[发明专利]基于高斯-埃尔米特矩的图像轮廓特征提取方法

摘要

本发明公开了一种基于高斯-埃尔米特矩的图像轮廓特征提取方法，主要解决现有技术提取图像细节轮廓特征差，且在有噪声的情况下提取的图像轮廓特征效果不佳的问题。其实现步骤是：首先建立提取目标图像垂直方向梯度和水平方向梯度的基于高斯-埃尔米特矩的滤波器模板；然后使用建立的滤波器模板提取目标图像在每个像素点处垂直方向和水平方向的有向梯度；最后计算每个像素点处表示目标图像轮廓特征的梯度幅值和梯度方向，从而获得目标图像的轮廓特征。本发明具有图像细节轮廓特征完整和在有噪声情况下提取图像轮廓特征效果好的优点，可用于目标识别或目标匹配过程中图像轮廓特征的提取。

主权项

1.一种基于高斯-埃尔米特矩的图像轮廓特征提取方法，包括如下步骤：(1)输入一幅目标图像I；(2)建立一个大小为5×5的坐标模板O；(3)利用坐标模板O，建立6个不同的基于高斯-埃尔米特矩的初始滤波器模板F₁、F₂、F₃、F₄、F₅、F₆；(4)分别对6个不同的初始滤波器模板进行归一化，获得六个归一化后的不同滤波器模板(5)使用滤波器模板与目标图像进行卷积操作，计算每个像素点(i,j)处的有向梯度，即使用获得的6个归一化后的不同的滤波器模板分别与目标图像I进行卷积，获得目标图像的在每个像素点处6个不同的初始有向梯度G₁、G₂、G₃、G₄、G₅、G₆；(6)利用获得的初始有向梯度求出目标图像在每个像素点处表示目标图像轮廓特的梯度幅值m和梯度方向θ，即获得目标图像的轮廓特征，其计算公式如下：m=Σk=13(Gk)2+Σk=46(Gk)2,]]>θ=arctan(Σk=13(Gk)2Σk=46(Gk)2),]]>其中，下标k表示初始有向梯度G₁、G₂、G₃、G₄、G₅、G₆的索引。