其中，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量；
对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值；
对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符；
将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
2.根据权利要求1所述的方法，其特征在于，
所述图像重心点是待处理图像中除背景色色块外所有色块的多个色块连通域的像素点的集合所构成的平面图形的重心点，所述图像重心点是能使图像非背景色块像素点所构成的平面图形保持平衡的支点所对应的像素点；
所述色块重心点是待处理图像中某一色块像素点的集合所构成的平面图形的重心点，所述色块重心点是能使相应色块像素点所构成的平面图形保持平衡的支点所对应的像素点；
所述色块连通域重心点是待处理图像中某一色块连通域像素点的集合所构成的平面图形的重心点，所述色块连通域重心点是能使相应色块连通域像素点所构成的平面图形保持平衡的支点所对应的像素点。
3.根据权利要求1所述的方法，其特征在于，所述按照预设定位规则对所述待处理图像进行定位处理包括：
根据所述图像轮廓线以及图像重心点，获取过图像重心点并与图像轮廓线相交的所有线段，并将最长的线段作为基准线段；
以所述图像重心点为旋转中心旋转所述待处理图像，使所述基准线段处于水平状态，并且使所述基准线段下方区域中除背景色色块外所有色块的图像像素点最多。
4.根据权利要求1所述的方法，其特征在于，对所获取的图像特征元素的计量值转换为百分数并按预设取整规则获取特别取整的百分比数，包括：
(1)选择和设置预设角度，所述预设角度是指以重心点为圆心的圆中，每个心线径线与y轴上方线段所构成的夹角度数，一般预设角度在小于360度的范围内取值；
(2)提取符合预设角度的图像心线径线，以图像重心点为原点，沿预设角度找出与所述图像轮廓线相交的点，将该图像重心点与图像轮廓线相交的点的连线作为图像心线径线；提取符合预设角度的色块心线径线，以色块重心点为原点，沿预设角度找出与所述色块轮廓线相交的点，将色块重心点与色块轮廓线相交的点的连线作为色块心线径线；提取符合预设角度的色块连通域心线径线，以色块连通域重心点为原点，沿预设角度找出与所述色块连通域轮廓线相交的点，将该色块连通域重心点与色块连通域轮廓线相交的点的连线作为图像色块心线径线；
(3)分别计算图像心线径线、色块心线径线和色块连通域心线径线的长度，将该长度转换为特别取整的百分比数；
其中，所述心线径线的长度的表示形式，包括：心线径线实际长度，心线径线相对长度，心线径线特别取整的百分比数；其中，所述心线径线实际长度是指心线径线的实际像素长度；所述的心线径线相对长度是指心线径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；所述的心线径线特别取整的百分比数是指按预设规则对心线径线相对长度进行取整而获得的特别取整的百分比数；
所述的特别取整的百分比数的预设规则包括：
1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数；
2)检查心线径线相对长度落入的区间，将该心线径线相对长度置换为该区间预设的特别取整的百分比数。
5.根据权利要求1所述的方法，其特征在于，对所获取的图像特征元素的计量值转换为百分数并按预设取整规则获取特别取整的百分比数，还包括：
(1)提取定位后待处理图像与色块的心心径线，将该图像重心点和各色块重心点的连线作为待定位后待处理图像与色块的心心径线；提取定位后待处理图像与色块连通域的心心径线，将该图像重心点和各色块连通域重心点的连线作为定位后待处理图像与色块连通域的心心径线；
(2)计算心心径线的角度，所述心心径线的角度是心心径线与y轴上方线段所构成的夹角度数，将该角度转换为特别取整的角度数；
(3)计算心心径线的长度，所述心心径线的长度的表示形式，包括：心心径线实际长度，心心径线相对长度，心心径线特别取整的百分比数；其中，所述心心径线实际长度是指心心径线的实际像素长度；所述心心径线相对长度是指心心径线的实际长度占定位后待处理图像色块轮廓线有效区域的水平像素长度或垂直像素长度的百分比数；所述心心径线特别取整的百分比数是指按预设规则对心心径线相对长度进行取整而获得图像心心径线的特别取整的百分比数；
所述的特别取整的百分比数的预设规则包括：
1)将0％至100％的百分数等距划分为n个特别取整的百分比数区间，特别取整的百分比数为预设的该区间内的任意一个数；
2)检查心心径线相对长度落入的区间，将该心心径线相对长度置换为该区间预设的特别取整的百分比数。
6.一种图像特征描述符提取装置，其特征在于，所述装置包括：
图像分割模块，用于对待处理图像进行色块分割，提取所述待处理图像的图像轮廓线以及图像重心点；
图像定位模块，用于按照预设定位规则对所述待处理图像进行定位处理，获取以图像重心点为原点的坐标系；
特征提取模块，用于在以图像重心点为原点的待处理图像坐标系中，提取图像特征元素及其计量值，其中，所述图像特征元素包括但不限于：色块重心点，色块连通域重心点，色块有效区域，色块连通域有效区域，色块像素数量，色块连通域像素数量，图像轮廓线，色块连通域轮廓线，色块轮廓线，心线径线，心线径线与所述坐标系y轴上方线段所构成的夹角，心心径线，心心径线与所述坐标系y轴上方线段所构成的夹角；所述心线径线包括：图像心线径线、色块心线径线和色块连通域心线径线；所述图像心线径线是定位后的图像重心点沿预设角度上与定位后图像轮廓线相交的点的连线；所述色块心线径线是定位后的各色块重心点沿预设角度上与定位后的相应色块轮廓线相交的点的连线，所述色块连通域心线径线是定位后的各色块连通域重心点沿预设角度上与定位后的相应色块连通域轮廓线相交的点的连线；所述心心径线包括：图像与色块的心心径线、图像与色块连通域心心径线；所述图像与色块的心心径线是所述定位后的图像重心点与定位后各色块重心点的连线，所述图像与色块连通域的心心径线是所述定位后的图像重心点与定位后各色块连通域重心点的连线；所述图像特征元素的计量值包括:坐标位置值、线段长度值、夹角角度值、其他类型数量值；所述其他类型数量包括连通域数量、色块数量、连通域像素点数量、色块像素点数量；
计算模块，用于对所获取的图像特征元素的计量值中的坐标位置值、线段长度值、其他类型数量值转换为百分数，再对图像特征元素转换后百分数按预设取整规则获取特别取整百分数；对所获取的图像特征元素的计量值中的夹角角度值按预设取整规则获取特别取整角度值；
特征描述符生成模块，用于对图像重心点与各图像特征元素的坐标位置特别取整百分数按照预设坐标位置组合规则进行组合和描述，并将其作为图像特征元素的坐标位置关系的特征描述符；对图像重心点与各图像特征元素的线段长度特别取整百分数按照预设线段长度组合规则进行组合和描述，并将其作为图像特征元素的长度关系的特征描述符；对图像重心点与各图像特征元素的角度特别取整百分数按照预设角度组合规则进行组合和描述，并将其作为图像特征元素的角度关系的特征描述符；对图像重心点与各图像特征元素的其他类型数量特别取整百分数按照预设其他类型数量组合规则进行组合和描述，并将其作为图像特征元素的其他类型数量关系的特征描述符；
图像特征描述符生成模块，用于将所述图像特征元素的坐标位置关系的特征描述符、图像特征元素的长度关系的特征描述符、图像特征元素的角度关系的特征描述符、图像特征元素的其他类型数量关系的特征描述符的集合作为图像特征描述符。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201811038702.3A 2018-09-06 2018-09-06 图像特征描述符提取方法、装置、计算机设备和存储介质 Active CN109460770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811038702.3A CN109460770B (zh) 2018-09-06 2018-09-06 图像特征描述符提取方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811038702.3A CN109460770B (zh) 2018-09-06 2018-09-06 图像特征描述符提取方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109460770A true CN109460770A (zh) 2019-03-12
CN109460770B CN109460770B (zh) 2021-12-14

Family

ID=65606543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811038702.3A Active CN109460770B (zh) 2018-09-06 2018-09-06 图像特征描述符提取方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109460770B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110246129A (zh) * 2019-06-18 2019-09-17 深圳市腾讯网域计算机网络有限公司 图像检测方法、装置、计算机可读存储介质和计算机设备
CN110717874A (zh) * 2019-10-10 2020-01-21 徐庆 一种图像轮廓线平滑处理方法
CN110727814A (zh) * 2019-10-10 2020-01-24 徐庆 一种图像形状特征描述符的获取方法
CN110929084A (zh) * 2019-12-17 2020-03-27 徐庆 一种图像形状特征描述符的获取方法及装置
CN113554639A (zh) * 2021-07-30 2021-10-26 徐庆 一种图像特征提取及描述符获取方法、装置及存储介质
CN116737982A (zh) * 2023-08-11 2023-09-12 拓锐科技有限公司 一种基于数据分析的图片搜索结果智能筛选管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000062242A1 (en) * 1999-04-09 2000-10-19 Ivaylo Nicolaev Popov Method for human-machine interface by documents
KR20050025927A (ko) * 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
CN102306293A (zh) * 2011-07-29 2012-01-04 南京多伦科技有限公司 基于面部图像识别技术的评判实际道路驾驶员考试的方法
CN104036244A (zh) * 2014-06-09 2014-09-10 西安邮电大学 一种适用于低质量图像的棋盘格角点检测方法及装置
CN106295528A (zh) * 2016-08-01 2017-01-04 长安大学 一种基于多部件空间位置关系gmm建模的车辆检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000062242A1 (en) * 1999-04-09 2000-10-19 Ivaylo Nicolaev Popov Method for human-machine interface by documents
KR20050025927A (ko) * 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
US20060147094A1 (en) * 2003-09-08 2006-07-06 Woong-Tuk Yoo Pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its
CN102306293A (zh) * 2011-07-29 2012-01-04 南京多伦科技有限公司 基于面部图像识别技术的评判实际道路驾驶员考试的方法
CN104036244A (zh) * 2014-06-09 2014-09-10 西安邮电大学 一种适用于低质量图像的棋盘格角点检测方法及装置
CN106295528A (zh) * 2016-08-01 2017-01-04 长安大学 一种基于多部件空间位置关系gmm建模的车辆检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SHAO-HU PENG 等: "A visual shape descriptor using sectors and shape context of contour lines", 《INFORMATION SCIENCES》 *
XIYING WANG 等: "A New Invariant Descriptor For Shape Representation And Recognition", 《2007 IEEE SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE IN IMAGE AND SIGNAL PROCESSING》 *
吴建立 等: "一种新的形状描述与识别方法", 《重庆理工大学学报（自然科学）》 *
张展等: "圆周二进制描述符的图像点特征提取方法", 《计算机辅助设计与图形学学报》 *
田时髦等: "一种对亮度变化鲁棒的局部特征描述子及其快速生成算法", 《小型微型计算机系统》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110246129A (zh) * 2019-06-18 2019-09-17 深圳市腾讯网域计算机网络有限公司 图像检测方法、装置、计算机可读存储介质和计算机设备
CN110246129B (zh) * 2019-06-18 2023-11-03 深圳市腾讯网域计算机网络有限公司 图像检测方法、装置、计算机可读存储介质和计算机设备
CN110717874A (zh) * 2019-10-10 2020-01-21 徐庆 一种图像轮廓线平滑处理方法
CN110727814A (zh) * 2019-10-10 2020-01-24 徐庆 一种图像形状特征描述符的获取方法
CN110727814B (zh) * 2019-10-10 2022-10-11 徐庆 一种图像形状特征描述符的获取方法
CN110717874B (zh) * 2019-10-10 2022-11-04 徐庆 一种图像轮廓线平滑处理方法
CN110929084A (zh) * 2019-12-17 2020-03-27 徐庆 一种图像形状特征描述符的获取方法及装置
CN110929084B (zh) * 2019-12-17 2023-04-11 徐庆 一种图像形状特征描述符的获取方法及装置
CN113554639A (zh) * 2021-07-30 2021-10-26 徐庆 一种图像特征提取及描述符获取方法、装置及存储介质
CN116737982A (zh) * 2023-08-11 2023-09-12 拓锐科技有限公司 一种基于数据分析的图片搜索结果智能筛选管理系统
CN116737982B (zh) * 2023-08-11 2023-10-31 拓锐科技有限公司 一种基于数据分析的图片搜索结果智能筛选管理系统

Also Published As

Publication number Publication date
CN109460770B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN109460770A (zh) 图像特征描述符提取方法、装置、计算机设备和存储介质
US20210072889A1 (en) Systems and methods for representing data, media, and time using spatial levels of detail in 2d and 3d digital applications
JP6807877B2 (ja) ゲームシーンにおけるターゲットをロックするための方法および端末
US9886669B2 (en) Interactive visualization of machine-learning performance
CN108520247A (zh) 对图像中的对象节点的识别方法、装置、终端及可读介质
US11704357B2 (en) Shape-based graphics search
CN109961008A (zh) 基于文字定位识别的表格解析方法、介质及计算机设备
CN109063197A (zh) 图像检索方法、装置、计算机设备和存储介质
CN107291802B (zh) 关系图谱展示方法及装置
CN109389038A (zh) 一种信息的检测方法、装置及设备
Horak et al. Responsive matrix cells: A focus+ context approach for exploring and editing multivariate graphs
Beyeler OpenCV with Python blueprints
CN112965645B (zh) 页面拖拽方法、装置、计算机设备及存储介质
CN107248192A (zh) 立体图形绘制方法、装置、设备及存储介质
US10885689B2 (en) System and method for augmented reality overlay
CN108959453A (zh) 基于文本聚类的信息提取方法、装置及可读存储介质
CN111159975B (zh) 一种显示方法及装置
CN115661371A (zh) 三维对象建模方法、装置、计算机设备及存储介质
CN107193815A (zh) 一种页面代码的处理方法、装置及设备
CN116883563B (zh) 标注点渲染方法、装置、计算机设备、存储介质
CN111695372A (zh) 点读方法及点读数据处理方法
JP7331551B2 (ja) 情報処理装置及び情報処理プログラム
CN107872730A (zh) 一种视频中的嵌入内容的获取方法和装置
CN107102971A (zh) 样式复制方法、装置及设备
Gupta et al. Image feature detection using an improved implementation of maximally stable extremal regions for augmented reality applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant