[发明专利]一种目标图像轮廓特征表示方法及装置

说明书

技术领域

本发明属于计算机视觉和模式识别技术领域，尤其涉及一种目标图像轮廓特征表示方法及装置。

背景技术

在复杂和海量的视觉信息中，如何快速、准确的提取目标的特征并进行有效的表达，是计算机视觉和视频理解的关键问题，对降低视觉信息处理维度与提高视觉计算的认知水平具有重要的意义。目标图像的轮廓特征表达在目标识别中起到了至关重要的作用，选取的目标图像的轮廓特征与背景特征具有可区分性是特征选取的原则，只有这样才可以在特征空间中将目标识别出来。

在目标图像轮廓特征的选取和描述方法中，通常采用梯度方向直方图描述符（Histogram of oriented gradient，HOG）方法，该技术将图像局部出现的方向梯度次数进行计数，HOG的核心思想是所检测的局部物体外形能够被光强梯度所描述，具体的，首先将整幅图像分割成小的连接区域，计算图像中每个像素点的梯度，然后在每个连接区域中生成一个方向梯度直方图，最后将得到的所有的方向梯度直方图的进行组合，得到目标图像轮廓特征的表示向量。HOG主要描述的是目标表面视觉特征，该方法目前广泛应用在图像和视频的目标检测和识别中。

HOG方法中，需要计算和统计对图像中所有像素点的梯度方向，且目标图像轮廓特征的表达式的维度依赖于图像中连接区域分割的多少，比如对于一张大小为64*128像素的目标图像，HOG方法中描述描述目标图像的轮廓特征的表示向量的维度是3528，显然目前用HOG方法来描述目标图像的轮廓特征计算量大，在很大程度上会影响后续的目标图像检测识别速度，

发明内容

鉴于上述问题，本发明的目的在于提供一种目标图像轮廓特征表示方法及装置，旨在解决采用现有HOG方法来描述目标图像轮廓特征的表示方式中，所述维数多、计算量大，影响到目标图像检测识别速度的技术问题。

一方面，所述目标图像轮廓特征表示方法包括下述步骤：

根据边缘检测算法获取目标图像的边缘轮廓图像；

获取所述边缘轮廓图像中各个边缘像素点的切线方向；

将所述边缘轮廓图像划分为若干个块，并且在多个方向上统计每个块中边缘像素点的切线方向直方图；

对所述每个块的切线方向直方图进行归一化处理得到对应的直方图向量，将得到的各个直方图向量按顺序串行连接，生成表示整个目标图像轮廓特征的边缘特征向量。

另一方面，目标图像轮廓特征表示装置包括：

边缘检测单元，用于根据边缘检测算法获取目标图像的边缘轮廓图像；

方向获取单元，用于获取所述边缘轮廓图像中各个边缘像素点的切线方向；

方向统计单元，用于将所述边缘轮廓图像划分为若干个块，并且在多个方向上统计每个块中边缘像素点的切线方向直方图；

轮廓特征表示单元，用于对所述每个块的切线方向直方图进行归一化处理得到对应的直方图向量，将得到的各个直方图向量按顺序串行连接，生成表示整个目标图像轮廓特征的边缘特征向量；

所述边缘检测单元、方向获取单元、方向统计单元和轮廓特征表示单元顺次连接。

本发明的有益效果是：本发明技术方案首先对图像进行边缘检测得到边缘轮廓图像，再对边缘轮廓图像按区域划块，然后统计每个块中边缘像素点的切线方向直方图，最后级联各个切线方向直方图得到用于表示整个目标图像轮廓特征的边缘特征向量，显然本发明只需统计每个块中边缘像素点的切线方向，边缘特征向量的维数与图像划分块数和统计切线方向直方图中的方向数量有关，所述图像划分块数和方向数量通常都是比较小的自然数，比如都可以为9，那么表示目标图像轮廓特征的边缘特征向量仅需81维即可，因此本发明可以在很大程度上降低计算量，为后续目标图像检测识别提供良好基础。

附图说明

图1是本发明第一实施例提供的目标图像轮廓特征表示方法的流程图；

图2是本发明第二实施例提供的目标图像轮廓特征表示方法的流程图；

图3是原始的目标图像；

图4是经过边缘检测、去噪和边缘修复处理后得到的边缘轮廓图像；

图5是块划分示意图；

图6是在图5中各个块对应的切线方向直方图；

图7是图6中各个切线方向直方图归一化后的级联直方图；

图8是图3-图7的结合示意图；

图9是本发明第三实施例提供的目标图像轮廓特征表示装置的结构方框图；

图10是本发明第四实施例提供的目标图像轮廓特征表示装置的结构方框图。

具体实施方式