一种基于梯度直方图的特征提取方法和装置与流程

1.本技术的实施例涉及图像特征识别技术领域，并且更具体地，涉及一种基于梯度直方图的特征提取方法和装置。


背景技术：

2.方向梯度直方图是在计算机视觉和图像处理领域，用于目标检测的特征描述器，这项技术是用来计算局部图像梯度的方向信息的统计值，目前在图像进行特征识别时，需要将图像整体划分为多个局部区域，计算每一局部区域的梯度，并通过与特征仓库中的梯度做对比来确定图像特征。
3.针对上述相关技术，发明人认为具有计算量大、计算效率低的缺点。


技术实现要素：

4.根据本技术的实施例，提供了一种基于梯度直方图的特征提取方案。
5.在本技术的第一方面，提供了一种基于梯度直方图的特征提取方法。该方法包括：划分预获取的图像为若干单位区域，每一所述单位区域包括n
×
n个细胞单元；获取每一单位区域的梯度直方图，所述梯度直方图包括每一所述细胞单元的梯度角度和梯度幅值；筛选出高于预设幅值的梯度幅值，并根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图；若匹配成功，根据匹配成功的所述参考梯度直方图确定图像特征。
6.在一种可能的实现方式中，在所述根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图之后，还包括：若匹配失败，则对所述单位区域进行重新划分，使得每一单位区域包括m
×
m个细胞单元，m 》 n。
7.在一种可能的实现方式中，所述获取每一单位区域梯度直方图包括：获取每一单位区域中每一所述细胞单元的三通道颜色值；根据每一通道颜色值确定一组备选梯度角度和备选梯度幅值；以三组所述备选梯度幅值中的最大值为所述细胞单元的梯度幅值；多个所述细胞单元的梯度幅值和梯度角度构成所述单位区域的梯度直方图。
8.在一种可能的实现方式中，所述根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图包括：根据所述梯度幅值所属的梯度直方图确定与之匹配的单位区域；划分所述单位区域为若干子区域，每一单位区域中所述子区域数量小于所述细胞单元数量；计算每一子区域的子梯度直方图；筛选高于预设幅值的梯度幅值，并确定所述梯度幅值所属的子梯度直方图为特征
直方图；匹配所述特征直方图与预设数据库中的参考梯度直方图。
9.本技术公开的一种基于梯度直方图的特征提取方法，进行特征识别时，尤其是图像边缘特征识别，在确定每一单位区域的梯度直方图后，根据所述梯度幅值对梯度直方图进行筛选，由于梯度幅值能够反应细胞单元之间的对比度，因此，在本技术中只匹配具有大于预设幅值的梯度幅值的梯度直方图，减小了计算量的同时提高了计算效率。
10.在本技术的第二方面，提供了一种基于梯度直方图的特征提取装置。该装置包括：划分模块，用于划分预获取的图像为若干单位区域，每一所述单位区域包括n
×
n个细胞单元；获取模块，用于获取每一单位区域的梯度直方图，所述梯度直方图包括每一所述细胞单元的梯度角度和梯度幅值；处理模块，用于筛选出高于预设幅值的梯度幅值，并根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图；确定模块，用于在所述梯度幅值所属的梯度直方图与预设数据库中的参考梯度直方图匹配成功时，根据匹配成功的所述参考梯度直方图确定图像特征。
11.在一种可能实现的方式中，还包括：重置模块，用于在所述梯度幅值所属的梯度直方图与预设数据库中的参考梯度直方图匹配失败时，对所述单位区域进行重新划分，使得每一单位区域包括m
×
m个细胞单元，m 》 n。
12.在一种可能实现的方式中，所述获取模块包括：提取单元，用于获取每一单位区域中每一所述细胞单元的三通道颜色值；计算单元，用于根据每一通道颜色值确定一组备选梯度角度和备选梯度幅值；梯度幅值筛选单元，用于以三组所述备选梯度幅值中的最大值为所述细胞单元的梯度幅值；构成单元，用于以多个所述细胞单元的梯度幅值和梯度角度构成所述单位区域的梯度直方图。
13.在一种可能实现的方式中，所述处理模块包括：单位区域确定单元，用于根据所述梯度幅值所属的梯度直方图确定与之匹配的单位区域；细化单元，用于划分所述单位区域为若干子区域，每一单位区域中所述子区域数量小于所述细胞单元数量；生成单元，用于计算每一子区域的子梯度直方图；特征直方图筛选单元，用于筛选高于预设幅值的梯度幅值，并确定所述梯度幅值所属的子梯度直方图为特征直方图；匹配单元，用于匹配所述特征直方图与预设数据库中的参考梯度直方图。
14.在本技术的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
15.在本技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本技术的第一方面的方法。
16.应当理解，发明内容部分中所描述的内容并非旨在限定本技术的实施例的关键或重要特征，亦非用于限制本技术的范围。本技术的其它特征将通过以下的描述变得容易理解。
附图说明
17.结合附图并参考以下详细说明，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了根据本技术的实施例的一种基于梯度直方图的特征提取方法的流程图；图2示出了根据本技术的实施例的梯度直方图的示意图；图3示出了根据本技术的实施例的一种基于梯度直方图的特征提取装置的方框图；图4示出了适于用来实现本技术实施例的终端设备或服务器的结构示意图。
具体实施方式
18.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本技术保护的范围。
19.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
20.本技术使用的所有术语（包括技术术语或者科学术语）与本技术所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
21.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
22.本技术中，提供了一种基于梯度直方图的特征提取方法，应用于图像边缘特征识别。首先获取待识别的图像，并将该图像划分为若干单位区域，每一单位区域包括n
×
n个细胞单元，获取每一单位区域的梯度直方图，梯度直方图包括每一细胞单元的梯度角度和梯度幅值，对比梯度幅值和预设幅值，并将高于预设幅值的梯度幅值所述的梯度直方图与预设数据库中的参考梯度直方图进行匹配，若匹配成功，则根据匹配成功的参考梯度直方图确定图像特征。本技术在进行特征识别时，在确定每一单位区域的梯度直方图后，根据所述梯度幅值对梯度直方图进行筛选，由于梯度幅值能够反应细胞单元之间的对比度，因此，在本技术中只匹配具有大于预设幅值的梯度幅值的梯度直方图，减小了计算量的同时提高了计算效率。
23.图1示出了根据本技术实施例的一种基于梯度直方图的特征提取方法的流程图，由电子设备执行。
24.步骤s100、划分预获取的图像为若干单位区域，每一所述单位区域包括n
×
n个细胞单元。
25.在获取待识别的图像后，可以按照预设比例图像进行剪裁，以便于后续对图像进行区域划分，避免出现有部分无法划入单位区域的情况，预设比例可以是1：2或1:3等，这里不做限制。
26.n的数量可以是自定义的，在一个具体的示例中，预获取的图像可以被划分为8
×
16个单位区域，每一单位区域可以包括4
×
4个细胞单元，当然这里示例性说明，不对单位区域的数量以及细胞单元的数量做限制。
27.步骤s200、获取每一单位区域的梯度直方图，所述梯度直方图包括每一所述细胞单元的梯度角度和梯度幅值。
28.梯度的计算方式采用常规的计算方式，例如sobel算子，在此不做赘述。
29.获取每一区域的梯度直方图的方式可以是获取每一单位区域中每一所述细胞单元的三通道颜色值；根据每一通道颜色值确定一组备选梯度角度和备选梯度幅值；由于梯度幅值能够体现两个细胞单元之间的对比度，因此，梯度幅值越大，两个细胞单元之间的对比越强，此处以三组所述备选梯度幅值中的最大值为所述细胞单元的梯度幅值；多个所述细胞单元的梯度幅值和梯度角度构成所述单位区域的梯度直方图。
30.在一些实施例中，还可以对获取的梯度直方图进行伽马矫正，以调节图像对比度，减少光照对图像的影响（包括光照不均和局部阴影），使过曝或者欠曝的图像恢复正常，更接近人眼看到的图像。
31.在本技术实施例中，梯度角度可以是无符号梯度，即梯度角度的范围介于0-180度之间，而非0-360度之间，因为两个完全相反的方向被认为是相同的。
32.在一个具体的示例中，可以将梯度角度范围分成9等份，即以每20
°
为一组，0-20度为一组、20-40度为一组、
……
、160-180度为一组，所属于每一组的梯度幅值累加，可以得到9个数值，直方图就是由这9个数值组成的数组。
33.如图2 所示，将一单位区域中每一细胞单元的梯度幅值累加至相应的分组内，便可以构成长度为9的直方图。
34.步骤s300、筛选出高于预设幅值的梯度幅值，并根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图；在进行图像边缘特征识别时，待识别图像的边缘与背景图之间的梯度幅值较高，因此，可以根据梯度幅值的大小对梯度直方图进行筛选，具体的，可以是将梯度幅值与预设幅值比较，筛选出大于预设幅值的梯度幅值，并将筛选出的梯度幅值所属的梯度直方图与预设数据库中的参考梯度图匹配。
35.在一些实施例中，为了提高图像识别的精度，在筛选出大于预设幅值的梯度幅值之后，可以根据上述梯度幅值所属的梯度直方图确定与之匹配的单位区域，并将该单位区域划分为若干子区域，其中每一单位区域中所述子区域数量小于所述细胞单元数量，即以单位区域包括若干子区域，以子区域包括若干细胞单元；然后计算每一子区域的子梯度直方图，子梯度直方图包括子区域中每一所述细胞单元的梯度角度和梯度幅值，筛选高于预设幅值的梯度幅值，并确定所述梯度幅值所属的子梯度直方图为特征直方图，匹配所述特征直方图与预设数据库中的参考梯度直方图。
36.步骤s400、若匹配成功，根据匹配成功的所述参考梯度直方图确定图像特征。
37.在本技术实施例中，预设数据库中存储有参考梯度直方图组，在将筛选出的梯度直方图与参考梯度直方图进行匹配时，可以采用模糊算法，在梯度直方图与参考梯度直方图的相似度大于预设相似度时，则认为匹配成功。
38.在匹配成功后，可以根据匹配成功的参考梯度直方图确定图像特征，其中，图像特征与参考梯度直方图的匹配关系可以是预先存储在数据库中的。
39.图像特征可以是识别出图像的种类，例如桌子、椅子等，在此不做限制。
40.在一些实施例中，若筛选出的梯度直方图与参考梯度脂肪图匹配失败，则对单位区域进行重新划分，使得每一单位区域包括m
×
m个细胞单元，其中m 》 n，即对每一单位区域进行二次细分，增多每一单位区域中的细胞单元，提高梯度计算精度。
41.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
42.以上是关于方法实施例的介绍，以下通过装置实施例，对本技术所述方案进行进一步说明。
43.图3示出了根据本技术的实施例的一种基于梯度直方图的特征提取装置的方框图。装置包括：划分模块301，用于划分预获取的图像为若干单位区域，每一所述单位区域包括n
×
n个细胞单元；获取模块302，用于获取每一单位区域的梯度直方图，所述梯度直方图包括每一所述细胞单元的梯度角度和梯度幅值；处理模块303，用于筛选出高于预设幅值的梯度幅值，并根据所述梯度幅值所属的梯度直方图匹配预设数据库中的参考梯度直方图；确定模块304，用于在所述梯度幅值所属的梯度直方图与预设数据库中的参考梯度直方图匹配成功时，根据匹配成功的所述参考梯度直方图确定图像特征。
44.在一种可能实现的方式中，还包括：重置模块，用于在所述梯度幅值所属的梯度直方图与预设数据库中的参考梯度直方图匹配失败时，对所述单位区域进行重新划分，使得每一单位区域包括m
×
m个细胞单元，m 》 n。
45.在一种可能实现的方式中，所述获取模块302包括：提取单元，用于获取每一单位区域中每一所述细胞单元的三通道颜色值；计算单元，用于根据每一通道颜色值确定一组备选梯度角度和备选梯度幅值；梯度幅值筛选单元，用于以三组所述备选梯度幅值中的最大值为所述细胞单元的梯度幅值；构成单元，用于以多个所述细胞单元的梯度幅值和梯度角度构成所述单位区域的梯度直方图。
46.在一种可能实现的方式中，所述处理模块303包括：
单位区域确定单元，用于根据所述梯度幅值所属的梯度直方图确定与之匹配的单位区域；细化单元，用于划分所述单位区域为若干子区域，每一单位区域中所述子区域数量小于所述细胞单元数量；生成单元，用于计算每一子区域的子梯度直方图；特征直方图筛选单元，用于筛选高于预设幅值的梯度幅值，并确定所述梯度幅值所属的子梯度直方图为特征直方图；匹配单元，用于匹配所述特征直方图与预设数据库中的参考梯度直方图。
47.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
48.图4示出了适于用来实现本技术实施例的电子设备的结构示意图。
49.如图4所示，电子设备包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)404中的程序而执行各种适当的动作和处理。在ram 403中，还存储有系统400操作所需的各种程序和数据。cpu 401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
50.以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
51.特别地，根据本技术的实施例，上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本技术的系统中限定的上述功能。
52.需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可
读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
53.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
54.描述于本技术实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括划分模块、获取模块、处理模块和确定模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，划分模块还可以被描述为“用于划分预获取的图像为若干单位区域，每一所述单位区域包括n
×
n个细胞单元的模块”。
55.作为另一方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本技术的一种基于梯度直方图的特征提取方法。
56.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。