一种基于环形核的图像特征提取方法及装置与流程

本发明涉及数字图像处理和模式识别技术领域，尤其涉及一种基于环形核的图像特征提取方法及装置。

背景技术：

图像识别通常会受到图像旋转变形的影响，使得图像识别率降低，例如人脸识别是模式识别领域中活跃的研究方向之一，计算人脸相似度会受到人脸旋转变形带来的影响。常用的几种人脸特征提取方法都受到此因素限制，局部二值模式(Local Binary Patterns，LBP)特征虽然在局部抗光照变化，但是对于人脸整体发生旋转，依然无法给出准确的特征描述；方向梯度直方图(Histograms of Oriented Gradients，HOG)特征计算梯度直方图，在人脸发生旋转的时候，HOG的block会发生错位现象。上述的问题都会导致最终的人脸识别发生错误。

技术实现要素：

有鉴于此，本发明目的在于提供一种基于环形核的图像特征提取方法及装置，以解决在图像内容发生旋转时，无法保证针对图像内容的特征向量的旋转不变性。

具体地，本发明是通过如下技术方案实现的：

一种基于环形核的图像特征提取方法，所述方法包括：

建立环形核，所述环形核由围绕固定圆心的多层圆环组成，每一层圆环由多个特征点组成，且每一层圆环上的特征点的个数满足预设的第一函数关系， 每一层圆环上的特征点距离圆心的半径满足预设的第二函数关系；

载入图像，在图像中定位作为环形核圆心的基点；

将图像的基点与环形核圆心重合，计算环形核每个特征点的特征值，并将环形核每一层的特征点的特征值按大小顺序依次存放，提取环形核每一层特征点的特征向量。

进一步地，所述计算环形核每个特征点的特征值的方法为：

以所述基点为二维直角坐标系的原点，将环形核每一层上的每个特征点的极坐标转换为直角坐标；获取图像上每一个特征点对应的特征区域内所有像素点的特征值的均值，将该均值作为该特征点的特征值。

进一步地，所述预设的第一函数关系为f₁(i)＝M＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，M为预设的大于零的正整数，n为环形核的层数；所述预设的第二函数关系为f₂(i)＝B＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，B为预设的大于零的正整数，n为环形核的层数；所述特征点对应的特征区域为K*K个像素点构成的图像区域。

进一步地，所述图像为用于人脸识别的人脸图像，所述在图像中定位作为环形核圆心的基点的方法为：采用动态形状模型ASM技术在载入的人脸图像中定位鼻尖点，将鼻尖点作为环形核的圆心的基点。

基于本发明实施例，本发明还提供一种基于环形核的图像特征提取装置，该装置包括：

环形核构造模块，用于建立环形核，所述环形核由围绕固定圆心的多层圆环组成，每一层圆环由多个特征点组成，且每一层圆环上的特征点的个数满足预设的第一函数关系，每一层圆环上的特征点距离圆心的半径满足预设的第二函数关系；

基点定位模块，用于载入图像，在图像中定位作为环形核圆心的基点，并将图像的基点与环形核圆心重合；

特征向量计算模块，用于计算环形核每个特征点的特征值，并将环形核每 一层的特征点的特征值按大小顺序依次存放，提取环形核每一层特征点的特征向量。

进一步地，将所述方法应用于人脸识别的系统中，在人脸发生旋转时，基于所述环形核每一层的特征向量的近似性来进行同一人脸的识别。所述特征向量计算模块计算环形核每个特征点的特征值时，以所述基点为二维直角坐标系的原点，将环形核每一层上的每个特征点的极坐标转换为直角坐标；再获取图像上每一个特征点对应的特征区域内所有像素点的特征值的均值，将该均值作为该特征点的特征值。

进一步地，所述环形核构造模块使用的所述预设的第一函数关系为f₁(i)＝M＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，M为预设的大于零的正整数，n为环形核的层数；所述环形核构造模块使用的所述预设的第二函数关系为f₂(i)＝B＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，B为预设的大于零的正整数，n为环形核的层数；所述特征点对应的特征区域为K*K个像素点构成的图像区域。

进一步地，所述图像为用于人脸识别的人脸图像，所述基点定位模块在图像中定位作为环形核圆心的基点时，采用动态形状模型ASM技术在载入的人脸图像中定位鼻尖点，将鼻尖点作为环形核的圆心的基点。

进一步地，所述方法和装置应用于人脸识别的系统中，在人脸发生旋转时，基于所述环形核每一层的特征向量的近似性来进行同一人脸的识别。

由以上描述可以看出，本发明通过建立环形核，将图像旋转圆心即图像基点与环形核圆心重叠后，计算环形核上每一层特征点对应图像区域的特征值，将环形核每一层的特征点的特征值按大小顺序依次存放，提取环形核每一层特征点的特征向量。本发明可应用于人脸识别等领域。

附图说明

图1为本发明一实施提提供的一种基于环形核的图像特征提取方法的步 骤流程图；

图2为本发明一实施例提供的环形核的示意图；

图3为本发明一实施例提供的环形核上某一层特征点的特征值及特征向量的提取方法示意图；

图4为将本发明提供的方法应用于人脸识别领域示意图；

图5为本发明一实施提提供的一种基于环形核的图像特征提取装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案及优点更加清楚明白，以下参照附图对本申请所述方案作进一步地详细说明。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1为本发明实施提提供的一种基于环形核的图像特征提取方法的步骤 流程图，包括如下步骤：

步骤101、建立环形核，所述环形核由围绕固定圆心的多层圆环组成，每一层圆环由多个特征点组成，且每一层圆环上的特征点的个数满足预设的第一函数关系f₁，每一层圆环上的特征点距离圆心的半径满足预设的第二函数关系f₂；

在本发明一实施例中，所述环形核由围绕同一固定圆心的n层特征点构成的圆环构成，每一层圆环上的特征点的个数满足预设的函数关系为f₁(i)＝M＊i，该实施例中，i的取值范围为1≤i≤n,M为预设的大于零的正整数，i为层序号，每一层距离圆心的半径也满足预设的函数关系f₂(i)＝B＊i，1≤i≤n,B为预设的大于零的正整数。如图2示例，若n为5时，M为20，则所述环形核由特征点的集合(c1、c2、c3、c4、c5)构成，c1为第一层圆环上的特征点的集合，c1包括20个特征点，c2为第二层圆环上的特征点的集合，c2包括40个特征点，依次类推。若B为9，则第一层圆环上的特征点离圆心的半径为9个像素点，第二层圆环上的特征点离圆心的半径为18个像素点，依次类推。每一层的特征点呈环状均衡分布，相邻特征点间隔的角度值为360/(M＊i)度，即越在外层特征点之间的角度间隔越小。本发明实施例中，每个特征点都以极坐标形式表示，即(R，A)。

需要说明是的是，所述函数关系f₁和f₂、以及参数A和B的定义需要考虑所处理的图像尺寸及每个特征点对应的特征区域所包含的像素个数，以环形核不超出图像尺寸以及特征点对应的特征区域不相互重叠为限。

本发明不限定函数关系f₁和f₂、以及参数A和B的具体定义，能实现本发明目的的任何针对环形核的函数及参数的定义都应当包括在本发明的保护范围之内。

步骤102、载入图像，在图像中定位作为环形核圆心的基点；

步骤103、将图像的基点与环形核圆心重合，计算环形核上每个特征点特征值，环形核每一层的特征点的特征值按大小顺序依次存放，提取每一层的特征向量；

本发明实施例需要从待识别的图像中选定一个基点，将该基点作为环形核的 圆心，然后以该基点作为二维直角坐标系的原点，将环形核每一层上的每个特征点的极坐标转换为直角坐标，然后计算每个特征点对应的特征区域的特征值，其中，所述的特征区域为所载入图像上包含该特征点的预设形状的图像区域，例如，在一具体实施例中，特征区域为包含特征点所在位置的像素点的K*K个像素点构成的图像区域，其中K为大于1的正整数，K的取值需要根据特征点之间的间隔像素距离来确定，以特征点对应的特征区域不重叠为限。为描述方便，以下将特征点对应的特征区域的特征值称为该特征点的特征值。

在本发明一具体实施例中，参考图3和图4，对于人脸识别领域，可采用动态形状模型(Active Shape Model，ASM)技术在载入的人脸图像中定位鼻尖点作为环形核的圆心，将环形核的圆心与人脸图像定位到的鼻尖点重合。以环形核其中一层的特征点为例，将特征点极坐标转换为直角坐标，假设K为3，则计算每个特征点位置附近3*3像素点的特征区域的特征值的均值，将特征区域的每个像素点的特征值的均值作为该特征点的特征值。计算出该层所有特征点的特征值后，然后将该层特征点的特征值按大小顺序依次排列存放。

通过上述处理后，待识别图像即使发生旋转，由于旋转后的特征点仍属于该层，按大小顺序存放特征值后，不管待识别图像如何旋转，每一层的特征向量与旋转前的特征向量是一致的，即实现了旋转不变性特征。

本发明不限定定位图像中基点的方法，只要能根据图像的特征模型确定出一个基点作为环形核的圆心即可。

基于本发明实施例，本发明建立了一种特征图像的图像特征提取方法，可以获取以图像内容的旋转中心为圆心的相同距离处的所有点的特征值，因为待识别图像旋转过程中，距离旋转中心相同距离的点集只是顺序发生变化，但是数量和内容并未改变，在建立的环形核基础上，对每层的点集计算它们的特征值，然后固定起点按照特征值的大小按序排列，存入一个特征向量。这样得到的每幅图像无论旋转与否，同一层特征点集合对应的特征向量是高度近似。该方法体现出的旋转不变性特征可以应用到人脸识别等领域中。

本发明的又一实施例提供一种基于环形核的图像特征提取装置，该装置所 基于的设备的硬件环境通常至少包括有CPU、内存以及非易失性存储器，当然还可能包括I/O接口等硬件。请参考图5，以软件实现为例，本实施例通过该设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行，使所述设备包括实现所述装置500的：环形核构造模块501、基点定位模块502、特征向量计算模块503。在本发明的一种实施方式中：

环形核构造模块501，用于建立环形核，所述环形核由围绕固定圆心的多层圆环组成，每一层圆环由多个特征点组成，且每一层圆环上的特征点的个数满足预设的第一函数关系，每一层圆环上的特征点距离圆心的半径满足预设的第二函数关系；

基点定位模块502，用于载入图像，在图像中定位作为环形核圆心的基点，并将图像的基点与环形核圆心重合；

特征向量计算模块503，用于计算环形核每个特征点的特征值，并将环形核每一层的特征点的特征值按大小顺序依次存放，提取环形核每一层特征点的特征向量。

进一步地，特征向量计算模块503计算环形核每个特征点的特征值时，以所述基点为二维直角坐标系的原点，将环形核每一层上的每个特征点的极坐标转换为直角坐标；再获取图像上每一个特征点对应的特征区域内所有像素点的特征值的均值，将该均值作为该特征点的特征值。

进一步地，环形核构造模块501使用的所述预设的第一函数关系为f₁(i)＝M＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，M为预设的大于零的正整数，n为环形核的层数；环形核构造模块501使用的所述预设的第二函数关系为f₂(i)＝B＊i，其中，i为环形核的层序号，i的取值范围为1≤i≤n，B为预设的大于零的正整数，n为环形核的层数；所述特征点对应的特征区域为K*K个像素点构成的图像区域。

进一步地，所述图像为用于人脸识别的人脸图像，所述基点定位模块502在图像中定位作为环形核圆心的基点时，采用动态形状模型ASM技术在载入的人脸图像中定位鼻尖点，将鼻尖点作为环形核的圆心的基点。

进一步地，将装置500应用于人脸识别的系统中，在人脸发生旋转时，基于所述环形核每一层的特征向量的近似性来进行同一人脸的识别。

本发明一实施例中，基于Georgia Tech数据库的实验证明：相比LBP，Haar，HOG等常用特征，RK提取到的特征对人脸旋转鲁棒性更强。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。