[发明专利]一种图像特征提取及描述方法

说明书

本发明提出一种图像特征提取及描述方法，只对图像作一次遍历，使用通道适配器提取线域，线域连通产生区域和轮廓，区域和轮廓的生长、分裂、合并，并整合为图像的外特征；同时，建立分裂点属性标注和匹配规则实现轮廓矢量化，用道格拉斯普克算法求出特征角点作为内特征，最后对特征角点做k近邻和多边形描述。本发明可以快速提取目标物体的区域轮廓特征和特征点及特征描述作为匹配模型，在视频图像中实现快速目标识别和匹配。

技术领域

本发明属于图像处理技术领域，尤其涉及一种图像特征提取及描述方法。

背景技术

图像特征按性质分有颜色，纹理，形状，空间关系，边缘，角点，区域，脊等。通常人的视觉是先从形状，区域和颜色纹理边缘特征快速判断目标，然后再从脊，角点细节上分析判断目标，如果还分析不出，就会动用大脑从空间关系特征进行综合分析。如果关注某个目标，则会以背景，颜色，纹理，形状，区域等特征过滤环境中的干扰目标区域，直接提取相关目标进行特征分析。

从形状，区域，颜色，边缘等外部特征快速识别目标，一般采用提取图像连通域和纹理的方法，目前图像提取连通域的方法要先提取二值图像，再作连通域分析，这样会导致多次扫描图像增加运算。而连通域提取方法也无法提取出蛛网的连通域，导致目标特征分裂；此外，还没有将边缘或轮廓完全矢量化为矢量曲线的规则和方法。

针对细节和空间关系分析目标，目前采用图像特征提取及描述方法，如sift，surf，其运算都使用梯度运算，运算复杂，导致很多应用环境的实时性无法保证；而且其特征点描述方法都是针对彩色灰度图像，不适合二值图像。在特征点精准稳定条件下，不需要复杂的特征描述算法，而二值图像只有黑点和白点，数据结构简单，使用二值图像对特征点形成的空间关系作特征描述算法，其运算量非常小。

因此，急需一种没有梯度运算，运算量小，实时性强，且能够从外到内对视频图像目标分析的方法，外部识别从形状，区域，颜色，轮廓等外部特征对图像目标进行过滤和识别分析，内部细节识别从图像目标特征点和特征描述进行分析。

发明内容

针对现有技术中的不足之处，本发明的目的在于提供能够一次扫描图像就可以提取出完整连通域特征和矢量化轮廓，并提取角点特征的特征提取方法。

本发明实施例是这样实现的，一种图像特征提取及描述方法，包括四个阶段：

I、图像扫描阶段；

II、区域后期整合阶段；

III、提取特征点；

IV、特征描述；

其特征在于，所述第I阶段具体过程如下：

S1、使用通道适配器扫描图像，调节横向连接数与不连接数形成线域组；

S2、标记线域组的区域属性，标记生长区域组的线域属性；

S3、区域的创建、生长、分裂与分裂点属性标注、合并，与合并时轮廓矢量化；

S4、封闭区域，区域适配器过滤噪点区域和非目标区域；

S5、区域按最左排序，依次形成封闭区域组和生长区域组；

所述第II阶段具体过程如下：

S6、图像行扫描完成后，区域按最左排序再分组，依次形成噪点区域组和目标区域组；图像行扫描未完成，则返回步骤S1，重新扫描；

S7、目标区域组的最后整合，轮廓矢量化。

进一步地，所述通道适配器，为对外提供的编程接口，可以自定义像素点各通道过滤规则；将各通道灰度图转换为二值图像，对各通道灰度值进行数学建模，在一个可选的实施例中，例如下述rgb形式，输出二值化的结果表达所述像素，得到有效点和无效点；