[发明专利]一种图像特征识别方法和装置在审
| 申请号: | 201710090460.1 | 申请日: | 2017-02-20 |
| 公开(公告)号: | CN108460899A | 公开(公告)日: | 2018-08-28 |
| 发明(设计)人: | 王晓琳 | 申请(专利权)人: | 深圳怡化电脑股份有限公司;深圳市怡化时代科技有限公司;深圳市怡化金融智能研究院 |
| 主分类号: | G07D7/20 | 分类号: | G07D7/20;G07D7/206 |
| 代理公司: | 深圳市深软翰琪知识产权代理有限公司 44380 | 代理人: | 徐翀 |
| 地址: | 518000 广东省深圳市南山*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 特征区域图像 图像特征识别 方法和装置 特征描述子 模板图像 特征向量 梯度信息 梯度直方图 红外图像 模板特征 特征识别 描述子 像素 预设 | ||
本发明实施例公开了一种图像特征识别方法和装置,用于准确稳定的进行红外图像的特征识别。该方法可包括:将特征区域图像划分为若干个块;计算每个块内的每个像素的梯度信息,根据所述梯度信息计算每个块内的梯度直方图,生成对应的特征向量;根据所述若干个块对应的特征向量,生成所述特征区域图像对应的识别特征描述子;将所述识别特征描述子与预设的模板图像对应的模板特征描述子进行比较,根据比较结果判断所述特征区域图像是否存在与所述模板图像相应的特征。
技术领域
本发明涉及图像识别技术领域,具体涉及一种图像特征识别方法和装置。
背景技术
在验钞机等应用领域,常采用红外图像传感器采集识别对象的红外图像,通过识别红外图像中的红外特征来达到鉴别对象的目的。
在提取红外特征进行鉴伪时,常常由于红外图像传感器的问题导致采集到的红外图像质量不好,特征信息非常弱;这样弱的特征信息无疑对后续的识别防伪等造成影响,导致无法准确稳定的从红外图像中提取防伪特征。
发明内容
本发明实施例提供一种图像特征识别方法,用于准确稳定的进行红外图像的特征识别。本发明实施例还提供相应的装置。
为解决上述技术问题,本发明实施例采用如下技术方案:
本发明第一方面提供一种图像特征识别方法,包括:将特征区域图像划分为若干个块;计算每个块内的每个像素的梯度信息,根据所述梯度信息计算每个块内的梯度直方图,生成对应的特征向量;根据所述若干个块对应的特征向量,生成所述特征区域图像对应的识别特征描述子;将所述识别特征描述子与预设的模板图像对应的模板特征描述子进行比较,根据比较结果判断所述特征区域图像是否存在与所述模板图像相应的特征。
本发明第二方面提供一种图像特征识别装置,包括:分块单元,用于将特征区域图像划分为若干个块;计算单元,用于计算每个块内的每个像素的梯度信息,根据所述梯度信息计算每个块内的梯度直方图,生成对应的特征向量;生成单元,用于根据所述若干个块对应的特征向量,生成所述特征区域图像对应的识别特征描述子;判断单元,用于将所述识别特征描述子与预设的模板图像对应的模板特征描述子进行比较,根据比较结果判断所述特征区域图像是否存在与所述模板图像相应的特征。
从以上技术方案可以看出,本发明实施例技术方案具有以下优点:
1、利用该方法能够识别出稳定的红外图像特征;
2、利用该方法提取出来的特征包含图像的所有特征,克服了二值化提取图像特征过程中由于二值化阈值选择的问题造成损失图像特征的影响;
3、利用该方法提取的特征能够表示该图像,并且具有唯一性;
4、传感器采集到的图像质量较弱时,该方法也能够提取图像的特征信息。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是是作为示例的一种人民币的红外图像;
图2是是由图1截取出来的特征区域的图像;
图3是特征区域二值化的效果图;
图4是本发明实施例提供的图像特征识别方法的流程示意图;
图5是本发明实施例提供的图像特征识别装置的结构示意图。
具体实施方式
本发明实施例提供一种图像特征识别方法,用于准确稳定的进行红外图像的特征识别。本发明实施例还提供相应的装置。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳怡化电脑股份有限公司;深圳市怡化时代科技有限公司;深圳市怡化金融智能研究院,未经深圳怡化电脑股份有限公司;深圳市怡化时代科技有限公司;深圳市怡化金融智能研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710090460.1/2.html,转载请声明来源钻瓜专利网。





