一种获取模糊不变图像的特征描述子的方法与流程

技术特征：

1.一种获取模糊不变图像的特征描述子的方法，其特征在于，包括以下步骤：

(1)对源图像里的样本进行模糊处理，并对模糊处理后的图像进行灰度化处理；

(2)采用滑动窗口对灰度化处理获得的图像进行密集采样，获得多个局部图像块，并将各局部图像块划分为多个单元图块；

(3)对各单元图块抽取LPQ+，然后将抽取到的多组LPQ+进行合并获得局部图块的特征描述子；

具体包括如下子步骤：

(3-1)采用STFT以中心像素周围M×M大小的邻域为计算范围，提取单元图块中每个像素的相位信息：

其中，(x,y)、(u,v)分别指模糊图像与对应傅立叶变换域中的坐标；g(x,y)是指模糊图像，Nx和Ny指像素点(x,y)的邻域范围；

根据四个低频点u1＝(a,0)，u2＝(0,a)，u3＝(a,a)，u4＝(a,-a)，获得四个相位值∠G(u1)，∠G(u2)，∠G(u3)，∠G(u4)；其中，a为常数；

(3-2)按对相位值进行划分，获得I个不同的角度区域，将上述四个相位值归入对应角度区域并按照下述投票值进行量化，

其中，α是可调参数，是指∠G(uj)在对应的角度区域i下获得的投票值；其中，j＝1,2,3,4；

(3-3)根据四个相位值的量化值获得四个直方图并将直方图合并得到LPQ+；

(3-4)将同一局部图像块的各单元块的LPQ+合并，获得局部图块的特征描述子；

(4)对所有的局部图块的特征描述子接续进行Fisher Vector编码处理、幂正则化和l2正则化处理，获得模糊图像的特征描述子。

2.如权利要求1所述的获取模糊不变图像的特征描述子的方法，其特征在于，所述步骤(4)之后还包括图像识别的步骤：

(5)根据训练数据集和对应特征描述子，采用一对一的多类分类策略训练线性的支撑向量机分类器；分类器的输出结果即为图像识别结果。

3.如权利要求1或2所述的获取模糊不变图像的特征描述子的方法，其特征在于，所述步骤(2)包括如下子步骤：

(2-1)采用固定尺寸、步长的滑动窗口对灰度化处理获得的图像进行密集采样，获得多个局部图像块；

(2-2)将各局部图像块划分为多个小单元，用于保存局部图块的空间结构信息。

4.如权利要求1或2所述的获取模糊不变图像的特征描述子的方法，其特征在于，所述步骤(4)包括如下子步骤：

(4-1)将抽取的K个局部图块特征描述子记为X＝{xk,k＝1,2,…,K}；

(4-2)用N元的混合高斯模型uλ(x)来模拟X的生成过程，该模型记为

其中，参数λ＝{ωl,μl,σl,l＝1,…,N}，ωl，μl和σl分别是指高斯函数ul的混合权重、平均向量和标准差；参数λ依据EM准则在由大量训练集生成的局部特征描述子上进行估计；

(4-3)将高斯模型uλ(x)分别对μl和σl求偏导，获得两个梯度向量：

其中，γk(l)表示特征xk由第l个高斯函数生成的概率；

(4-4)将所有的N个高斯函数对应梯度向量进行合并，得到Fisher Vector编码

(4-5)对的每一个维度m进行如下幂正则化处理：

(4-6)对所述幂正则化处理后的进行l2正则化处理，得到模糊图像特征的描述子：