CN109635821A - 图像区域的特征提取方法、装置、设备及可读介质 - Google Patents

图像区域的特征提取方法、装置、设备及可读介质 Download PDF

Info

Publication number
CN109635821A
CN109635821A CN201811475889.3A CN201811475889A CN109635821A CN 109635821 A CN109635821 A CN 109635821A CN 201811475889 A CN201811475889 A CN 201811475889A CN 109635821 A CN109635821 A CN 109635821A
Authority
CN
China
Prior art keywords
feature
coordinate points
image
target area
obtains
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.)
Pending
Application number
CN201811475889.3A
Other languages
English (en)
Inventor
胡耀全
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.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
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 Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201811475889.3A priority Critical patent/CN109635821A/zh
Publication of CN109635821A publication Critical patent/CN109635821A/zh
Pending legal-status Critical Current

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
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

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

Abstract

本公开实施例公开了一种图像区域的特征提取方法、装置、设备及可读介质。其中，方法包括：获取图像的目标区域中的多个坐标点；获取所述图像中各像素点的特征；根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征；根据多个坐标点的特征，得到所述目标区域的特征。本公开实施例能够基于浮点型的、非各坐标点的特征，得到目标区域的特征。

Description

图像区域的特征提取方法、装置、设备及可读介质
技术领域
本公开实施例涉及计算机视觉技术，尤其涉及一种图像区域的特征提取方法、装置、设备及可读介质。
背景技术
随着计算机视觉的发展，可以对图像进行目标检测、目标跟踪和分类等。
以目标检测为例，需要将图像输入至目标检测模型中，分别得到图像中各像素点的特征(feature map)以及包括目标对象的图像区域(即候选框)，再从feature map中提取图像区域对应的特征，从而得到图像区域的特征。
目前，通过计算机计算得到的图像区域中各坐标点的坐标值是浮点值，而像素点的坐标是整数，导致难以从feature map中提取到对应的特征。
发明内容
本公开实施例提供一种图像区域的特征提取方法、装置、设备及可读介质，以基于浮点型的、非各坐标点的特征，得到目标区域的特征。
第一方面，本公开实施例提供了一种图像区域的特征提取方法，包括：
获取图像的目标区域中的多个坐标点；
获取所述图像中各像素点的特征；
根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征；
根据多个坐标点的特征，得到所述目标区域的特征。
第二方面，本公开实施例还提供了一种图像区域的特征提取装置，包括：
第一获取模块，用于获取图像的目标区域中的多个坐标点；
第二获取模块，用于获取所述图像中各像素点的特征；
插值模块，用于根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征；
特征获取模块，用于根据多个坐标点的特征，得到所述目标区域的特征。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理装置实现任一实施例所述的图像区域的特征提取方法。
第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现任一实施例所述的图像区域的特征提取方法。
本公开实施例中，通过获取图像的目标区域中的多个坐标点以及图像中各像素点的特征，并根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征，从而对于浮点型的非整数坐标点，通过插值的方法，得到对应的特征；通过根据多个坐标点的特征，得到所述目标区域的特征，从而实现了基于各坐标点的特征，得到目标区域的特征，提高目标区域特征提取的准确性。
附图说明
图1是本公开实施例一提供的一种图像区域的特征提取方法的流程图；
图2a是本公开实施例二提供的一种图像区域的特征提取方法的流程图；
图2b是本公开实施例二提供的坐标点周围四个像素点的示意图；
图3a是本公开实施例三提供的一种图像区域的特征提取方法的流程图；
图3b是本公开实施例三提供的目标区域划分为的多个子区域的示意图；
图4是本公开实施例四提供的一种图像区域的特征提取装置的结构示意图；
图5是本公开实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1是本公开实施例一提供的一种图像区域的特征提取方法的流程图，本实施例可适用于提取目标区域的特征的情况，该方法可以由图像区域的特征提取装置来执行，该装置可以由硬件和/或软件构成，并集成在电子设备中，该电子设备可以是服务器或者终端。结合图1，本公开实施例提供的方法具体包括如下操作：
S110、获取图像的目标区域中多个坐标点。
可选地，对图像进行目标检测，得到包括目标对象的至少一个目标区域。在一应用场景中，目标检测模型faster-RCNN由两个子网络构成。将图像输入至第一个子网络RPN中，通过RPN在输入图像上提取一定数量的候选框，并得到各候选框的置信度。进一步地，将各候选框均作为目标区域，或者，选择置信度最大的候选框作为目标区域。
本实施例中，一个目标区域包括多个坐标点，这些坐标点的坐标值是浮点型，一般不是整数。假设图像的尺寸为M×N，目标区域的尺寸为A×B。那么图像相对于目标区域的边长比分别为：和通常这个比例不是整数，计算机存储的时候要用浮点型。目标区域的第(i,j)个坐标点(i行j列)可以通过边长比对应回图像中，其对应坐标为显然，这个对应坐标一般来说不是整数。
S120、获取图像中各像素点的特征。
可选地，将图像输入至特征提取模型，得到图像中各像素点的特征(featuremap)。各像素点的坐标值均是整数，则feature map中的各特征也对应整数坐标，不对应非整数坐标。基于此，在feature map中找不到目标区域中非整数的坐标点对应的特征。
S130、根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征。
由于目标区域中坐标点的坐标值不是整数，而非整数的坐标是无法在图像这种离散数据上使用的，也找不到feature map中的对应特征。基于此，通过对各坐标点分别进行插值，从而得到坐标点的特征。
S140、根据多个坐标点的特征，得到目标区域的特征。
可选地，从目标区域中任选至少一个坐标点的特征，作为目标区域的特征；或者，从目标区域各坐标点的特征中，选取平均特征或者最大特征，作为目标区域的特征，从而基于各像素点的特征，提取出目标区域的特征。
本公开实施例中，通过获取图像的目标区域中的多个坐标点以及图像中各像素点的特征，并根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征，从而对于浮点型的非整数坐标点，通过插值的方法，得到对应的特征；通过根据多个坐标点的特征，得到目标区域的特征，从而实现了基于各坐标点的特征，得到目标区域的特征，提高目标区域特征提取的准确性。
实施例二
图2a是本公开实施例二提供的一种图像区域的特征提取方法的流程图。本实施例对上述实施例的各可选实施方式进一步优化，可选地，将操作“根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征”细化为“根据图像中各像素点的特征，对多个坐标点分别进行双线性插值，得到多个坐标点的特征”，从而通过双线性插值，得到坐标点的特征。结合图2a，本实施例提供的方法具体包括以下操作：
S210、获取图像的目标区域中的多个坐标点。
S220、获取图像中各像素点的特征。
S230、根据图像中各像素点的特征，对多个坐标点分别进行双线性插值，得到多个坐标点的特征。继续执行S240。
S230包括以下两步：
第一步：确定多个坐标点中各坐标点周围四个像素点。
首先，对各坐标点的横坐标和纵坐标分别进行向上取整和向下取整，得到各坐标点对应的两个整数横坐标和两个整数纵坐标。以其中一个坐标点A示例，坐标点A的横坐标是3.2，纵坐标是4.9，将横坐标向上取整和向下取整得到4和3，将纵坐标向上取整和向下取整得到5和4。
接着，对两个整数横坐标和两个整数纵坐标进行组合，得到各坐标点周围四个坐标点的横坐标和纵坐标。接着上述示例，对两个横坐标4和3，以及两个纵坐标5和4，进行组合，得到坐标点A周围四个坐标点的坐标，如图2b所示，分别为坐标点Q11(3,4)，Q21(4,4)，Q12(3,5)，Q22(4,5)。
然后，根据各坐标点周围四个坐标点的横坐标和纵坐标，确定各坐标点周围四个像素点。由于四个坐标点的横坐标和纵坐标是取整得到，也就是整数坐标，而像素点的坐标也是整数坐标，则可以根据四个坐标点的横坐标和纵坐标，确定各坐标点周围四个像素点，即坐标点Q11(3,4)，Q21(4,4)，Q12(3,5)，Q22(4,5)对应的像素点。
第二步：将四个像素点的特征，在对应坐标点处进行双线性插值，得到各坐标点的特征。
首先，在feature map中获取四个像素点的特征，接着根据公式(1)进行双线性插值。
其中，f(x,y)是目标区域内坐标点的特征，f(Q11)、f(Q21)、f(Q12)和f(Q22)分别是周围4个像素点的坐标Q11(x1,y1)、Q21(x2,y1)、Q12(x1,y2)和Q22(x2,y2)的特征。将图2b中的像素点和坐标值带入公式(1)中，即，Q11(3,4)，Q21(4,4)，Q12(3,5)，Q22(4,5)，经计算得到坐标点A的特征：f(3.2,4.9)＝0.08f(Q11)+0.02f(Q21)+0.72f(Q12)+0.18f(Q22)。
S240、根据多个坐标点的特征，得到目标区域的特征。
本实施例中，通过根据图像中各像素点的特征，对多个坐标点分别进行双线性插值，得到多个坐标点的特征，即通过双线性插值，得到浮点型、非整数的坐标点的特征，通过双线性插值能够有效提高特征的准确性。
实施例三
图3a是本公开实施例三提供的一种图像区域的特征提取方法的流程图。本实施例对上述各实施例的各可选实施方式进一步优化，可选地，将“获取图像的目标区域中多个坐标点”优化为“将图像的目标区域划分为多个子区域；分别获取多个子区域中各子区域内的多个坐标点”，可选地，将“根据多个坐标点的特征，得到目标区域的特征”优化为“分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征；根据各子区域的特征，得到目标区域的特征”，从而通过特征积分，得到目标区域的特征，提高目标区域特征提取的准确性。结合图3a，本实施例提供的方法具体包括以下操作：
S310、将图像的目标区域划分为多个子区域。
S320、分别获取多个子区域中各子区域内的多个坐标点。
可选地，将目标区域均匀划分为多个子区域，如图3b所示，将目标区域均匀划分为6个子区域，每个子区域包括的坐标点个数相同。
S330、获取图像中各像素点的特征。
S340、根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征。
可选地，对每个子区域中各坐标点均进行插值，例如双线性插值，得到各坐标点的特征。
S350、分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征。
对各子区域内多个坐标点的特征进行积分，即将各子区域内多个坐标点的特征求和，得到各子区域的特征。
S360、根据各子区域的特征，得到目标区域的特征。
在一可选实施方式中，将各子区域的特征进行求和或者平均，得到目标区域的特征。
在另一可选实施方式中，将各子区域的特征组成为特征向量，作为目标区域的特征。这样目标区域的特征能够体现各个子区域的特征。
本实施例中，通过将图像的目标区域划分为多个子区域；分别获取多个子区域中各子区域内的多个坐标点，分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征；根据各子区域的特征，得到目标区域的特征，从而通过特征积分，得到目标区域的特征，提高目标区域特征提取的准确性。
实施例四
图4是本公开实施例四提供的一种图像区域的特征提取装置的结构示意图，包括：第一获取模块41、第二获取模块42、插值模块43和特征获取模块44。
第一获取模块41，用于获取图像的目标区域中的多个坐标点；
第二获取模块42，用于获取图像中各像素点的特征；
插值模块43，用于根据第二获取模块42获取的图像中各像素点的特征，对第一获取模块41获取的多个坐标点分别进行插值，得到多个坐标点的特征；
特征获取模块44，用于根据多个坐标点的特征，得到目标区域的特征。
本公开实施例中，通过获取图像的目标区域中的多个坐标点以及图像中各像素点的特征，并根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征，从而对于浮点型的非整数坐标点，通过插值的方法，得到对应的特征；通过根据多个坐标点的特征，得到目标区域的特征，从而实现了基于各坐标点的特征，得到目标区域的特征，提高目标区域特征提取的准确性。
可选地，插值模块43在根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征时，具体用于：根据图像中各像素点的特征，对多个坐标点分别进行双线性插值，得到多个坐标点的特征。
可选地，插值模块43包括：确定单元和双线性插值单元。其中，确定单元，用于确定多个坐标点中各坐标点周围四个像素点；双线性插值单元，用于将四个像素点的特征，在对应坐标点处进行双线性插值，得到各坐标点的特征。
可选地，确定单元在确定多个坐标点中各坐标点周围四个像素点时，具体用于：对各坐标点的横坐标和纵坐标分别进行向上取整和向下取整，得到各坐标点对应的两个整数横坐标和两个整数纵坐标；对两个整数横坐标和两个整数纵坐标进行组合，得到各坐标点周围四个坐标点的横坐标和纵坐标；根据各坐标点周围四个坐标点的横坐标和纵坐标，确定各坐标点周围四个像素点。
可选地，第一获取模块41在获取图像的目标区域中的多个坐标点时，具体用于：将图像的目标区域划分为多个子区域；分别获取多个子区域中各子区域内的多个坐标点。
可选地，特征获取模块44在根据多个坐标点的特征，得到目标区域的特征时，具体用于：分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征；根据各子区域的特征，得到目标区域的特征。
本公开实施例所提供的图像区域的特征提取装置可执行本公开任意实施例所提供的图像区域的特征提取方法，具备执行方法相应的功能模块和有益效果。
实施例五
下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，或者各种形式的服务器，如独立服务器或者服务器集群。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储装置(ROM)502中的程序或者从存储装置505加载到随机访问存储装置(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行可操作控件的显示方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置505被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储装置(RAM)、只读存储装置(ROM)、可擦式可编程只读存储装置(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储装置(CD-ROM)、光存储装置件、磁存储装置件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该处理装置执行时，使得该电子设备：获取图像的目标区域中的多个坐标点；获取图像中各像素点的特征；根据图像中各像素点的特征，对多个坐标点分别进行插值，得到多个坐标点的特征；根据多个坐标点的特征，得到目标区域的特征。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“多个坐标点的获取模块”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种图像区域的特征提取方法，其特征在于，包括：
获取图像的目标区域中的多个坐标点；
获取所述图像中各像素点的特征；
根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征；
根据多个坐标点的特征，得到所述目标区域的特征。
2.根据权利要求1所述的方法，其特征在于，所述根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征，包括：
根据所述图像中各像素点的特征，对所述多个坐标点分别进行双线性插值，得到多个坐标点的特征。
3.根据权利要求2所述的方法，其特征在于，所述根据所述图像中各像素点的特征，对所述多个坐标点分别进行双线性插值，得到多个坐标点的特征，包括：
确定多个坐标点中各坐标点周围四个像素点；
将所述四个像素点的特征，在对应坐标点处进行双线性插值，得到各坐标点的特征。
4.根据权利要求3所述的方法，其特征在于，所述确定多个坐标点中各坐标点周围四个像素点，包括：
对各坐标点的横坐标和纵坐标分别进行向上取整和向下取整，得到各坐标点对应的两个整数横坐标和两个整数纵坐标；
对两个整数横坐标和两个整数纵坐标进行组合，得到各坐标点周围四个坐标点的横坐标和纵坐标；
根据各坐标点周围四个坐标点的横坐标和纵坐标，确定各坐标点周围四个像素点。
5.根据权利要求1所述的方法，其特征在于，所述获取图像的目标区域中多个坐标点，包括：
将图像的目标区域划分为多个子区域；
分别获取多个子区域中各子区域内的多个坐标点。
6.根据权利要求5所述的方法，其特征在于，所述根据多个坐标点的特征，得到所述目标区域的特征，包括：
分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征；
根据各子区域的特征，得到目标区域的特征。
7.一种图像区域的特征提取装置，其特征在于，包括：
第一获取模块，用于获取图像的目标区域中的多个坐标点；
第二获取模块，用于获取所述图像中各像素点的特征；
插值模块，用于根据所述图像中各像素点的特征，对所述多个坐标点分别进行插值，得到多个坐标点的特征；
特征获取模块，用于根据多个坐标点的特征，得到所述目标区域的特征。
8.根据权利要求7所述的装置，其特征在于，所述插值模块，具体用于：
根据所述图像中各像素点的特征，对所述多个坐标点分别进行双线性插值，得到多个坐标点的特征。
9.根据权利要求8所述的装置，其特征在于，所述插值模块包括：
确定单元，用于确定多个坐标点中各坐标点周围四个像素点；
双线性插值单元，用于将所述四个像素点的特征，在对应坐标点处进行双线性插值，得到各坐标点的特征。
10.根据权利要求9所述的装置，其特征在于，所述确定单元，具体用于：
对各坐标点的横坐标和纵坐标分别进行向上取整和向下取整，得到各坐标点对应的两个整数横坐标和两个整数纵坐标；
对两个整数横坐标和两个整数纵坐标进行组合，得到各坐标点周围四个坐标点的横坐标和纵坐标；
根据各坐标点周围四个坐标点的横坐标和纵坐标，确定各坐标点周围四个像素点。
11.根据权利要求7所述的装置，其特征在于，所述第一获取模块，具体用于：
将图像的目标区域划分为多个子区域；
分别获取多个子区域中各子区域内的多个坐标点。
12.根据权利要求11所述的装置，其特征在于，所述特征获取模块，具体用于：
分别对各子区域内的多个坐标点的特征进行积分，得到各子区域的特征；
根据各子区域的特征，得到目标区域的特征。
13.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理装置实现如权利要求1-6中任一所述的图像区域的特征提取方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-6中任一所述的图像区域的特征提取方法。
CN201811475889.3A 2018-12-04 2018-12-04 图像区域的特征提取方法、装置、设备及可读介质 Pending CN109635821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811475889.3A CN109635821A (zh) 2018-12-04 2018-12-04 图像区域的特征提取方法、装置、设备及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811475889.3A CN109635821A (zh) 2018-12-04 2018-12-04 图像区域的特征提取方法、装置、设备及可读介质

Publications (1)

Publication Number Publication Date
CN109635821A true CN109635821A (zh) 2019-04-16

Family

ID=66071299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811475889.3A Pending CN109635821A (zh) 2018-12-04 2018-12-04 图像区域的特征提取方法、装置、设备及可读介质

Country Status (1)

Country Link
CN (1) CN109635821A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147750A (zh) * 2019-05-13 2019-08-20 深圳先进技术研究院 一种基于运动加速度的图像搜索方法、系统及电子设备
CN115797182A (zh) * 2022-12-30 2023-03-14 长春吉大正元信息技术股份有限公司 一种特征图插值方法、装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070183666A1 (en) * 2006-02-08 2007-08-09 Yuhua Ding Method utilizing intensity interpolation for measuring edge locations in a high precision machine vision inspection system
CN101957309A (zh) * 2010-08-17 2011-01-26 招商局重庆交通科研设计院有限公司 一种能见度的全天候视频测量方法
CN102982543A (zh) * 2012-11-20 2013-03-20 北京航空航天大学深圳研究院 一种多源遥感图像配准方法
CN105740872A (zh) * 2016-01-29 2016-07-06 徐庆 图像特征提取方法及其装置
CN106326858A (zh) * 2016-08-23 2017-01-11 北京航空航天大学 一种基于深度学习的公路交通标志自动识别与管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070183666A1 (en) * 2006-02-08 2007-08-09 Yuhua Ding Method utilizing intensity interpolation for measuring edge locations in a high precision machine vision inspection system
CN101957309A (zh) * 2010-08-17 2011-01-26 招商局重庆交通科研设计院有限公司 一种能见度的全天候视频测量方法
CN102982543A (zh) * 2012-11-20 2013-03-20 北京航空航天大学深圳研究院 一种多源遥感图像配准方法
CN105740872A (zh) * 2016-01-29 2016-07-06 徐庆 图像特征提取方法及其装置
CN106326858A (zh) * 2016-08-23 2017-01-11 北京航空航天大学 一种基于深度学习的公路交通标志自动识别与管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄祥林 等: "《图像检索原理与实践》", 30 June 2014 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147750A (zh) * 2019-05-13 2019-08-20 深圳先进技术研究院 一种基于运动加速度的图像搜索方法、系统及电子设备
CN110147750B (zh) * 2019-05-13 2021-08-24 深圳先进技术研究院 一种基于运动加速度的图像搜索方法、系统及电子设备
CN115797182A (zh) * 2022-12-30 2023-03-14 长春吉大正元信息技术股份有限公司 一种特征图插值方法、装置、设备和存储介质
WO2024139756A1 (zh) * 2022-12-30 2024-07-04 中科信息安全共性技术国家工程研究中心有限公司 一种特征图插值方法、装置、设备和存储介质
CN115797182B (zh) * 2022-12-30 2024-07-12 长春吉大正元信息技术股份有限公司 一种特征图插值方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
WO2020228406A1 (zh) 图像风格化生成方法、装置及电子设备
CN110058685A (zh) 虚拟对象的显示方法、装置、电子设备和计算机可读存储介质
CN110413812A (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN110349107A (zh) 图像增强的方法、装置、电子设备、及存储介质
CN110211195B (zh) 生成图像集合的方法、装置、电子设备和计算机可读存储介质
CN109754464A (zh) 用于生成信息的方法和装置
CN110032978A (zh) 用于处理视频的方法和装置
WO2024016923A1 (zh) 特效图的生成方法、装置、设备及存储介质
CN110062157A (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110347875A (zh) 一种视频场景分类方法、装置、移动终端及存储介质
EP4425423A1 (en) Image processing method and apparatus, device, storage medium and program product
WO2023193639A1 (zh) 图像渲染方法、装置、可读介质及电子设备
WO2022247630A1 (zh) 图像处理方法、装置、电子设备及存储介质
CN109635821A (zh) 图像区域的特征提取方法、装置、设备及可读介质
WO2024152901A1 (zh) 一种图像处理方法、装置、设备及介质
WO2024174871A1 (zh) 一种图像处理方法、装置、设备及介质
WO2024131532A1 (zh) 发丝处理方法、装置、设备及存储介质
CN110287161A (zh) 图像处理方法和装置
CN111915532B (zh) 图像追踪方法、装置、电子设备及计算机可读介质
CN113205601A (zh) 漫游路径生成方法、装置、存储介质及电子设备
WO2023193613A1 (zh) 高光渲染方法、装置、介质及电子设备
CN110288552A (zh) 视频美化方法、装置及电子设备
CN109816791A (zh) 用于生成信息的方法和装置
CN109871465A (zh) 一种时间轴计算方法、装置、电子设备及存储介质
WO2021121291A1 (zh) 图像处理方法、装置、电子设备及计算机可读存储介质

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