[发明专利]图像特征提取方法、装置及水源图像分类方法、装置

说明书

本发明提出一种图像特征提取方法，包括：将原图像进行颜色空间分解，获取所述原图像的H通道图像、S通道图像以及V通道图像；对H通道图像、S通道图像以及V通道图像分别进行图像变换，生成每个颜色通道对应的频率域图像；对于每个颜色通道的频率域图像，分别以所述频率域图像中心为圆心，按预设半径划分M个同心圆，再根据预设角度划分N个等角扇形，获取若干个扇形区域，其中M为大于1的整数，N为大于0的整数；计算每个扇形区域的均值和方差；统计每个颜色通道图像的所述均值和方差将作为原图像的图像特征。本发明在图像分类时考虑图像的颜色特性，同时有效地提取图像纹理特征，能对干净水源图像和污染水源图像进行更准确的分类。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种图像特征提取方法、装置及水源图像分类方法、装置。

背景技术

水源图像检测和分类在监测和识别河流冰灾、洪水、垃圾污染和死水等方面获取了很多应用。在这些情况下，精确的水资源图像检测和分类就显得至关重要。然而，海水、河水、湖水和池塘这些我们称之为干净水源的图像，可能和一些污染水源的图像重叠，例如包含真菌的水、死水和石油污染的水等等。因为这两类水源的图像在表面看起来是相同的，这使准确的水源图像检测变得具有挑战性。此外，这些水源图像一般是由无人机和具有特定高度的直升飞机捕获的，图像的质量差，对比度低，加之冰雪灾害天气下水体结冰等因素的存在，使得水源图像分类的问题更加复杂。复杂情况下的水源图像如图1所示。

目前存在的水源图像检测方法大多基于图像的颜色变化，空间信息和纹理信息。有人提出了在白天对水的颜色变化进行检测的方法，还有人提出了基于天空反射的水源检测方法，这些方法适用于在开阔区域进行水体检测，但是不适用于日常的小范围水域。另外这些方法现定于特定的水体检测，而不能对不同类型的水源进行区分。有人提出利用不变的时空描述符来检测水源，该方法不依赖于分类器和一些特殊的样本，基于概率的分类来提取特征。然而，该方法中使用的描述符需要具有清晰对象形状的高对比度图像才能获得更好的结果。

上述方法中提到的水体颜色特征和纹理特征在面对表面粗糙程度不同的干净水源图像时是有效的，对于可能具有不同物体表面，不可预测的颜色和不同的纹理的污染水源图像并不十分可靠。因此，需要一种方法提取出这些独特的特征并将干净水源图像与污染水源图像分离。

发明内容

本发明提出一种图像特征提取方法，所述方法包括：

将原图像进行HSV颜色空间分解，获取所述原图像的H通道图像、S通道图像以及V通道图像；

对H通道图像、S通道图像以及V通道图像分别进行图像变换，生成每个颜色通道对应的频率域图像；

对于每个颜色通道的频率域图像，分别以所述频率域图像中心为圆心，按预设半径划分 M个同心圆，再根据预设角度划分N个等角扇形，选取预设范围内的若干个扇形区域，其中M为大于1的整数，N为大于0的整数；

计算每个扇形区域所有像素值的均值和方差；

将所选取的所有扇形区域的所述均值和方差组合为原图像的图像特征。

作为本发明的一种优选技术方案：所述预设范围为：频率域图像的上半部分或下半部分，或者，频率域图像预设半径内的区域，或者，频率域图像中依据像素位置权重确定的区域。

作为本发明的一种优选技术方案：所述方法还包括：对所述原图像进行缩放处理，得到预设分辨率的图像，再进行颜色空间分解。

本发明还提出一种图像特征提取装置，所述装置包括：

预处理模块，用于对原图像进行HSV颜色空间分解，获取所述原图像的H通道图像、S通道图像以及V通道图像；

图像变换模块，用于对每个颜色通道进行图像变换，生成对应的频率域图像；