一种目标物体的特征提取方法、装置和计算机可读介质与流程

本发明涉及图像处理技术领域，尤其涉及一种目标物体的特征提取方法、装置和计算机可读介质。

背景技术：

在图像的信息识别与提取技术领域中，图像的边缘和轮廓等细节特征经常是需要重点关注的信息。因为图像的边缘往往蕴含着丰富的内在信息，图像的边缘与轮廓信息获取的好坏是图像能否进行准确识别的关键。

虽然目前边缘提取是图像识别领域中一个十分重要的课题，但图像的信息识别和提取中依然存在着一些没有解决的问题，例如现有技术中虽然能够实现对图像基础信息的提取，但目标物体所包含的信息是复杂的，往往存在不同种类的物体，利用现有的图像识别技术进行特征提取时，无法对不同种类的目标物体进行有区别的提取，而是会将其所包含的各个物体的轮廓特征都进行提取，从而导致了对目标物体进行特征提取时的准确性较低。

因此，需要提供一种图像的识别和探测方法用来解决上述所提到的问题。

技术实现要素：

本发明要解决的技术问题在于对目标物体进行特征提取时，无法对不同种类的目标物体进行有区别的提取，而是会将其所包含的各个物体的轮廓特征都进行提取，从而导致了对目标物体进行特征提取时的准确性较低。因此，本发明提供了一种目标物体的特征提取方法、装置和计算机可读介质，能够提高对目标物体进行特征提取的准确性。

第一方面，本发明实施例提供了一种目标物体的特征提取方法，包括：

根据目标物体的目标辐射图像，获得斯托克斯stokes参量图；

根据所述stokes参量图，获得所述目标物体表面的偏振信息，其中，所述偏振信息包括偏振度和偏振角；

根据所述偏振信息，获得偏振算子，其中，所述偏振算子用于计算图像的灰度变化量和变化方向；

获取所述目标物体的无偏图像；

利用所述偏振算子对所述无偏图像进行特征提取，获得目标特征图像，其中，所述目标特征图像表征所述目标物体的轮廓。

可选地，所述根据目标物体的目标辐射图像，获得斯托克斯stokes参量图，包括：

分别采集所述目标物体的目标辐射图像i0°、i45°、i90°和i135°，其中，所述目标辐射图像i0°、i45°、i90°和i135°分别在偏振方向为0°、45°、90°和135°时获得；

根据如下公式计算所述目标辐射图像的stokes参量：

其中，s用于表征stokes参量，s0、s1、s2和s3均为所述stokes参量s的分量，ircp用于表征所述目标辐射图像的右旋圆偏振，所述ilcp用于表征所述目标辐射图像的左旋圆偏振。

可选地，所述根据所述stokes参量图，获得所述目标物体表面的偏振信息，包括：

利用所述stokes参量图，根据如下公式计算获得所述目标物体表面的偏振信息图像：

其中，p用于表征所述偏振信息图像的偏振度,α用于表征所述偏振信息图像的偏振角。

可选地，所述利用所述偏振算子对所述无偏图像进行特征提取，获得目标特征图像，包括：

对所述无偏图像进行高斯滤波，获得第一特征图像，其中，所述第一特征图像用于表征所述无偏图像除去噪声点后的图像；

利用有限差分计算确定所述第一特征图像的第一梯度幅值和梯度方向，其中，所述第一梯度幅值为所述第一特征图像沿坐标轴方向的偏导数的振幅，所述梯度方向为所述第一特征图像的梯度变化最快的方向，每一个所述第一梯度幅值对应一个像素位置；

从所述第一梯度幅值中获取第二梯度幅值，其中，所述第二梯度幅值为去除非边缘像素后的幅值图像；

利用预设的双阈值算法从所述第二梯度幅值中确定目标特征图像。

可选地，所述利用有限差分计算确定所述第一特征图像的第一梯度幅值和梯度方向，包括：

根据如下公式确定所述第一特征图像的水平方向的水平向差分：

fx(x,y)＝s1＝i0-i90

其中，fx(x,y)用于表征所述水平向差分；

根据如下公式确定所述第一特征图像的垂直方向的垂直向差分：

fy(x,y)＝s2＝i45-i135

其中，fy(x,y)用于表征所述垂直向差分；

利用所述水平向差分和所述垂直向差分，根据如下公式确定所述第一特征图像的第一梯度幅值和梯度方向：

其中，m(x,y)用于表征所述第一梯度幅值，θ(x,y)用于表征所述梯度方向。

第二方面，本发明实施例还提供了一种目标物体的特征提取装置，包括：第一确定模块、第二确定模块、第三确定模块、获取模块和第四确定模块；

所述第一确定模块，用于根据目标物体的目标辐射图像，获得斯托克斯stokes参量图；

所述第二确定模块，用于根据所述第一确定模块确定出的所述stokes参量图，获得所述目标物体表面的偏振信息，其中，所述偏振信息包括偏振度和偏振角；

所述第三确定模块，用于根据所述第二确定模块确定的所述偏振信息，获得偏振算子，其中，所述偏振算子用于计算图像的灰度变化量和变化方向；

所述获取模块，用于获取所述目标物体的无偏图像；

所述第四确定模块，用于利用所述第三确定模块确定的所述偏振算子对所述获取模块获取到的所述无偏图像进行特征提取，获得目标特征图像，其中，所述目标特征图像表征所述目标物体的轮廓。

可选地，所述第一确定模块，用于执行如下操作：

分别采集所述目标物体的目标辐射图像i0°、i45°、i90°和i135°，其中，所述目标辐射图像i0°、i45°、i90°和i135°分别在偏振方向为0°、45°、90°和135°时获得；

根据如下公式计算所述目标辐射图像的stokes参量：

其中，s用于表征stokes参量，s0、s1、s2和s3均为所述stokes参量s的分量，ircp用于表征所述目标辐射图像的右旋圆偏振，所述ilcp用于表征所述目标辐射图像的左旋圆偏振。

可选地，所述第二确定模块，用于执行如下操作：

利用所述stokes参量图，根据如下公式计算获得所述目标物体表面的偏振信息图像：

其中，p用于表征所述偏振信息图像的偏振度,α用于表征所述偏振信息图像的偏振角。

第三方面，本发明另一个实施例还提供了一种目标物体的特征提取装置，包括至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述第一方面中任一所述的方法。

第四方面，本发明实施例还提供了一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述第一方面中任一所述的方法。

实施本发明实施例的目标物体的特征提取方法、装置和计算机可读介质，具有以下有益效果：

在对目标物体进行特征提取时，首先需要通过获取目标物体的辐射图像来进一步得到斯托克斯参量图，进而通过斯托克斯参量图能够计算确定出目标物体表面的偏振度和偏振角的偏振信息，通过偏振信息可以确定出用于对图像进行特征提取的偏振算子，从而通过偏振算子对无偏图像进行特征提取获取目标物体的目标特征图像。由此可见，本发明实施例是利用偏振信息确定出用于对图像进行特征提取的偏振算子。由于常用的偏振算子在进行图像的轮廓特征提取时，并没有特定的物理意义，因此会将目标图像中所有的轮廓信息都进行提取。而偏振算子是由偏振信息确定出来的，偏振信息中的偏振度是0到1之间的值，不同的物体材料对应不同的偏振度值，因此利用偏振算子对目标进行特征提取时，通过确定不同的偏振度值，可以精确的获取到对应目标物体的轮廓特征，从而可以提高对目标物体进行特征提取的准确性。

附图说明

图1是本发明一个实施例提供的一种目标物体的特征提取方法的流程图；

图2是本发明另一个实施例提供的一种目标物体的特征提取方法的流程图；

图3是本发明一个实施例提供的一种目标物体的特征提取装置所在设备的示意图；

图4是本发明一个实施例提供的一种目标物体的特征提取装置的示意图；

图5是本发明一个实施例提供的另一种目标物体的特征提取装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种目标物体的特征提取方法，该方法可以包括如下步骤：

步骤101：根据目标物体的目标辐射图像，获得斯托克斯stokes参量图；

步骤102：根据stokes参量图，获得目标物体表面的偏振信息，其中，偏振信息包括偏振度和偏振角；

步骤103：根据偏振信息，获得偏振算子，其中，偏振算子用于计算图像的灰度变化量和变化方向；

步骤104：获取目标物体的无偏图像；

步骤105：利用偏振算子对无偏图像进行特征提取，获得目标特征图像，其中，目标特征图像表征目标物体的轮廓。

在本发明实施例中，对目标物体进行特征提取时，首先需要通过获取目标物体的辐射图像来进一步得到斯托克斯参量图，进而通过斯托克斯参量图能够计算确定出目标物体表面的偏振度和偏振角的偏振信息，通过偏振信息可以确定出用于对图像进行特征提取的偏振算子，从而通过偏振算子对无偏图像进行特征提取获取到目标物体的目标特征图像。由此可见，本发明实施例是利用偏振信息确定出用于对图像进行特征提取的偏振算子。由于常用的偏振算子在进行图像的轮廓特征提取时，并没有特定的物理意义，因此会将目标图像中所有的轮廓信息都进行提取。而偏振算子是由偏振信息确定出来的，偏振信息中的偏振度是0到1之间的值，不同的物体材料对应不同的偏振度值，因此利用偏振算子对目标进行特征提取时，通过确定不同的偏振度值，可以精确的获取到对应目标物体的轮廓特征，从而可以提高对目标物体进行特征提取的准确性。

可选地，根据图1所示的目标物体的特征提取方法，在本发明实施例中，根据目标物体的目标辐射图像，确定斯托克斯参量图时，可以通过如下方式来获得：

分别采集目标物体的目标辐射图像i0°、i45°、i90°和i135°，其中，目标辐射图像i0°、i45°、i90°和i135°分别在偏振方向为0°、45°、90°和135°时获得；

根据如下公式计算目标辐射图像的stokes参量：

其中，s用于表征stokes参量，s0、s1、s2和s3均为stokes参量s的分量，ircp用于表征目标辐射图像的右旋圆偏振，ilcp用于表征目标辐射图像的左旋圆偏振。

在本发明实施例中，利用在不同偏振方向所采集的目标辐射图像来确定出斯托克斯参量图。由于本方案中是通过旋转偏振片来测量获取各偏振方向的光强信息的，而stokes参量正是由光强来表示的，因此通过采用stokes参量的方式来描述目标辐射图像的偏振态，不仅具有可以直接测量获取光强和计算简便的优势，而且也是后续获取偏振信息的基础。

可选地，如图1所示的目标物体的特征提取方法，在本发明实施例中，根据斯托克斯参量图，利用偏振度公式和偏振角公式来计算确定目标物体表面的偏振信息，具体地可以通过如下方式实现：

利用stokes参量图，根据如下公式计算获得目标物体表面的偏振图像：

其中，p用于表征偏振信息图像的偏振度,α用于表征偏振信息图像的偏振角。

在本发明实施例中，利用斯托克斯参量图，根据偏振度和偏振角的公式可以确定出目标物体表面的偏振信息。由于本方案是利用偏振算子对图像进行特征提取的，而偏振算子是与偏振度和偏振角有关系的，即可以通过偏振度和偏振角对应的形成偏振算子，因此计算偏振度和偏振角的偏振信息是形成偏振算子的基础，从而为准确的获取到目标物体的特征图像提供了保障。

可选地，根据图1所示的目标物体的特征提取方法，在确定目标特征图像时，主要可以通过滤波、梯度计算、非极大值抑制以及双阈值检测等过程来实现，具体的实现方式如下所示：

对无偏图像进行高斯滤波，获得第一特征图像，其中，第一特征图像用于表征无偏图像除去噪声点后的图像；

利用有限差分计算确定第一特征图像的第一梯度幅值和梯度方向，其中，第一梯度幅值为第一特征图像沿坐标轴方向的偏导数的振幅，梯度方向为第一特征图像的梯度变化最快的方向，每一个第一梯度幅值对应一个像素位置；

从第一梯度幅值中获取第二梯度幅值，其中，第二梯度幅值为去除非边缘像素后的幅值图像；

利用预设的双阈值算法从第二梯度幅值中确定目标特征图像。

在本发明实施例中，利用偏振算子对无偏图像进行特征提取时，首先需要选择合适的滤波器，利用滤波算法对无偏图像进行滤波，除去由于噪声而产生的一些像素点，然后利用有偏振算子确定经滤波后的图像中各像素位置的第一梯度幅值，进一步通过非极大值抑制的方法从第一梯度幅值中确定出第二梯度幅值，以去除图像中的非边缘像素点，最后通过设定高阈值和低阈值的双阈值算法确定出偏振特征图像。由此可见，本方案不仅通过滤波的方式除去了噪声影响，而且依次通过判断计算出的像素点幅值是否对应该目标物体轮廓的边缘像素。因此，通过不断地筛选边缘像素，以达到提升目标物体的特征提取精度和准确性的目的。

可选地，根据上述实施例提供的方式，在利用有限差分计算确定第一特征图像的第一梯度幅值和梯度方向时，是基于偏振信息来进行计算的，具体地实现方式如下所示：

根据如下公式确定第一特征图像的水平方向的水平向差分：

fx(x,y)＝s1＝i0-i90

其中，fx(x,y)用于表征水平向差分；

根据如下公式确定第一特征图像的垂直方向的垂直向差分：

fy(x,y)＝s2＝i45-i135

其中，fy(x,y)用于表征垂直向差分；

利用水平向差分和垂直向差分，根据如下公式确定第一特征图像的第一梯度幅值和梯度方向：

其中，m(x,y)用于表征第一梯度幅值，θ(x,y)用于表征梯度方向。

由于在利用常用的偏振算子对图像进行特征轮廓提取时，会存在无差别提取，即会将存在轮廓的目标信息都进行提取，而在实际应用中并不是每一个轮廓信息都需要进行提取的。在本发明实施例中，确定梯度幅值和梯度方向时是基于偏振算子来进行计算的，如此可以利用不同物体材料对应不同的偏振度值的特性对目标物体的轮廓进行精确的提取，从而提高了目标物体轮廓提取的准确性。

如图2所示，本发明另一个实施例还提供了一种目标物体的特征提取方法，该方法可以包括如下步骤：

步骤201：获取目标物体的目标辐射图像。

在本发明实施例中，利用偏振成像测量装置，通过旋转偏振片获取偏振方向为0°、45°、90°和135°的目标物体的透射光强i0°、i45°、i90°和i135°。由于在红外偏振成像测量过程中，使用设备差异或成像过程中产生移动偏振等因素都会导致偏振信息在图像表征上产生偏移，因此需要对目标辐射图像进行配准。鉴于目标辐射图像可凸显目标边缘轮廓特征的特点，目标辐射图像配准采用图像特征定锚的方式进行配准。

偏振成像测量装置可以包括偏振片、成像透镜、ccd成像探测器和计算机等装置，当获取到目标辐射图像后，可以通过诸如matlab之类的软件对图像进行初步的处理。

步骤202：计算目标辐射图像的stokes参量。

在本发明实施例中，当通过偏振成像测量装置获得目标辐射图像后，可以利用如下公式计算获得stokes参量：

其中，s用于表征stokes参量，s0、s1、s2和s3均为stokes参量s的分量，ircp用于表征目标辐射图像的右旋圆偏振，ilcp用于表征目标辐射图像的左旋圆偏振。

由上述stokes的计算公式可知，stokes参量可以直接通过采集到的不同偏振方向的光强表示出来，其中s0可以近似用来表示入射光强，s1、s2和s3分别用来表示两个相互正交方向的光强差。

米勒矩阵是用来描述偏振器件作用的矩阵，且不同偏振器件所对应的米勒矩阵不同。因此，在本发明实施例中，与入射光经偏振器件后获得出射光的过程相对应的矢量变化过程为，入射斯托克斯矢量经米勒矩阵后获得出射斯托克斯矢量。例如对于一入射光经一偏振片后的斯托克斯矢量的变化可以通过如下关系式来表示：

因此，在本发明实施例中，也可以通过已知偏振片的米勒矩阵m和入射光的斯托克斯矢量sin来得到出射光的斯托克斯矢量sout。

步骤203：确定目标物体表面的偏振信息。

在本发明实施例中，当通过斯托克斯公式获得了stokes参量图后，可以利用该stokes参量进行偏振度和偏振角的计算，从而获得目标物体表面的偏振信息图像。具体地，计算偏振度和偏振角可以通过如下公式来进行：

其中，p用于表征偏振信息图像的偏振度,α用于表征偏振信息图像的偏振角。

由菲涅尔定律可知，当非偏振光入射到目标物体介质表面经过反射后，入射光的偏振态会发生变化而产生部分偏振光，物体的热辐射产生的辐射光也会表现出偏振效应，故不同物体或同一物体的不同状态所反射、辐射光波的偏振态存在着显著的差异。通常表征目标偏振态信息的特征量主要有偏振度、偏振角等，其中偏振度是指光束中偏振部分的光强度和整个光强度的比值，是取值范围在[0,1]区间内的无量纲数。因此，在本发明实施例中，通过用偏振度和偏振角的信息来表征目标物体的偏振度图像，可以利用偏振图像在凸显目标轮廓和提高伪装目标对比度等方面的优势，对目标物体的轮廓特征进行提取，从而提高对目标物体进行特征提取的准确性。

此处需要说明的是，由于在自然大气背景及目标物体对太阳入射的偏振效应中，圆偏振分量是非常微弱的，因此，在上述偏振度和偏振角计算公式中没有将圆偏振分量s3考虑其中。

步骤204：根据偏振信息确定偏振算子。

在本发明实施例中，需要根据偏振信息中的偏振度和偏振角对应获得偏振算子，从而进一步可以利用该偏振算子对目标物体的特征轮廓进行提取。具体地可以通过如下对应关系获得：

因此，从上述偏振度和偏振角与偏振算子的对应关系可知，可以通过偏振度p和偏振角α对应得到偏振算子的g和θ，从而基于偏振算子可以对对应探测条件下的无偏图像进行特征提取。

步骤205：获取目标物体的无偏图像。

在本发明实施例中，无偏图像为利用上述偏振成像测量装置在不使用偏振片的情况下所探测获得的任一图像。本发明是利用偏振算子对无偏图像进行特征提取的，而无偏图像是现有存在最广泛的图像，因此体现了利用偏振算子对无偏图像进行特征提取的广泛应用场景和实际应用意义。

步骤206：对无偏图像进行高斯滤波。

任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以在本发明实施例中，首先需要选择合适的高斯滤波器，即确定滤波函数，对无偏图像进行滤波处理，从而将无偏图像中由于噪声产生的像素点除去。具体地讲，首先对无偏图像的数据与高斯平滑模板作卷积，得到的图像与原始图像相比会有些轻微的模糊。如此，单独的一个像素噪声在经过高斯平滑的图像上就会变得几乎没有影响。

对图像进行高斯滤波，其可以用两个一维高斯核分别两次加权实现，也就是先一维x方向卷积，得到的结果再一维y方向卷积。当然也可以直接通过一个二维高斯核一次卷积实现，也就是二维卷积模板。例如对于通过二维卷积模板实现高斯滤波的过程中，假设二维高斯函数为：

模板中每一个点的高斯系数可以由上面的公式计算得到，当然需要归一化，也就是说每一个点的系数都要除以所有系数之和，这样才是最终的二维高斯模板。当计算得到模板后，对无偏图像和模板进行卷积即可，卷积意味着图像中像素点附近的模板大小区域乘以高斯模板区域，得到的结果就是该点卷积后的结果。卷积的核心意义就是获取原始图像中目标图像模板特征的性质。例如对无偏图像f(x,y)利用上述高斯模板h(x,y)进行卷积得到高斯滤波后的图像g(x,y)的表达式可以通过如下方式表示：

步骤207：计算第一梯度幅值和梯度方向。

在本发明实施例中，需要利用有限差分计算确定第一特征图像的第一梯度幅值和梯度方向，其中第一梯度幅值为第一特征图像沿坐标轴方向的偏导数的幅值，梯度方形为第一特征图像的梯度变化最快的方向，没一个第一梯度幅值对应一个像素位置。具体地可以通过如下方式来计算第一梯度幅值和梯度方向：

根据如下公式确定第一特征图像的水平方向的水平向差分：

fx(x,y)＝s1＝i0-i90

其中，fx(x,y)用于表征水平向差分；

根据如下公式确定第一特征图像的垂直方向的垂直向差分：

fy(x,y)＝s2＝i45-i135

其中，fy(x,y)用于表征垂直向差分；

利用水平向差分和垂直向差分，根据如下公式确定第一特征图像的第一梯度幅值和梯度方向：

其中，m(x,y)用于表征第一梯度幅值，θ(x,y)用于表征梯度方向。

由上述计算过程可知，本方案是通过利用偏振信息形成的偏振算子来计算得到第一特征图像的第一梯度幅值和梯度方向的，从而利用不同材质的物体对应不同偏振度的偏振信息特性，精确地对目标物体进行特征轮廓的提取，以达到提升目标物体特征提取准确性的目的。

步骤208：从第一梯度幅值中获取第二梯度幅值。

在本发明实施例中，需要对梯度幅值进行非极大值抑制。图像梯度幅值矩阵中元素越大，说明图像中该点的梯度值越大，但并不表明该点就是边缘。非极大值抑制是排除非边缘像素，细化幅值图像中的屋脊带，只保留幅值局部变化最大的点，从而可以确定出边缘和轮廓等特征。简单来说，就是通过寻找像素点的局部最大值，然后将非极大值点所对应的灰度值置为0，从而剔除掉一大部分非边缘像素点。

步骤209：利用双阈值算法进行边缘检测。

在本发明实施例中，考虑到目标物体表面的偏振度特征与目标表面材质参数之间存在对应关系，基于目标偏振信息的边缘轮廓特征提取方法对于复杂背景中的目标提取具有优势，可根据目标物体表面材质的偏振特征设定双阈值检测算法中的高低阈值，以提高目标边缘轮廓特征提取的准确性。

本方案是通过判断第二梯度幅值与预设的双阈值之间的大小关系来确定该第二梯度幅值所对应的像素点是否为边缘像素点的。具体地，可以通过如下方式来实现：

根据目标物体的偏振度，确定第一阈值和第二阈值，其中，第二阈值大于第一阈值；

针对偏无偏图像中每一个像素，均执行：

如果该像素对应的第二梯度幅值大于或等于第二阈值，则将该像素确定为目标物体的边缘像素；

如果该像素对应的第二梯度幅值大于第一阈值且小于第二阈值，且在无偏图像中与该像素相邻的至少一个像素对应的第二梯度幅值大于或等于第二阈值，则将该像素确定为目标物体的边缘像素；

由此可见，如果某一像素位置的第二梯度幅值超过第二阈值，该像素将会被确定为边缘像素。如果某一像素位置的第二梯度幅值小于第一阈值，该像素将会被确定为非边缘像素，从而被排除。如果某一像素位置的第二幅值在两个阈值之间，该像素仅仅在能连接到一个第二梯度幅值大于第二阈值所对应的像素时，被确定为边缘像素。在确定第一阈值和第二阈值时，可以根据目标物体的材质所对应的偏振度来对应设定双阈值的取值范围，从而在进行特征提取时，可以精确的提取到该目标物体的轮廓信息，排除其他物体的轮廓信息，因此可以提升对目标物体进行特征提取的准确性。

在本发明实施例中，在进行边缘确定时，具有较大梯度幅值的像素点有可能是边缘，但并没有一个确定的值可以确定到底该提取哪些边缘像素点。本方案利用偏振信息可以区分不同材质的特性，设定一个高阈值(第二阈值)和一个低阈值(第一阈值)来进行边缘像素检测。利用这两个阈值，可以得到三个边缘图像nh(x,y)、nl(x,y)和nm(x,y)，其中nh(x,y)由大于高阈值得到，噪声对其干扰较小，其也更接近真是的边缘，从而可以直接将第二梯度幅值大于高阈值nh(x,y)的像素点确定为边缘像素。与之相反的是，nl(x,y)由小于低阈值得到，其显然为边缘像素的可能性极低，从而排除该像素点。nm(x,y)是第二梯度幅值界于高阈值和低阈值之间的像素点，显然该像素点有可能为边缘像素点，也有可能是非边缘像素点，这也就是说只有nh(x,y)、nl(x,y)构成的边缘图像不可避免的会存在间断或不闭合的情况，而双阈值算法即通过判断nm(x,y)像素点是否可以在周围八个像素点中找到能与其连接的轮廓边缘，从而确定该像素点是否为边缘像素，如此在进行目标物体的轮廓特征提取时，可以获得具有完整轮廓的目标特征图像。

例如，对于一幅图像中，可能包含木质材料的雕饰以及金属材料的车辆，在实际需求中，当只需要提取车辆的轮廓特征时，即可根据金属材料和木质材料分别对应的偏振信息设定高阈值和低阈值，将木质材料以小于低阈值的方式排除，从而精确的获得车辆的边缘轮廓特征。

如图3和图4所示，本发明实施例提供了一种目标物体的特征提取装置所在的设备和一种目标物体的特征提取装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图3所示，为本发明实施例提供了一种目标物体的特征提取装置所在设备的一种硬件结构图，除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图4所示，作为一个逻辑意义上的装置，是通过其所在设备的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形成的。如图4所示，本发明实施例提供了一种目标物体的特征提取装置，该装置包括：第一确定模块401、第二确定模块402、第三确定模块403、获取模块404和第四确定模块405；

第一确定模块401，用于根据目标物体的目标辐射图像，获得斯托克斯stokes参量图；

第二确定模块402，用于根据第一确定模块401确定出的stokes参量图，获得目标物体表面的偏振信息，其中，偏振信息包括偏振度和偏振角；

第三确定模块403，用于根据第二确定模块402确定的偏振信息，获得偏振算子，其中，偏振算子用于计算图像的灰度变化量和变化方向；

获取模块404，用于获取目标物体的无偏图像；

第四确定模块405，用于利用第三确定模块403确定的偏振算子对获取模块404获取到的无偏图像进行特征提取，获得目标特征图像，其中，目标特征图像表征目标物体的轮廓。

可选地，如图4所示的目标物体的特征提取装置，第一确定模块401，用于执行如下操作：

分别采集目标物体的目标辐射图像i0°、i45°、i90°和i135°，其中，目标辐射图像i0°、i45°、i90°和i135°分别在偏振方向为0°、45°、90°和135°时获得；

根据如下公式计算目标辐射图像的stokes参量：

其中，s用于表征stokes参量，s0、s1、s2和s3均为stokes参量s的分量，ircp用于表征目标辐射图像的右旋圆偏振，ilcp用于表征目标辐射图像的左旋圆偏振。

可选地，根据上述所描述的目标物体的特征提取装置，第二确定模块402，用于执行如下操作：

利用stokes参量图，根据如下公式计算获得目标物体表面的偏振信息图像：

其中，p用于表征偏振信息图像的偏振度,α用于表征偏振信息图像的偏振角。

可选地，基于图4的一种目标物体的特征提取装置，如图5所示，第四确定模块405包括：滤波单元4051、计算单元4052、获取单元4053和确定单元4054；

滤波单元4051，用于对无偏图像进行高斯滤波，获得第一特征图像，其中，第一特征图像用于表征无偏图像除去噪声点后的图像；

计算单元4052，用于利用有限差分计算确定滤波单元4051确定的第一特征图像的第一梯度幅值和梯度方向，其中，第一梯度幅值为第一特征图像沿坐标轴方向的偏导数的振幅，梯度方向为第一特征图像的梯度变化最快的方向，每一个第一梯度幅值对应一个像素位置；

获取单元4053，用于从计算单元4052计算出的第一梯度幅值中获取第二梯度幅值，其中，第二梯度幅值为去除非边缘像素后的幅值图像；

确定单元4054，用于利用预设的双阈值算法从获取单元4053获取到的第二梯度幅值中确定目标特征图像。

可选地，如图5所示的目标物体的特征提取装置，计算单元4052用于执行如下操作：

根据如下公式确定第一特征图像的水平方向的水平向差分：

fx(x,y)＝s1＝i0-i90

其中，fx(x,y)用于表征水平向差分；

根据如下公式确定第一特征图像的垂直方向的垂直向差分：

fy(x,y)＝s2＝i45-i135

其中，fy(x,y)用于表征垂直向差分；

利用水平向差分和垂直向差分，根据如下公式确定第一特征图像的第一梯度幅值和梯度方向：

其中，m(x,y)用于表征第一梯度幅值，θ(x,y)用于表征梯度方向。

本发明实施例还提供了一种目标物体的特征提取装置，其特征在于，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行本发明任一实施例中的目标物体的特征提取方法。

本发明实施例还提供了一种计算机可读介质，该计算机可读介质存储有计算机指令，计算机指令在被处理器执行时，使处理器执行本发明任一实施例中的目标物体的特征提取方法。具体地，可以提供配有存储介质的方法或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该方法或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如cd-rom、cd-r、cd-rw、dvd-rom、dvd-ram、dvd-rw、dvd+rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作方法等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

综上所述，本发明各个实施例提供的目标物体的特征提取方法、装置和计算机可读介质，至少具有如下有益效果：

1、在本发明实施例中，对目标物体进行特征提取时，首先需要通过获取目标物体的辐射图像来进一步得到斯托克斯参量图，进而通过斯托克斯参量图能够计算确定出目标物体表面的偏振度和偏振角的偏振信息，通过偏振信息可以确定出用于对图像进行特征提取的偏振算子，从而通过偏振算子对无偏图像进行特征提取获取到目标物体的目标特征图像。由此可见，本发明实施例是利用偏振信息确定出用于对图像进行特征提取的偏振算子。由于常用的偏振算子在进行图像的轮廓特征提取时，并没有特定的物理意义，因此会将目标图像中所有的轮廓信息都进行提取。而偏振算子是由偏振信息确定出来的，偏振信息中的偏振度是0到1之间的值，不同的物体材料对应不同的偏振度值，因此利用偏振算子对目标进行特征提取时，通过确定不同的偏振度值，可以精确的获取到对应目标物体的轮廓特征，从而可以提高对目标物体进行特征提取的准确性。

2、在本发明实施例中，利用在不同偏振方向所采集的目标辐射图像来确定出斯托克斯参量图。由于本方案中是通过旋转偏振片来测量获取各偏振方向的光强信息的，而stokes参量正是由光强来表示的，因此通过采用stokes参量的方式来描述目标辐射图像的偏振态，不仅具有可以直接测量获取光强和计算简便的优势，而且也是后续获取偏振信息的基础。

3、在本发明实施例中，利用斯托克斯参量图，根据偏振度和偏振角的公式可以确定出目标物体表面的偏振信息。由于本方案是利用偏振算子对图像进行特征提取的，而偏振算子是与偏振度和偏振角有关系的，即可以通过偏振度和偏振角对应的形成偏振算子，因此计算偏振度和偏振角的偏振信息是形成偏振算子的基础，从而为准确的获取到目标物体的特征图像提供了保障。

4、在本发明实施例中，利用偏振算子对无偏图像进行特征提取时，首先需要选择合适的滤波器，利用滤波算法对无偏图像进行滤波，除去由于噪声而产生的一些像素点，然后利用有偏振算子确定经滤波后的图像中各像素位置的第一梯度幅值，进一步通过非极大值抑制的方法从第一梯度幅值中确定出第二梯度幅值，以去除图像中的非边缘像素点，最后通过设定高阈值和低阈值的双阈值算法确定出偏振特征图像。由此可见，本方案不仅通过滤波的方式除去了噪声影响，而且依次通过判断计算出的像素点幅值是否对应该目标物体轮廓的边缘像素。因此，通过不断地筛选边缘像素，以达到提升目标物体的特征提取精度和准确性的目的。

5、由于在利用常用的偏振算子对图像进行特征轮廓提取时，会存在无差别提取，即会将存在轮廓的目标信息都进行提取，而在实际应用中并不是每一个轮廓信息都需要进行提取的。在本发明实施例中，确定梯度幅值和梯度方向时是基于偏振算子来进行计算的，如此可以利用不同物体材料对应不同的偏振度值的特性对目标物体的轮廓进行精确的提取，从而提高了目标物体轮廓提取的准确性。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。