RU2016110721A - Способ и устройство выделения характеристики - Google Patents
Способ и устройство выделения характеристики Download PDFInfo
- Publication number
- RU2016110721A RU2016110721A RU2016110721A RU2016110721A RU2016110721A RU 2016110721 A RU2016110721 A RU 2016110721A RU 2016110721 A RU2016110721 A RU 2016110721A RU 2016110721 A RU2016110721 A RU 2016110721A RU 2016110721 A RU2016110721 A RU 2016110721A
- Authority
- RU
- Russia
- Prior art keywords
- image
- hog
- block
- frequency domain
- cell
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 8
- 239000011159 matrix material Substances 0.000 claims 6
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Claims (40)
1. Способ выделения характеристик, содержащий этапы, на которых:
сегментируют изображение на множество блоков, при этом каждый блок включает в себя множество ячеек;
преобразуют каждую ячейку из пространственной области в область частот; и
выделяют характеристику гистограммы ориентированного градиента (HOG) изображения в области частот.
2. Способ по п. 1, в котором этап преобразования каждой ячейки из пространственной области в область частот содержит подэтап, на котором выполняют дискретное косинусное преобразование (DCT) каждой ячейки.
3. Способ по п. 1, в котором этап преобразования каждой ячейки из пространственной области в область частот содержит подэтап, на котором выполняют дискретное преобразование Фурье (DFT) каждой ячейки.
4. Способ по п. 2, в котором этап выделения характеристики гистограммы ориентированного градиента (HOG) изображения в области частоты содержит подэтапы, на которых:
вычисляют магнитуду градиента и направление градиента каждой ячейки в области частот для получения дескриптора каждой ячейки;
подсчитывают соответствующий дескриптор каждого блока в области частоты для получения характеристики HOG каждого блока; и
подсчитывают характеристику HOG каждого блока изображения в области частот для получения характеристики HOG изображения.
5. Способ по п. 4, в котором этап подсчета характеристики HOG каждого блока изображения, для получения характеристики HOG изображения содержит подэтап, на котором:
каскадируют характеристику HOG каждого блока в изображении в виде матрицы для получения характеристики HOG изображения, где каждый столбец матрицы представляет собой характеристику HOG одного из блоков.
6. Способ по п. 4, в котором этап подсчета характеристики HOG каждого блока изображения для получения характеристики HOG изображения содержит подэтапы, на которых:
корректируют характеристику HOG каждого блока в изображении с исходного L*1-мерного вектора до матрицы M*N, при этом каждый блок включает в себя M*N пикселей, и L=M*N; и
получают характеристику HOG изображения на основе скорректированной характеристики HOG каждого блока и соответствующего положения каждого блока в изображении.
7. Способ по любому из пп. 1-6, дополнительно содержащий этап, на котором:
нормализуют изображение для получения изображения, имеющего заданную магнитуду.
8. Устройство выделения характеристики, содержащее:
модуль сегментировании, выполненный с возможностью сегментирования изображения на множество блоков, причем каждый блок включает в себя множество ячеек;
модуль преобразования, выполненный с возможностью преобразования каждой ячейки из пространственной области в область частот; и
модуль выделения, выполненный с возможностью выделения характеристики гистограммы ориентированного градиента (HOG) изображения в области частот.
9. Устройство по п. 8, в котором модуль преобразования выполнен с возможностью осуществления дискретного косинусного преобразования (DCT) каждой ячейки.
10. Устройство по п. 8, в котором модуль преобразования выполнен с возможностью осуществления дискретного преобразования Фурье (DFT) для каждой ячейки.
11. Устройство по п. 9, в котором модуль выделения содержит:
подмодуль вычисления, выполненный с возможностью вычисления магнитуды градиента и направления градиента каждой ячейки в области частот для получения дескриптора каждой ячейки;
первый подмодуль подсчета, выполненный с возможностью подсчета соответствующего дескриптора каждого блока в области частот, для получения характеристики HOG каждого блока; и
второй подмодуль подсчета, выполненный с возможностью подсчета характеристики HOG каждого блока изображения в области частот для получения характеристики HOG изображения.
12. Устройство по п. 11, в котором второй подмодуль подсчета выполнен с возможностью каскадирования характеристики HOG каждого блока в изображении в виде матрицы для получения характеристики HOG изображения, при этом каждый столбец матрицы представляет собой характеристику HOG одного из блоков.
13. Устройство по п. 11, второй подмодуль подсчета содержит:
подмодуль коррекции, выполненный с возможностью коррекции характеристики HOG каждого блока в изображении от исходного L*1-мерного вектора до M*N матрицы, причем каждый блок включает в себя M*N пикселей, L=M*N; и
подмодуль выделения характеристики, выполненный с возможностью получения характеристики HOG изображения на основе отрегулированной характеристики HOG каждого блока и соответствующего положения каждого блока в изображении.
14. Устройство по любому из пп. 8-13, дополнительно содержащее:
модуль обработки, выполненный с возможностью нормализации изображения для получения изображения, имеющего заданную магнитуду.
15. Устройство выделения характеристики, содержащее:
процессор;
запоминающее устройство для хранения инструкций, выполняемых процессором; при этом
процессор выполнен с возможностью:
сегментирования изображения на множество блоков, причем каждый блок включает в себя множество ячеек;
преобразования каждой ячейки из пространственной области в область частот; и
выделения характеристики гистограммы ориентированного градиента (HOG) изображения в области частот.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510827886.1A CN105654093B (zh) | 2015-11-25 | 2015-11-25 | 特征提取方法及装置 |
CN201510827886.1 | 2015-11-25 | ||
PCT/CN2015/099310 WO2017088249A1 (zh) | 2015-11-25 | 2015-12-29 | 特征提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2016110721A true RU2016110721A (ru) | 2017-09-28 |
RU2632578C2 RU2632578C2 (ru) | 2017-10-06 |
Family
ID=56482145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016110721A RU2632578C2 (ru) | 2015-11-25 | 2015-12-29 | Способ и устройство выделения характеристики |
Country Status (8)
Country | Link |
---|---|
US (1) | US10297015B2 (ru) |
EP (1) | EP3173976A1 (ru) |
JP (1) | JP6378453B2 (ru) |
KR (1) | KR101754046B1 (ru) |
CN (1) | CN105654093B (ru) |
MX (1) | MX2016003738A (ru) |
RU (1) | RU2632578C2 (ru) |
WO (1) | WO2017088249A1 (ru) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654093B (zh) | 2015-11-25 | 2018-09-25 | 小米科技有限责任公司 | 特征提取方法及装置 |
CN107451583A (zh) * | 2017-08-03 | 2017-12-08 | 四川长虹电器股份有限公司 | 票据图像特征提取的方法 |
CN107633226B (zh) * | 2017-09-19 | 2021-12-24 | 北京师范大学珠海分校 | 一种人体动作跟踪特征处理方法 |
CN107832667A (zh) * | 2017-10-11 | 2018-03-23 | 哈尔滨理工大学 | 一种基于深度学习的人脸识别方法 |
CN107516094A (zh) * | 2017-10-12 | 2017-12-26 | 北京军秀咨询有限公司 | 一种基于人脸图像处理的人才测评方法 |
CN111243088A (zh) * | 2020-01-08 | 2020-06-05 | 长春工程学院 | 工程地质勘察中的真三维航空遥感地质解译方法及系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0757077A (ja) | 1993-08-13 | 1995-03-03 | Ricoh Co Ltd | 画像処理装置 |
JPH1056570A (ja) * | 1996-08-12 | 1998-02-24 | Fuji Xerox Co Ltd | 画像処理装置 |
US8625861B2 (en) * | 2008-05-15 | 2014-01-07 | International Business Machines Corporation | Fingerprint representation using gradient histograms |
KR101405410B1 (ko) * | 2010-10-20 | 2014-06-24 | 고려대학교 산학협력단 | 객체 검출 장치 및 시스템 |
RU2461017C1 (ru) * | 2011-04-15 | 2012-09-10 | Государственное образовательное учреждение высшего профессионального образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации" имени Маршала Советского Союза А.М. Василевского | Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне |
CN102254185B (zh) * | 2011-07-21 | 2013-04-17 | 西安电子科技大学 | 基于对比度敏感函数的背景杂波量化方法 |
ITVI20120041A1 (it) * | 2012-02-22 | 2013-08-23 | St Microelectronics Srl | Rilevazione di caratteristiche di un'immagine |
KR101938033B1 (ko) | 2012-09-05 | 2019-01-11 | 엘리먼트, 인크. | 카메라 장착 디바이스들과 관련된 생체인식 인증 |
KR101407070B1 (ko) | 2012-09-28 | 2014-06-12 | 한국전자통신연구원 | 영상기반 사람 검출을 위한 특징 추출 방법 및 장치 |
US20140169663A1 (en) * | 2012-12-19 | 2014-06-19 | Futurewei Technologies, Inc. | System and Method for Video Detection and Tracking |
TWI475495B (zh) | 2013-02-04 | 2015-03-01 | Wistron Corp | 圖像的識別方法、電子裝置與電腦程式產品 |
CN103903238B (zh) * | 2014-03-21 | 2017-06-20 | 西安理工大学 | 图像特征的显著结构和相关结构融合方法 |
CN104268528B (zh) * | 2014-09-28 | 2017-10-17 | 中智科创机器人有限公司 | 一种人群聚集区域检测方法和装置 |
CN104866865B (zh) * | 2015-05-11 | 2018-03-16 | 西南交通大学 | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 |
CN105046224A (zh) * | 2015-07-16 | 2015-11-11 | 东华大学 | 基于分块自适应加权梯度方向直方图特征的人脸识别方法 |
CN105654093B (zh) * | 2015-11-25 | 2018-09-25 | 小米科技有限责任公司 | 特征提取方法及装置 |
-
2015
- 2015-11-25 CN CN201510827886.1A patent/CN105654093B/zh active Active
- 2015-12-29 RU RU2016110721A patent/RU2632578C2/ru active
- 2015-12-29 MX MX2016003738A patent/MX2016003738A/es active IP Right Grant
- 2015-12-29 WO PCT/CN2015/099310 patent/WO2017088249A1/zh active Application Filing
- 2015-12-29 KR KR1020167005590A patent/KR101754046B1/ko active IP Right Grant
- 2015-12-29 JP JP2017552215A patent/JP6378453B2/ja active Active
-
2016
- 2016-11-17 EP EP16199236.7A patent/EP3173976A1/en not_active Ceased
- 2016-11-23 US US15/359,816 patent/US10297015B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3173976A1 (en) | 2017-05-31 |
JP6378453B2 (ja) | 2018-08-22 |
CN105654093A (zh) | 2016-06-08 |
WO2017088249A1 (zh) | 2017-06-01 |
US10297015B2 (en) | 2019-05-21 |
US20170148147A1 (en) | 2017-05-25 |
MX2016003738A (es) | 2018-06-22 |
JP2018504729A (ja) | 2018-02-15 |
KR101754046B1 (ko) | 2017-07-04 |
KR20170074214A (ko) | 2017-06-29 |
CN105654093B (zh) | 2018-09-25 |
RU2632578C2 (ru) | 2017-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2016110721A (ru) | Способ и устройство выделения характеристики | |
CN110263909B (zh) | 图像识别方法及装置 | |
CN105957030B (zh) | 一种应用于红外热像仪图像细节增强和噪声抑制方法 | |
RU2016110719A (ru) | Способ и устройство выделения характеристики | |
US11216910B2 (en) | Image processing system, image processing method and display device | |
Park | 2D discrete Fourier transform on sliding windows | |
US11257252B2 (en) | Image coding apparatus, probability model generating apparatus and image compression system | |
TW202041017A (zh) | 視訊寫碼中之隱式變換選擇 | |
CN111860276B (zh) | 人体关键点检测方法、装置、网络设备及存储介质 | |
CN103559697A (zh) | 基于fft的碎纸片纵切拼接复原算法 | |
CN104392207B (zh) | 一种用于数字图像内容识别的特征编码方法 | |
CN112748483A (zh) | 一种基于深度学习的气温预报偏差订正方法及装置 | |
Li et al. | Fast principal component analysis for hyperspectral imaging based on cloud computing | |
US10664720B2 (en) | Block-based principal component analysis transformation method and device thereof | |
US20210248497A1 (en) | Architecture to support tanh and sigmoid operations for inference acceleration in machine learning | |
KR102516366B1 (ko) | 특징 데이터 획득 방법 및 장치 | |
CN103745443A (zh) | 提高图像质量的方法和设备 | |
CN113918598A (zh) | 一种乘积量化搜索方法、装置、终端和存储介质 | |
US20130216097A1 (en) | Image-feature detection | |
Li et al. | A refined analysis for the sample complexity of adaptive compressive outlier sensing | |
TWI468015B (zh) | 視訊解碼的平行處理裝置及方法 | |
JP2014116006A5 (ru) | ||
CN113674130A (zh) | 图像处理方法及装置、存储介质、终端 | |
CN107274430B (zh) | 一种对象运动轨迹预测方法和装置 | |
Ramesh et al. | R-SpaRCS: An algorithm for foreground-background separation of compressively-sensed surveillance videos |