特征提取方法及装置的制造方法
【技术领域】
[0001 ]本公开涉及图像处理技术领域，特别涉及一种特征提取方法及装置。
【背景技术】
[0002] 图像检测与识别是计算机视觉中一个重要的研究领域。图像检测与识别技术中最 常用的方法是通过提取图像中的某种特征从而对图像进行检测与识别。
[0003] 在相关技术中，通过提取图像的H0G(Histogram of Oriented Gradient，方向梯 度直方图）特征对图像进行检测与识别。HOG特征提取的方法如下:计算图像中每个像素的 梯度;将图像划分成若干个单元格，每个单元格包括若干个像素，每相邻的η个单元格形成 一个块;统计每个单元格中所有像素的梯度直方图，再根据每个块中的所有单元格的梯度 直方图得到每个块的H0G特征;统计图像中所有块的H0G特征得到图像的H0G特征。
【发明内容】
[0004] 为了解决相关技术中存在的问题，本公开提供一种特征提取方法及装置。所述技 术方案如下：
[0005] 根据本公开实施例的第一方面，提供一种特征提取方法，该方法包括：
[0006] 将图像划分为若干个块，每个块包括若干个单元格；
[0007] 将每个单元格从空间域转化为频率域；
[0008] 提取图像在频率域中的方向梯度直方图H0G特征。
[0009] 在一个可选的实施例中，将每个单元格从空间域转化为频率域，包括:对每个单元 格进行离散余弦变换DCT。
[0010] 在一个可选的实施例中，将每个单元格从空间域转化为频率域，包括:对每个单元 格进行离散傅里叶变换DFT。
[0011] 在一个可选的实施例中，提取图像在频率域中的方向梯度直方图H0G特征，包括：
[0012] 计算频率域中每个单元格的梯度大小和梯度方向，得到每个单元格的描述子；
[0013 ]统计频率域中每个块内的各个描述子，得到每个块的H0G特征；
[0014]统计图像在频率域中各个块的H0G特征，得到图像的H0G特征。
[0015]在一个可选的实施例中，统计图像中各个块的H0G特征，得到图像的H0G特征，包 括：
[0016]将图像中各个块的H0G特征串联成一个矩阵，得到图像的H0G特征，矩阵的每一列 为一个块的H0G特征。
[0017]在一个可选的实施例中，统计图像中各个块的H0G特征，得到图像的H0G特征，包 括：
[0018] 将图像中每个块的H0G特征由初始的L*1维向量调整为M*N的矩阵，每个块包括M*N 个像素，L=M*N;
[0019] 根据每个块的调整后的HOG特征和每个块在图像中的对应位置，得到图像的HOG特 征。
[0020] 在一个可选的实施例中，该方法，还包括：
[0021] 将图像进行归一化处理，得到预定尺寸大小的图像。
[0022] 根据本公开实施例的第二方面，提供一种特征提取装置，该装置包括：
[0023] 划分模块，被配置为将图像划分为若干个块，每个块包括若干个单元格；
[0024] 转化模块，被配置为将每个单元格从空间域转化为频率域；
[0025] 提取模块，被配置为提取图像在频率域中的方向梯度直方图H0G特征。
[0026] 在一个可选的实施例中，转化模块，被配置为对每个单元格进行离散余弦变换 DCT〇
[0027] 在一个可选的实施例中，转化模块，被配置为对每个单元格进行离散傅里叶变换 DFT〇
[0028] 在一个可选的实施例中，提取模块，包括：
[0029]计算子模块，被配置为计算频率域中每个单元格的梯度大小和梯度方向，得到每 个单元格的描述子；
[0030]第一统计子模块，被配置为统计频率域中每个块内的各个描述子，得到每个块的 H0G特征；
[0031]第二统计子模块，被配置为统计图像在频率域中各个块的H0G特征，得到图像的 H0G特征。
[0032]在一个可选的实施例中，第二统计子模块，被配置为将图像中各个块的H0G特征串 联成一个矩阵，得到图像的H0G特征，矩阵的每一列为一个块的H0G特征。
[0033]在一个可选的实施例中，第二统计子模块，包括：
[0034]调整子模块，被配置为将图像中每个块的H0G特征由初始的L* 1维向量调整为M*N 的矩阵，每个块包括M*N个像素，L=M*N;
[0035] 特征提取子模块，根据每个块的调整后的HOG特征和每个块在图像中的对应位置， 得到图像的H0G特征。
[0036] 在一个可选的实施例中，该装置，还包括：
[0037]处理模块，被配置为将图像进行归一化处理，得到预定尺寸大小的图像。
[0038]根据本公开实施例的第三方面，提供一种特征提取装置，该装置包括：
[0039] 处理器；
[0040] 用于存储处理器可执行指令的存储器；
[0041] 其中，处理器被配置为：
[0042] 将图像划分为若干个块，每个块包括若干个单元格；
[0043] 将每个单元格从空间域转化为频率域；
[0044] 提取图像在频率域中的方向梯度直方图H0G特征。
[0045] 本公开的实施例提供的技术方案可以包括以下有益效果：
[0046]通过将图像划分为若干个块，每个块包括若干个单元格;将每个单元格从空间域 转化为频率域;提取图像在频率域中的方向梯度直方图H0G特征;解决了在H0G特征提取过 程中是针对图像的空间域直接计算得到，导致在模式识别中的检测率和准确度较低的问 题;达到了在频率域提取图像的H0G特征，提高了在模式识别中的检测率和准确度的效果。
[0047] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本 公开。
【附图说明】
[0048] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并于说明书一起用于解释本公开的原理。
[0049] 图1是根据一示例性实施例示出的一种特征提取方法的流程图；
[0050] 图2A是根据另一示例性实施例示出的一种特征提取方法的流程图；
[0051 ]图2B是根据一示例性实施例示出的一种图像划分的示意图；
[0052]图2C是根据另一示例性实施例示出的一种图像划分的示意图；
[0053]图2D是根据一示例性实施例示出的一种统计块内H0G特征的示意图；
[0054]图3A是根据一示例性实施例示出的一种特征提取方法的流程图；
[0055]图3B是根据一示例性实施例示出的一种统计图像H0G特征的示意图；
[0056] 图4是根据一示例性实施例示出的一种特征提取装置的框图；
[0057] 图5是根据另一示例性实施例示出的一种特征提取装置的框图；
[0058] 图6是根据一示例性实施例示出的一种特征提取装置的子模块的框图；
[0059]图7是根据另一示例性实施例示出的一种特征提取装置的框图。
【具体实施方式】
[0060] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。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公开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、本公开的一些方面相一致的装置和方法的例子。
[0061] 图1是根据一示例性实施例示出的一种特征提取方法的流程图，如图1所示，本实 施例以该方法应用于模式识别的硬件中来举例说明，该方法可以包括以下步骤。
[0062] 在步骤102中，将图像划分为若干个块，每个块包括若干个单元格。
[0063] 在步骤104中，将每个单元格从空间域转化为频率域。
[0064] 对每个单元格进行转化，将图像从空间域转化为频率域。
[0065] 在步骤106中，提取图像在频率域中的H0G特征。
[0066]在频率域中提取图像的H0G特征。
[0067]综上所述，本公开实施例中提供的特征提取方法，通过将图像划分为若干个块，每 个块包括若干个单元格;将每个单元格从空间域转化为频率域;提取图像在频率域中的方 向梯度直方图H0G特征;解决了在H0G特征提取过程中是针对图像的空间域直接计算得到， 导致在模式识别中的检测率和准确度较低的问题;达到了在频率域提取图像的H0G特征，提 高了在模式识别中的检测率和准确度的效果。
[0068]图2A是根据另一示例性实施例示出的一种特征提取方法的流程图，如图2A所示， 本实施例以该方法应用于模式识别的硬件中来举例说明，该方法可以包括以下步骤：
[0069]在步骤201中，将图像进行归一化处理，得到预定尺寸大小的图像。
[0070]在模式识别中，一般会涉及到对多个图像的特征提取。
[0071] 在对图像进行特征提取之前，终端先对图像进行归一化处理，将不同大小的图像 处理为预定尺寸大小的图像，以便于对图像的统一处理。
[0072] 在步骤202中，将图像划分为若干个块，每个块包括若干个单元格。
[0073]可选的，终端对归一