[发明专利]一种图像特征提取方法、装置及电子设备

说明书

本申请公开了一种图像特征提取方法、装置及电子设备，用以在图像识别的图像特征提取阶段中，对图像样本进行小波变换，并通过对图像样本数据进行降维来提取关键特征，从而去除图像样本中与主要特征无关的噪声，提升了图像特征提取的效率，进而改善图像识别准确度。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像特征提取方法、装置及电子设备。

背景技术

随着人们对生物特征识别技术发展的兴趣日益浓厚，图像识别逐渐在日常生活中被广泛应用。图像特征提取作为其中一个重要的技术环节，决定了图像识别的准确率。

由于在采集图像时光照和角度等参数的影响，使得从所采集的图像中提取的图像特征中存在大量与主要特征无关的噪声，影响了图像特征提取的效果，从而使图像识别的结果不准确。

发明内容

本申请提供了一种图像特征提取方法、装置及电子设备，用以在图像识别的图像特征提取阶段中，去除图像样本中与主要特征无关的噪声，并改善了图像特征提取的效果，从而提升图像识别的准确度。

第一方面，本申请提供了一种图像特征提取方法，所述方法包括：

获取M个不同类别的重构图像样本集，其中，所述重构样本图像集基于对M个图像样本集中的每个图像样本进行小波变换得到，每个重构图像样本集中为同一类别的重构图像样本，M为大于0的整数；

基于M个重构图像样本集中包括的重构图像样本的矩阵和样本总数，确定总体均值矩阵，其中，样本总数为M个重构图像样本集中包括的所有重构图像样本数量之和；

确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，其中，所述类均值矩阵基于每个重构样本集中的所有重构图像样本矩阵得到；

根据所述总体均值矩阵与所有类均值矩阵计算协方差矩阵，并确定所述协方差矩阵的R个最大特征值，其中，R为大于1的整数；

根据每个最大特征值对应的特征向量分别提取每个图像样本各自对应的图像特征。

通过上述方法，对图像样本进行小波变换以及降维，然后提取最大特征值对应的关键特征，减少了图像样本中特征的噪声，提升了图像特征提取的效率和准确度。

在一种可能的设计中，确定每个重构图像样本集所对应的类均值矩阵，得到M个类均值矩阵，所述方法包括：

分别根据每个重构图像样本集中所有重构图像样本对应的矩阵，确定M个和值矩阵；

分别根据每个重构图像样本集对应的和值矩阵与样本数量值，确定M个类均值矩阵，其中，样本数量值为每个重构图像样本集中重构图像样本的数量。

通过上述方法，计算得到类均值矩阵，并应用至后续协方差矩阵的计算中，使根据所得的协方差矩阵来提取的图像特征具有可分性。

在一种可能的设计中，根据所有类均值矩阵计算协方差矩阵，所述方法包括：

获取M个重构图像样本集各自对应的差值矩阵，其中，所述差值矩阵根据每个重构图像样本集各自对应的类均值矩阵与所述总体均值矩阵确定；

分别根据每个重构图像样本集各自对应的差值矩阵与每个重构图像样本集的样本数量值，确定M个均值矩阵；

根据M个均值矩阵，确定所述协方差矩阵。

通过上述方法，计算得到的协方差矩阵中保留了任一图像样本集中包含的图像样本的数据，从而保证根据该协方差矩阵提取的图像特征具有不同类别的图像样本集之间的可分性。

在一种可能的设计中，根据每个最大特征值对应的特征向量分别提取每个图像样本矩阵各自对应的图像特征，所述方法包括：