基于灰度梯度序列的数字图像特征提取方法

摘要

针对数字图像处理技术领域中现有图像特征提取方法存在的普适性不够、计算量偏大等问题，本发明提出了一种基于灰度梯度序列的数字图像特征提取方法，包括步骤为：对待处理数字图像进行预滤波处理；对滤波处理后的数字图像，沿某一方向计算像素灰度梯度，基于此构造若干灰度梯度序列；计算灰度梯度序列的局部极值点，将其坐标位置作为边缘特征位置。本发明不引入任何算子设计，在处理中具有较高的普适性；将二维图像特征提取问题转化为对一维灰度梯度序列的分析，有效提高了数字图像特征提取的效率。

主权项

一种基于灰度梯度序列的数字图像特征提取方法，其特征在于，包括以下步骤：第一步，对待处理数字图像I进行预滤波处理，得到处理后的数字图像A；第二步，对数字图像A，计算像素灰度梯度，基于此构造灰度梯度序列；第三步，计算所述灰度梯度序列的局部极值点，将其坐标位置作为边缘特征位置；第二步所述的灰度梯度序列，具体是：$\begin{array}{c}{\mathrm{GS}}_{x_m}=(▿A(m,1),▿A(m,2),...,▿A(m,\mathrm{col}-1))\\ {\mathrm{GS}}_{y_n}=(▿A(1,n),▿A(2,n),...,▿A(\mathrm{row}-1,n))\end{array},(1\le m\le \mathrm{row}-\mathrm{1,1}\le n\le \mathrm{col}-1)$其中，A是对待处理图像I经过预滤波处理后的数字图像；是图像A中沿水平方向第m行的灰度梯度序列；是图像A中沿竖直方向第n列的灰度梯度序列；row是图像A的行数，即图像A在竖直方向上的像素个数；col是图像A的列数，即图像A在水平方向上的像素个数；是图像A的灰度梯度，具体是：$▿A(i,j)=\sqrt{G_{x_{i,j}}^2+G_{y_{i,j}}^2},(1\le i\le \mathrm{row}-1,1\le j\le \mathrm{col}-1);$其中，是图像A中沿水平方向相邻像素点间的灰度差，是图像A中沿竖直方向相邻像素点间的灰度差，具体可表示为：$\begin{array}{c}{G}_{x_{i,j}}=A(i,j+1)-A(i,j)\\ G_{y_{i,j}}=A(i+1,j)-A(i,j)\end{array};$第三步所述的计算灰度梯度序列的局部极值点，具体是：根据提取特征需求，设定灰度梯度序列中相邻点间的幅度变化值，将其作为局部极值点选取的阈值。