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: