1.一种图像识别方法,其特征在于,包括:
获取两幅待识别图像的多区域多特征组合向量;所述多区域多特征组合向量通过将所述待识别图像划分为M个子区域并对所述M个子区域分别提取N个特征向量得到;
确定所述两幅待识别图像的M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离;
根据所述两幅待识别图像M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,以确定多区域多特征组合向量的Hausdorff距离;
根据所述多区域多特征组合向量的Hausdorff距离值确定所述两幅待识别图像的相似性。
2.根据权利要求1所述的方法,其特征在于,所述M个子区域中每个子区域包含N个类型的特征。
3.根据权利要求1或2所述的方法,其特征在于,所述两幅待识别图像的多区域多特征组合向量可分别表示为:
P={P1,…,PM},Q={Q1,…,QM}
所述每个子区域多特征组合向量可表示为:
Pm={pm,1,…,pm,N},Qm={qm,1,…,qm,N}
其中m大于或者等于1并且小于或者等于M。
4.根据权利要求3所述的方法,其特征在于,所述确定所述两幅待识别图像M个子区域的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,包括:
通过第一函数dH(Pm,Qm)确定每个对应子区域之间的子区域特征向量的Hausdorff距离,所述dH(Pm,Qm)函数如下:
其中hk(Pm,Qm)表示k阶的Hausdorff距离为P和Q中所有的元素距离||p-q||中第k小的值,其中m大于或者等于1并且小于或者等于M。
5.根据权利要求1或4所述的方法,其特征在于,所述根据所述两幅待识别图像M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,以得到多区域多特征组合向量的Hausdorff距离,包括:
通过第二函数DH(Pm,Qm)将所述子区域多特征组合向量的Hausdorff距离连接起来,以得到所述多区域多特征组合向量的Hausdorff距离;
其中,DH(Pm,Qm)=f(dH(P1,Q1),…,dH(PM,QM))。
6.一种图像识别装置,其特征在于,包括:
获取模块,用于获取两幅待识别图像的多区域多特征组合向量;所述多区域多特征组合向量通过将所述待识别图像划分为M个子区域并对所述M个子区域分别提取N个特征向量得到;
第一确定模块,用于确定所述两幅待识别图像的M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离;
第二确定模块,用于根据所述两幅待识别图像M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,以确定多区域多特征组合向量的Hausdorff距离;
第三确定模块,用于根据所述多区域多特征组合向量的Hausdorff距离值来确定所述两幅待识别图像的相似性。
7.根据权利要求1所述的方法,其特征在于,所述M个子区域中每个子区域包含N个类型的特征。
8.根据权利要求6或7所述的方法,其特征在于,所述两幅待识别图像的多区域多特征组合向量分别表示为:
P={P1,...,PM},Q={Q1,…,QM}
所述每个子区域多特征组合向量可表示为:
Pm={pm,1,…,pm,N},Qm={qm,1,…,qm,N}
其中m大于或者等于1并且小于或者等于M。
9.根据权利要求3所述的方法,其特征在于,第一确定模块,用于确定M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,包括:
通过第一函数dH(Pm,Qm)确定每个对应子区域之间的子区域特征向量的Hausdorff距离,所述第一函数dH(Pm,Qm)公式表示为:
其中,hk(Pm,Qm)表示k阶的Hausdorff距离为P和Q中所有的元素距离||p-q||中第k小的值;
其中,m大于或者等于1并且小于或者等于M。
10.根据权利要求6或9所述的方法,其特征在于,第二确定模块,用于根据所述两幅待识别图像的M个子区域中的每个对应子区域之间的子区域多特征组合向量的Hausdorff距离,以确定多区域多特征组合向量的Hausdorff距离,包括:
通过第二函数DH(Pm,Qm)将所述子区域多特征组合向量的Hausdorff距离连接起来,以得到所述多区域多特征组合向量的Hausdorff距离;
其中,第二函数DH(Pm,Qm)表示为:
DH(Pm,Qm)=f(dH(P1,Q1),…,dH(PM,QM))。