[发明专利]不变视觉场景和对象识别

权利要求书

1.一种计算机实现的图像处理方法，所述方法包括：

生成与第一图像相关联的梯度数据集合；

基于如所述梯度数据集合中所反映的梯度量级来将所述第一图像中的像素分配到聚类特征集中；以及

存储所述聚类特征集。

2.如权利要求1所述的方法，其特征在于，分配包括分配像素以使得给定聚类特征中的像素具有相同或充分相似的梯度量级。

3.如权利要求1所述的方法，其特征在于，还包括：

生成与第二图像相关联的第二梯度数据集合；

基于如所述第二梯度数据集合中所反映的梯度量级来将所述第二图像中的像素分配到第二聚类特征集中；以及

存储所述第二聚类特征集。

4.如权利要求3所述的方法，其特征在于，还包括通过相对于所述第二聚类特征集评估所述第一聚类特征集来将所述第一图像与所述第二图像进行比较。

5.如权利要求4所述的方法，其特征在于，相对于所述第二聚类特征集评估所述第一聚类特征集包括针对第二统计变量评估第一统计变量，其中所述第一统计变量指示包括在作为所述第一聚类特征集的一部分的第一聚类特征中的像素的特性，并且其中所述第二统计变量指示包括在作为所述第二聚类特征集的一部分的第一聚类特征中的像素的特性。

6.如权利要求5所述的方法，其特征在于，所述第一统计变量指示通过确定跨所述第一聚类特征中的所有像素的平均值来计算的特性。

7.如权利要求3所述的方法，其特征在于，将所述第一图像与所述第二图像进行比较包括基于聚类特征的相似性来将所述第一集合中的聚类特征与所述第二集合中的聚类特征对齐。

8.如权利要求1所述的方法，其特征在于，还包括对于所述集合中的每一个聚类特征，计算并存储指示包括在该聚类特征中的像素的特性的一组统计变量。

9.如权利要求8所述的方法，其特征在于，所述那组统计变量包括指示所述聚类特征中的像素数的面积变量。

10.如权利要求8所述的方法，其特征在于，所述那组统计变量包括指示所述聚类特征中的像素的相对位置的变量。

11.如权利要求8所述的方法，其特征在于，所述那组统计变量包括共同指示所述聚类特征中的像素的平均梯度角变量。

12.如权利要求8所述的方法，其特征在于，所述那组统计变量包括倾斜变量。

13.如权利要求8所述的方法，其特征在于，所述那组统计变量包括标准差变量。

14.一种用于执行图像识别的计算机实现的方法，所述方法包括：

获取像素集合；

基于梯度量级来将所述集合中的至少某些像素分组到聚类特征集中；

对于所述集合中的每一个聚类特征，生成表示该聚类特征中的像素的共同特性的统计变量；以及

将所述统计变量用作将所述像素集合与不同的像素集合进行比较的基础。

15.如权利要求14所述的方法，其特征在于，利用所述统计变量包括将所述集合中的聚类特征与同所述不同的像素集合相关联的不同集合中的聚类特征进行比较。

16.如权利要求14所述的方法，其特征在于，生成统计变量包括生成包括在所述聚类特征中的像素的平均色。

17.如权利要求14所述的方法，其特征在于，生成统计变量包括生成包括在所述聚类特征中的像素的平均位置。

18.如权利要求14所述的方法，其特征在于，生成统计变量包括生成包括在所述聚类特征中的像素的数量。

19.一种用于执行图像识别的计算机实现的方法，所述方法包括确定第一图像与第二图像的相对相似性，其中确定包括将与所述第一图像相关联的聚类特征与同所述第二图像相关联的聚类特征进行比较，并且其中与所述第一和第二图像相关联的聚类特征基于已经基于梯度量级来分组在一起的像素来导出。

20.如权利要求19所述的方法，其特征在于，确定还包括将与所述第一图像相关联的聚类特征的数量与同所述第二图像相关联的聚类特征的数量进行比较。