[发明专利]一种图像特征提取方法

说明书

本发明公开了一种图像特征提取方法，通过将待处理图像均分为多个子图像，对每个子图像分别进行空间结构处理，得到每个子图像的梯度值和每个子图像的像素均值，然后根据得到每个子图像的梯度值和像素均值，采用局部差分二进制来得到各子图像的二进制序列，采用多重局部差分二进制表示网格单元强度和梯度的差异和纹理信息，可以捕获更丰富的细节纹理信息，将各子图像的二进制序列按照同样顺序进行排列即可得到待处理图像的选取特征；利用遗传算法提取选取特征中的最优个体，最终得到图形特征，将多样性‑适应性空间中的个体映射到选择概率方向上，从而达到初期以保证多样性，末期以适应度函数为主的效果，提高特征提取的鲁棒性。

技术领域

本发明属于图像处理技术领域，具体涉及一种图像特征提取方法。

背景技术

近几年来，人脸识别已经成为了图像处理的热点。然而，由于图像易受天气、角度、人脸姿态的影响，使其对人脸图像的处理增大了难度。图像特征包括有全局特征和局部特征两种，全局特征主要是对图像整体的颜色和形状的描述，具有不变性、易计算、直观等特点，但其缺点在于维数高和计算量过大，不适用于处理含噪图像和有遮挡图像；局部特征主要是对图像局部特征的描述，相对于全局特征来说，其计算量小、局部的特征丰富、特征之间的相关性少，在处理遮挡和含噪图像上具有很好的鲁棒性。传统的局部图像特征提取算法主要有：方向梯度直方图(Histogram of Oriented Gradient,HOG)特征、局部二值模式(Local Binary Pattern，LBP)特征、局部三值模式(Local Ternary Pattern，LTP)、局部方向模式(Local Direction Pattern,LDP)、韦伯局部描述(Weber local descriptor,WLD)。但是，局部特征提取过程中图像的特征受复杂光照和噪声的影响，图像局部特征识别率低，噪声影响大。

发明内容

本发明的目的在于提供一种图像特征提取方法，以克服现有图形局部特征提取过程中识别率低，噪声影响大的问题。

为达到上述目的，本发明采用如下技术方案：

一种图像特征提取方法，包括以下步骤：

步骤1)、将待处理图像通过不同大小的分块法分别进行均分，每个分块法下得到多个大小相同的子图像，对同一大小分块法下得到的每个子图像分别进行空间结构处理，得到同一大小分块法下每个子图像的梯度值和每个子图像的像素均值；

步骤2)、根据得到的同一大小分块法下的每个子图像的梯度值和像素均值，采用局部差分二进制来得到同一分块法下的待处理图像的二进制序列B_n；将不同分块法下的待处理图像的二进制序列B_n按照同样顺序进行排列即可得到待处理图像的选取特征F_D；

步骤3)、利用遗传算法提取选取特征F_D中的最优个体，得到的最优个体的集合即为最终提取得到的图形特征。

进一步的，步骤1)中，通过分块法将待处理图像均分为分辨率大小相同的多个子图像，即将待处理图像划分为n×n块，得到n²个图像，I_i表示第i块图像，i∈[1,n²]；

将待处理图像在同一大小分块法下均分得到的子图像进行空间结构处理，得到子图像在空间结构内不同划分区域内的像素均值，根据子图像在不同划分区域内的像素均值得到子图像在空间结构内的梯度值。