[发明专利]一种图像特征的提取方法及系统

说明书

本发明揭示了一种图像特征提取方法及系统，方法包括计算被提取图像中每个像素在8个方向上的梯度；将所述被提取图像分成多个细胞单元，并根据所述每个像素在8个方向上的梯度统计每个细胞单元在8个方向的梯度直方图；根据所述每个细胞单元在8个方向的梯度直方图计算所述细胞单元的特征向量；将每个所述细胞单元的特征向量组合后获得所述被提取图像的特征。本发明能够获得低维数的特征向量及较少的特征数据，并且降低数据处理器的数据运算能力，广泛适用于目标识别、物体跟踪等图像应用中。

技术领域

本发明涉及一种图像处理技术领域，尤其是涉及一种图像特征的提取方法及系统。

背景技术

随着科技的不断发展，方向梯度直方图(Histogram of Oriented Gradient,HOG)特征结合SVM(Support Vector Machine，支持向量机)分类器被广泛应用于图像识别，尤其应用于行人检测。HOG特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。

现有技术中，针对一幅图像提取HOG特征常采用以下步骤：首先，计算图像在水平和垂直方向梯度值，并根据梯度值通过反三角函数计算出空间方向，此时图像中每个像素具有一个方向和幅值属性；其次，将图像划分成若干个单元格(Cell)，同时统计每个单元格的梯度直方图，并对梯度直方图进行规定权重的投影，其中，幅值作为加权系数；最后，将单元格合并为更大的块(Block)结构，对于每一个重叠块内的单元格进行对比度归一化，将所有块内直方图向量组合成一个大的HOG特征向量。

现有的HOG特征提取方法一般生成36维特征向量，并且图像特征的数据量较大，需要占用大的存储空间进行存储；同时，在计算方向时，每个像素需要进行反三角函数计算，计算相对复杂，对数据处理器(如CPU、单片机等)的数据运算能力要求较高。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种可获得低维数特征向量，并且降低数据运算能力的图像提取方法及系统。

为实现上述目的，本发明提出如下技术方案：一种图像特征提取方法，包括如下步骤：

S1，计算被提取图像中每个像素在8个方向上的梯度；

S2，将所述被提取图像分成多个细胞单元，并根据所述每个像素在8个方向上的梯度统计每个细胞单元在8个方向的梯度直方图；

S3，根据所述每个细胞单元在8个方向的梯度直方图计算所述细胞单元的特征向量；及

S4，将每个所述细胞单元的特征向量组合后获得所述被提取图像的特征。

优选地，在步骤S1中，所述像素在8个方向上的梯度通过计算其与周围相邻8个像素的差值获得。

优选地，在步骤S2中，所述每个细胞单元在8个方向上的梯度直方图根据如下步骤统计：

S201，根据像素在8个方向上的梯度计算获得所述像素在8个方向上梯度幅值的平方值；

S202，根据像素在8个方向上梯度幅值的平方值及如下公式统计每个细胞单元在8个方向上的梯度直方图，

其中，m，n＝1，2，…，k，k为细胞单元在水平方向上包含的像素数，H_i,j为细胞单元的梯度直方图，表示像素在第一方向上梯度幅值的平方值，依次类推，表示像素在第八方向上梯度幅值的平方值。

优选地，在步骤S3中，每个细胞单元的特征向量根据如下步骤计算：

S301，将待计算特征向量的细胞单元与其周围相邻的8个细胞单元分成4组，每组中均包含待计算特征向量的细胞单元；

S302，根据如下公式依次计算细胞单元在每个方向上每组的值；