[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，用于图像处理技术领域，传统彩色图像分割方法难以获得高质量、精细化的分割结果，且实时性不能满足大规模数据库要求的问题，所述方法包括：一种图像特征提取方法，其特征在于，所述方法包括：对图像进行背景建模，从而提取图像的前景图；对前景图进行颜色归一化处理；利用分割算法将归一化处理后的图像分割成多个blob子区域；提取各blob子区域对应的颜色和位置特征。本发明能够精确、有效的进行目标图像识别，并有较高的实时性能。如不特别说明，本发明所指的图像均为彩色图像。

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

随着多媒体技术的迅速发展，视频数据日趋庞大，如何对这些海量视频数据进行分析、搜索和识别，成为相关研究领域的重要挑战，特别是在智能监控和数字安防领域，越来越成为研究的热点和难点。为了对图像中的目标对象进行识别和跟踪，通常需要提取目标的图像特征进行比对，作为一种鲁棒性高的视觉特征，颜色特征对于物体本身的尺寸、方向和视角等因素依赖性较小，因而被广泛使用。

提取颜色特征的方法有很多，如采用图像分割的方法，将图像分成若干不同的色彩区域，然后存储其对应的特征以供后续查询和匹配。传统的图像分割技术，包括分水岭算法、区域分割及合并、频域技术等，在图像和视频处理的诸多应用中很有用，然而这些方法基本上都难以产生彩色图像的精细化分割结果，而且对于大规模的数据库满足不了实时性的要求。因此，有人提出基于GrabCut理论的图像分割方法，但都是基于对全局图像进行操作，计算效率同样受到制约。

发明内容

本发明实施例的目的是针对传统图像分割方法难以获得高质量、精细化的分割结果，且实时性不能满足大规模数据库要求的问题，对传统方法进行改进和优化，而提出一种新的图像特征提取方法。

为了达到上述发明目的，本发明实施例提出的一种图像特征提取方法是通过以下技术方案实现的：

一种图像特征提取方法，所述方法包括：

对图像进行背景建模，从而提取图像的前景图；

对前景图进行颜色归一化处理；

利用分割算法将归一化处理后的图像分割成多个blob子区域；

提取各blob子区域对应的颜色和位置特征。

所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函数模型，或基于贝叶斯网络的背景模型；

所述对获得的所述前景图像进行颜色归一化处理具体包括：像素颜色值对R，G，B 三通道亮度之和或者对三通道最大值进行归一。

所述图像分割算法包括基于GrabCut的算法、分水岭算法、区域分割及合并、形态学算法、Quadtree分割算法、并行区域算法、或频域算法。

当所述算法为基于GrabCut的算法时，所述利用图像分割算法对图像各像素点进行聚类，将图像分割成一块块子区域具体包括：

根据待分割的对像建立一个无向权图G(V，E)，其中，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，自适应地迭代合并聚类。

所述方法还包括：对分割的子区域利用计算几何学方法拟合成较规则的几何形状，其中，每个blob块对应有RGB 颜色和空间坐标信息。

所述方法还包括：赋予每个blob 位置的预先确定的等分网格属性以使后续快速索引。

所述方法还包括：对每个blob 的位置属性进行bit 位编码并将特征传输到相应的服务器进行上存储。