专利名称：图像粒降维方法
图像粒降维方法
技术领域：
本发明涉及图像处理领域，特别涉及一种图像的降维方法。
背景技术：
人脸作为一个重要的生物特征，传递着重要的信息。一方面，能够传达个体的身份信息；另一方面，人脸面部的表情又可以反映个体的思想感情和情绪状态，通过分析可以获知个体的内心态度和情感变化。针对人脸表情的研究已成为模式识别和人工智能领域的热点。人脸表情在理论上有着重要的研究意义，在日常生活中有很好的应用前景，主要体现于对相关学科的促进、智能人机交互、心理状态分析、医疗诊断技术、图像实时传输、动画电影制作及娱乐产品开发等各个方面。在现有人脸研究技术中，基于线性子空间的方法因为简单、分类能力强等优点已成为主流的特征提取方法。基于线性子空间分析的特征提取方法是根据一定的性能目标来寻找一个线性空间变换，将高维数据投影到低维线性子空间上，使投影后提取的特征数据更能满足目标要求，并且达到压缩原始数据维数的目的。近年来研究发现，人脸图像很可能位于一个非线性流形上，基于流形学习的人脸研究算法被提出。流形学习是一种非线性的降维方法，旨在发现嵌入在高维数据空间的低维光滑流形。但是在实现本发明的过程中，发明人发现现有技术至少存在以下问题由于人脸研究问题中的高维图像和大规模样本的关系，不管是线性子空间法还是非线性流形学习算法，都需要进行高维数据的复杂计算，制约着研究任务的快速性和有效性。那么，如何实现图像快速处理以便满足实时性需求是现有技术中的一大难题。
发明内容本发明的目的在于提供一种图像粒降维方法，所述图像粒方法可以有效地降低图像维度，降低计算复杂度。为了达到本发明的目的，根据本发明的一个方面，本发明提供一种图像粒降维方法，所述方法包括对输入图像按行和列分块，每个块作为一个图像粒；分别计算各个图像粒中所有像素的均值；把图像粒作为图像处理的基本单元。对于一幅大小为hXw的图像，I = Ihxw表示该图像的所有像素；图像中任意一个像素或块，记作b = Qi1, h2] X [W1, w2]，显然有O≤Ii1≤h2 < h且O≤W1≤W2 < w ;则 Ib即为一个图像粒
权利要求
1.一种图像粒降维方法，其特征在于，所述方法包括对输入图像按行和列分块，每个块作为一个图像粒；分别计算各个图像粒中所有像素的均值；把图像粒作为原始图像处理的基本单元。
2.根据权利要求1所述的图像粒降维方法，其特征在于，所述对输入图像按行和列分块，每个块作为一个图像粒包括对于一幅大小为hXw的图像，I = Ihxw表示该图像的所有像素；图像中任意一个像素或块，记作 b = Lh1, h2] X [W1, w2]，显然有 O < Ii1 < h2 < h 且 O < W1 < W2 < w ;贝U Ib 即为一个图像粒
3.根据权利要求2所述的图像粒方法，其特征在于，图像粒的大小为
4.根据权利要求2所述的图像粒降维方法，其特征在于，计算图像粒中所有像素的灰度均值
5.根据权利要求1所述的图像粒降维方法，其特征在于，把图像粒作为原始图像处理的基本单元包括对大小为hXw的输入图像I = Ihxw,按mXn大小分块，即图像粒大小为(mXn)/(hXw)，则图像由原始的hXw维降为(h/m)X(w/n)维，有效地对高维图像数据进行了降维。
全文摘要
本发明揭露了一种图像粒降维方法，所述方法包括对输入图像按行和列分块，每个块作为一个图像粒；分别计算各个图像粒中所有像素灰度的均值；把图像粒作为原始图像处理的基本单元。本发明通过对图像粒的方法实现了对图像数据降维的效果，降低计算复杂性，使得能够更加快速地对输入的高维图像数据进行操作，提高效率。
文档编号G06T7/00GK103035002SQ201210524508
公开日2013年4月10日 申请日期2012年12月4日 优先权日2012年12月4日
发明者梁久祯, 吕思思, 柴志雷 申请人:江南大学