[发明专利]一种图像特征提取方法

说明书

本发明提供图像特征提取方法，方法包括：设置梯度运算矩阵大小的步骤；计算所述梯度运算矩阵各像素的梯度的步骤；确定所述各像素的梯度所属梯度区间的步骤；根据所述各像素的梯度计算其梯度长度的步骤；计算块特征值的步骤。本发明实现了图像特征提取速度的大幅提升。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像特征提取方法。

背景技术

HOG(Histogram of Oriented Gradient，梯度方向直方图)是2005年CVPR会议上，由法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子，该方法使用梯度方向直方图特征来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集。

HOG特征提取的过程为：将一幅图像分成一个或多个检测窗口(WIN)，一般检测窗口大小默认为128*64。检测窗口由多个块(BLOCK)组成，每个块由相邻的16个像素点构成，而每个块又均分为若干个(例如4个)相同大小的单元格(CELL)。

将图像预处理后，通过反正切函数求出梯度方向，再将梯度方向平均划分为9个方向区间，在每个单元格里面，对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每个单元格形成一个9维的特征向量，把一个块的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元格；最后将所有块的特征串联起来，就得到了人体的特征。

HOG描述算子是针对一个检测窗口而言的，一个128*64大小的检测窗口有105个块，一个块有4个单元格，一个单元格的HOG描述子向量的长度是9，所以一个检测窗口的HOG描述算子的向量长度是105*4*9＝3780维。

在具体的运算过程中，单元格在块上移动，块也在移动，因此实际上有很多重复的单元格运算，并且在整个块内单元格数量众多，按照此方法，128*64的图像，在双核台式机上运行一次约需要0.14秒，而对于高级驾驶辅助系统(ADAS)产品，图像分辨率一般是1280*720，因此，采用这种方式虽然准确性高，但是计算复杂，特征生成过程冗长，导致速度慢，实时性差，有很大的迟滞感。

因此，现有技术有待进一步改进。

发明内容

本发明提供一种图像特征提取方法，旨在解决现有技术中的缺陷，实现图像特征提取速度的大幅提升。

为达到上述目的，本发明所采取的技术方案为：

本发明提供一种图像特征提取方法，包括：

设置梯度运算矩阵大小的步骤；

计算所述梯度运算矩阵各像素的梯度的步骤；

确定所述各像素的梯度所属梯度区间的步骤；

根据所述各像素的梯度计算其梯度长度的步骤；

计算块特征值的步骤。

具体地，所述计算所述梯度运算矩阵各像素的梯度的步骤包括：

计算各像素的初始灰度G0(x,y)；

对所述初始灰度G0(x,y)进行Gamma变换，得到优化灰度G(x,y)；

根据所述各像素的优化灰度G(x,y)及各像素X、Y方向的梯度算子Go，计算所述各像素X、Y方向的梯度dx、dy。

具体地，所述Go＝{-3，-2，-1，0，1，2，3}。

具体地，所述各像素X方向梯度：