[发明专利]图像特征提取方法及装置

权利要求书

1.一种图像特征提取方法，其特征在于，包括：

获取待处理图像；

计算所述待处理图像的显著性特征，获得特征图像；

将所述特征图像进行边缘增强，获得增强图像；

将所述增强图像中的各个像素点的灰度值进行加权平均，获得检测阈值；

利用所述检测阈值，对所述增强图像的每一个像素点的灰度值进行二值化，获得二值化特征，将所述二值化特征作为边缘特征；

提取所述待处理图像的局部特征；

利用所述边缘特征对所述局部特征进行过滤，获得所述待处理图像的图像特征；

所述利用所述检测阈值，对所述增强图像的每一个像素点的灰度值进行二值化，获得二值化特征，将所述二值化特征作为边缘特征，包括：

利用所述检测阈值，按照二值化计算公式，对所述像素点的显著性概率进行二值化，获得所述二值化特征，作为边缘特征；

所述二值化计算公式为：

其中，P′为边缘特征；C为所述检测阈值；W_g为预设权重；P_ij为所述增强图像中每一个像素点的灰度值；i为所述每一个像素点的横坐标；j为所述每一个像素点的纵坐标；

其中，所述二值化过程为，计算所述增强图像中每一个像素点的灰度值在预设邻域内的加权平均，获得每一个像素点的加权灰度值，其中，所述预设邻域由i、j设定；

将所述每一个像素点的加权灰度值与所述检测阈值进行比较，当所述像素点的加权灰度值大于所述检测阈值时，则判定该像素点位于图像边缘处，则将位于该像素点位置的特征点作为所述显著性概率图像的边缘特征；当所述像素点的加权灰度值小于所述检测阈值时，则判定该像素点没有位于图像边缘处，则滤除位于该像素点位置的特征点；

所述利用所述边缘特征对所述局部特征进行过滤，获得所述待处理图像的图像特征，包括：

将所述边缘特征与所述局部特征取交集，获得所述待处理图像的图像特征；

通过将边缘特征与局部特征取交集，获得局部特征中位于边缘处的特征点集，这些特征点集即作为图像特征；

其中，所述边缘特征与所述局部特征取交集是：

获取边缘特征点的位置向量，将所述边缘特征点的灰度值与所述局部特征点的灰度值进行比较；

其中，所述局部特征点的位置向量与所述边缘特征点位置向量相同；

当具有相同位置向量的所述局部特征点所对应的所述边缘特征点的灰度值为边缘上的灰度值时，保留所述局部特征点，作为所述待处理图像的图像特征；

其中，所述边缘特征点为所述特征图像经过边缘提取后，所获得的具有边缘特征的像素点；所述局部特征点为所述待处理图像经过局部特征描述子提取后，所获得的具有局部特征的像素点。

2.如权利要求1所述的方法，其特征在于，所述特征图像为显著性概率图像；

所述计算所述待处理图像的显著性特征，获得特征图像包括：

计算所述待处理图像中每一个像素点的显著性概率，获得显著性概率图像。

3.如权利要求2所述方法，其特征在于，所述计算所述待处理图像中每一个像素点的显著性概率，获得显著性概率图包括：

提取所述待处理图像中每个像素点的位置向量；

利用每个像素点的位置向量，提取所述待处理图像的每个像素点在CIE L*a*b*颜色空间中的颜色向量；

利用每个像素点的颜色向量，计算所述待处理图像在所述CIE L*a*b*颜色空间中的空间中心，并确定所述空间中心的颜色向量；

计算每个像素点的颜色向量相对所述空间中心的颜色向量的位置变化向量；

基于所述空间中心的颜色向量及每个像素点的位置变化向量，采用多元高斯函数计算每个像素点的显著性概率，获得显著性概率图像。