[发明专利]一种提取图像特征的方法及装置

说明书

本发明实施例提供了一种提取图像特征的方法，该方法包括：计算目标图像中每个块结构分别对应的HOG特征信息，该块结构包括预设数量的像素值组成的像素矩阵；针对每个该块结构，根据块结构中的像素矩阵，生成PCA算法的输入集合；使用该PCA算法计算每个该块结构对应的PCA特征信息；级联每个该块结构对应的HOG特征信息和该PCA特征信息，生成每个该块结构对应的新HOGP特征信息；将所有块结构对应的新HOGP特征信息级联起来，生成该目标图像的新HOGP特征信息。应用本发明实施例能够提取到包括细节特征和轮廓特征在内的丰富的图像特征。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种提取图像特征的方法及装置。

背景技术

随着图像识别技术的快速发展，各应用领域对图像识别的精确度也越来越高。为了提高机器识别图像的精确度，人们通过图像特征可视化的方法，来改进机器在图像识别中使用的图像识别算法。

图像特征可视化具体是指：根据机器提取到的目标图像的图像特征，对目标图像进行还原。这样，可以根据原始目标图像和还原后的目标图像之间的差异，对图像识别算法进行改进，若原始目标图像和还原后的目标图像的差异较小，相似度较高，则说明当前使用的图像识别算法较为适用，反之，则说明当前使用的图像识别算法不适用。

目前，在图像特征可视化的过程中，用于提取图像特征的图像识别算法包括主成分分析(Principal Component Analysis，PCA)算法和特征检测(Histogram of OrientedGridients，HOG)算法；其中，PCA算法擅长提取图像的细节特征，但对于细节特征较少的图像，比如天空，大海，墙面等，提取到的PCA特征信息中包含的图像信息不完整；而HOG算法擅长提取图像的轮廓特征，但提取到的HOG特征信息忽略了图像的细节信息。这样，导致根据使用PCA算法或者 HOG算法提取出的图像特征，还原后的图像与原始目标图像的差异较大、相似度较低。

发明内容

本发明实施例的目的在于提供一种提取图像特征的方法及装置，能够提取到包括细节特征和轮廓特征在内的丰富的图像特征。具体技术方案如下：

本发明实施例提出了一种提取图像特征的方法，所述方法包括：计算目标图像中每个块结构分别对应的第一HOG特征信息，所述块结构包括预设数量的像素值组成的像素矩阵；针对每个所述块结构，根据块结构中的像素矩阵，生成PCA算法的输入集合；使用所述PCA算法计算每个所述块结构对应的PCA特征信息；级联每个所述块结构对应的第一HOG特征信息和所述PCA特征信息，生成每个所述块结构对应的新HOGP特征信息；将所有块结构对应的新HOGP 特征信息级联起来，生成所述目标图像的新HOGP特征信息。

优选的，所述计算目标图像中每个块结构分别对应的第一HOG特征信息，所述块结构包括预设数量的像素值组成的像素矩阵的步骤，包括：计算目标图像中各像素值分别对应的梯度值；根据所述各像素值的梯度值，计算每个单元格分别对应的第二HOG特征信息，其中，所述每个单元格包括像素值矩阵L×L，所述第二HOG特征信息包括维度为R的HOG特征向量；根据所述每个单元格对应的第二HOG特征信息，计算每个块结构对应的第一HOG特征信息，其中，所述每个块结构包括单元格矩阵P1×P2，所述第一HOG特征信息包括维度为R×P1×P2的HOG特征向量。