[发明专利]基于图像特征适用性的选择方法

说明书

本发明公开了基于图像特征适用性的选择方法，涉及图像特征选择，包括以下步骤：获取作为模板图像的基本统计特征集；获取基于自身属性的特征点集；获取区域定义的特征点集；依据上述三类特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征。本发明通过选择合适的特征，能够有效提高特征提取的稳定性、精确性及实时性。

技术领域

本发明涉及一种图像特征选择，具体涉及基于图像特征适用性的选择方法。

背景技术

不同的特征选择对图像识别的准确性起着决定性作用，因此，选择什么样的特征作为图像的描述在图像处理中起着决定性作用。

发明内容

本发明所要解决的技术问题是不同图像的使用场景不同，需要选择不同的图像特征进行分析，目的在于提供基于图像特征适用性的选择方法，解决上述问题。

基于图像特征适用性的选择方法，包括以下步骤：

获取作为模板图像的基本统计特征集；

获取基于自身属性的特征点集；

获取区域定义的特征点集；

依据上述三类特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征。

进一步地，所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。

进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征两两相乘，形成新的特征。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明基于图像特征适用性的选择方法，通过选择合适的特征，能够有效提高特征提取的稳定性、精确性及实时性。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明基于图像特征适用性的选择方法，包括以下步骤：

获取作为模板图像的基本统计特征集；

获取基于自身属性的特征点集；

获取区域定义的特征点集；

依据上述三类特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征。

所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

所述基本统计特征，包括亮度、重心、灰度直方图。

所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征两两相乘，形成新的特征。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。