[发明专利]一种具有光照鲁棒性的图像特征提取方法无效

专利信息
申请号: 201110255381.4 申请日: 2011-08-31
公开(公告)号: CN102289670A 公开(公告)日: 2011-12-21
发明(设计)人: 高涛;冯兴乐;王江安;焦立男;李伟 申请(专利权)人: 长安大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 西安创知专利事务所 61213 代理人: 谭文琰
地址: 710064 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 具有 光照 鲁棒性 图像 特征 提取 方法
【说明书】:

技术领域

发明属于图像处理技术领域,尤其是涉及一种具有光照鲁棒性的图像特征提取方法。

背景技术

目前,对光照变化的图像特征提取中,通常有以下几种处理光照变化的方法:

1、基于传统的图像预处理方法,如直方图均衡、Gamma变换等。此类算法复杂度较低,运算速度较快,但在性能上往往难以达到理想的效果;

2、抽取具有光照鲁棒性的特征点方法,对图像进行浮雕化处理(embossing)和采用边缘图表示方法等。这些方法在光照条件变化不大的情况下,可以获得比较好的识别效果。但是,当光照条件变化比较大时,效果不是很明显;

3、基于光照模型,比较典型的如光照锥(Illumination Cone)、熵图像(Quotient Image)、球谐函数(Spherical Harmonic)等模型,此类方法理论性强,试图通过数学理论结合光度学理论,给光照变化建立统一的模型。该方法在进行人脸识别时,假设人脸是朗伯表面,并假设观测图像中没有阴影区域出现,有很大的局限性;

4、基于人类感知模型,比较典型的为Retinex算法,该算法利用了人的视网膜、大脑皮层构造亮度和颜色的感知模型,对光照变化图像的补偿有明显效果,但是图像的对比度和亮度的乘积较小。

综上所述,现有技术中的图像特征提取方法存在着对光照的鲁棒性差、分类识别效果差、具有局限性等缺陷和不足,例如当在视频监控、人机交互、身份认证等领域需要进行人脸识别时,在光照变化的情况下,现有技术中的图像特征提取方法导致人脸识别的效果差,不能很好地满足实际应用的需求。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种具有光照鲁棒性的图像特征提取方法,其设计合理、实现方便且投入成本低,操作简便,图像处理速度快、效果好,提高了对光照变换的鲁棒性,实用性强。

为解决上述技术问题,本发明采用的技术方案是:一种具有光照鲁棒性的图像特征提取方法,其特征在于该方法包括以下步骤:

步骤一、图像信号的采集、上传及分辨率调整:图像采集设备采集图像信号并将其实时所采集的图像信号通过图像信号传输装置上传给处理器,处理器调用分辨率差值调整模块将其所接收到的图像信号的分辨率调整为一定值,得到图像f0(x,y);

步骤二、图像特征提取:通过处理器对步骤一中所得到的图像f0(x,y)进行分析处理,得出图像的特征P,其分析处理过程如下:

201、二维小波变换:处理器调用二维小波变换模块对图像f0(x,y)进行二维小波变换,得到:

其中,为f0(x,y)变换后的低频分量,为f0(x,y)变换后的水平高频分量,为f0(x,y)变换后的垂直高频分量,为f0(x,y)变换后的对角线高频分量,φ(-x,-y)为尺度函数,为相应的小波;x和m均为图像的横向坐标,y和n均为图像的纵向坐标;

202、处理器调用对数变换模块,将经二维小波变换后的低频分量变换到对数空间,得到:

203、处理器调用卷积计算模块,并使用k种不同的高斯滤波系数Fk(x,y)与对数空间中的低频小波系数I(x,y)进行卷积计算,得到:其中,k为高斯滤波系数的种类数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长安大学,未经长安大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201110255381.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top