CN108734175A - 一种图像特征的提取方法、装置及电子设备 - Google Patents

Abstract

本发明实施例提供了一种图像特征的提取方法、装置及电子设备，所述方法包括：获取待处理图像；将待处理图像划分为多个图像区域；按照预设方式，从多个图像区域中确定待处理图像区域，其中，待处理图像区域的数量少于图像区域的数量；对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

Description

一种图像特征的提取方法、装置及电子设备

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像特征的提取方法、装置及电子设备。

背景技术

在图像处理领域，图像特征的提取是一种应用非常广泛的图像处理方式。例如，在图像相似度检测、物体类别识别、视觉里程计等方面，图像特征的提取均有重要地位。

以视觉里程计为例，在通过视觉里程计确定图像采集设备运动状态的过程中，一般可以分为图像特征提取、图像特征匹配、基于匹配结果确定图像采集设备运动状态几个过程。而图像特征的提取所需时间占据整个计算过程的大部分时间，直接决定整个过程所需的时间。

而在现有图像特征的提取方式中，例如，ORB(Oriented FAST and RotatedBRIEF，快速特征提取)、SIFT(Scale-invariant feature transform，尺度不变特征变换)等图像特征提取方式中，均是对图像的所有部分进行特征提取，提取得到的图像特征的数量非常多，计算量很大，图像特征的提取过程用时很长，效率较低。

发明内容

本发明实施例的目的在于提供一种图像特征的提取方法、装置及电子设备，以缩短提取图像特征所需的时间，提高图像特征提取效率。具体技术方案如下：

第一方面，本发明实施例提供了一种图像特征的提取方法，所述方法包括：

获取待处理图像；

将所述待处理图像划分为多个图像区域；

按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

对所述待处理图像区域进行特征提取，得到图像特征。

可选的，所述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，包括：

将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于预设值的分量；

将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

可选的，所述判断每个频谱中高频分量是否满足预设条件的步骤，包括：

计算每个频谱中高频分量的总能量；

判断每个频谱中高频分量的总能量是否不低于预设能量值；

如果是，确定该频谱中高频分量满足预设条件；

如果否，确定该频谱中高频分量不满足预设条件。

可选的，所述将所述待处理图像划分为多个图像区域的步骤，包括：

将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱的步骤，包括：

采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

可选的，所述预设值的确定方式，包括：

将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

可选的，所述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，包括：

对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

将包括物体的图像区域确定为待处理图像区域。

可选的，所述方法还包括：

将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

第二方面，本发明实施例提供了一种图像特征的提取装置，所述装置包括：

图像获取模块，用于获取待处理图像；

图像划分模块，用于将所述待处理图像划分为多个图像区域；

区域确定模块，用于按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

特征提取模块，用于对所述待处理图像区域进行特征提取，得到图像特征。

可选的，所述区域确定模块包括：

图像转换单元，用于将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

频谱判断单元，用于判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于通过预设值确定模块确定的预设值的分量；

第一区域确定单元，用于将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

可选的，所述频谱判断单元包括：

总能量计算子单元，用于计算每个频谱中高频分量的总能量；

总能量判断子单元，用于判断每个频谱中高频分量的总能量是否不低于预设能量值；

第一确定子单元，用于在频谱中高频分量的总能量不低于预设能量值时，确定该频谱中高频分量满足预设条件；

第而确定子单元，用于在频谱中高频分量的总能量低于预设能量值时，确定该频谱中高频分量不满足预设条件。

可选的，所述图像划分模块包括：

图像划分单元，用于将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述图像转换单元包括：

图像转换子单元，用于采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

可选的，所述预设值确定模块包括：

预设值确定单元，用于将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

可选的，所述区域确定模块包括：

图像检测单元，用于对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

第二区域确定单元，用于将包括物体的图像区域确定为待处理图像区域。

可选的，所述装置还包括：

特征匹配模块，用于将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

运动确定模块，用于基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

第三方面，本发明实施例还提供了一种电子设备，其特征在于，包括处理器、存储器和通信总线，其中，处理器、存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述任一图像特征的提取方法步骤。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像特征的提取方法步骤。

本发明实施例所提供的方案中，首先获取待处理图像，将待处理图像划分为多个图像区域，然后按照预设方式，从多个图像区域中确定待处理图像区域，待处理图像区域的数量少于图像区域的数量，进而，对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种图像特征的提取方法的流程图；

图2为图1所示实施例中步骤S103的具体流程图；

图3为图2所示实施例中步骤S202的具体流程图；

图4为本发明实施例所提供的一种图像特征的提取装置的结构示意图；

图5为本发明实施例所提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了缩短提取图像特征所需的时间，提高图像特征的提取效率，本发明实施例提供了一种图像特征的提取方法、装置、电子设备及计算机可读存储介质。

下面首先对本发明实施例所提供的一种图像特征的提取方法进行介绍。

本发明实施例所提供的一种图像特征的提取方法可以应用于任意能够对图像进行处理，提取图像特征的电子设备，以下简称电子设备，例如，可以为机器人、电脑、处理器等电子设备，在此不做具体限定。

如图1所示，一种图像特征的提取方法，所述方法包括：

S101，获取待处理图像；

S102，将所述待处理图像划分为多个图像区域；

S103，按照预设方式，从所述多个图像区域中确定待处理图像区域；

其中，所述待处理图像区域的数量少于所述图像区域的数量。

S104，对所述待处理图像区域进行特征提取，得到图像特征。

可见，本发明实施例所提供的方案中，电子设备首先可以获取待处理图像，将待处理图像划分为多个图像区域，然后按照预设方式，从多个图像区域中确定待处理图像区域，待处理图像区域的数量少于图像区域的数量，进而，对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

在上述步骤S101中，电子设备可以获取待处理图像，可以理解的是，待处理图像即为需要进行图像特征提取的图像。可以为机器人在通过视觉里程计确定运动状态过程中，机器人安装的图像采集设备采集的图像，也可以为图像检测过程中获取的图像等，在此不做具体限定。

获取上述待处理图像后，电子设备可以将待处理图像划分为多个图像区域，具体可以将待处理图像划分为大小相同或者大小不同的多个图像区域。对于图像区域的大小及数量本发明实施例在此不做具体限定。例如，可以划分为大小相同的4个图像区域，也可以划分为大小不同的4个图像区域，也可以划分为大小相同的6个区域，等等。

进而，在上述步骤S103中，电子设备可以按照预设方式，从划分得到的多个图像区域中确定待处理图像区域，其中，待处理图像区域的数量少于图像区域的数量。例如，图像区域共有8个，那么电子设备可以按照预设方式，从该8个图像区域中确定少于8个的处理图像区域，例如，7个、6个、5个等。

为了保证得到的图像特征包括尽量多的有价值的图像特征，所以在上述确定待处理图像区域时，可以尽量保留包括的有价值的图像特征较多的图像区域，也就是将包括的有价值的图像特征较多的图像区域确定为待处理图像区域，而将包括的图像特征较少或者不是特别有价值的图像区域舍弃。这样，不仅可以提高图像特征提取的效率，同时还可以保证后续利用得到的图像特征进行特征匹配等过程的准确率。其中，“有价值的图像特征”可以理解为具有代表性的图像特征，在后续特征匹配过程中能够利用的图像特征。例如，对于图像中的一块黑板来说，黑板的边缘处的图像特征即可以作为有价值的图像特征，而黑板中部是一片纯色的区域，也就不具有特征匹配过程中能够利用的图像特征，因此这部分图像特征也就不是有价值的图像特征。

那么，假设将待处理图像划分为8个图像区域，其中一个图像区域包括的图像内容为纯色墙面，那么显然，该图像区域不包括有价值的图像特征，那么该图像区域也就可以不作为待处理图像区域。

进而，电子设备可以执行上述步骤S104，即对确定的待处理图像区域进行特征提取，得到图像特征。其中，对待处理图像区域进行特征提取的方式可以采用图像处理领域任意的图像特征提取方式，例如，可以根据某像素点与周围像素点之间灰度值的差值确定该像素点是否可以作为图像特征等方式，在此不做具体限定及说明。

作为本发明实施例的一种实施方式，如图2所示，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

S201，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

为了将不包括特别有价值的图像特征的图像区域舍弃，电子设备可以将多个图像区域从空间域转换为频率域，也就可以得到每个图像区域对应的频谱。其中，将图像区域从空间域转换为频率域的方式可以采用图像处理领域任意将图像从空间域转换为频率域的方式，在此不做具体限定。

S202，判断每个频谱中高频分量是否满足预设条件；

可以理解的是，每个图像区域实质为一个矩阵，将一个图像区域转换为频率域后，得到的频谱为一个与其行列数相同的矩阵，矩阵中的元素即为频谱分量，元素的数值即为频谱分量的幅度值。

为了方便计算，可以将每个图像区域转换为频率域的频谱归一化到[0,2π]，将频谱分量的幅度值归一化到[0,1]，那么得到的频谱中频谱分量的位置即可以用[0,2π]表示，例如，假设频谱为一个16*16的矩阵，那么，行列均在[1.5π,2π]的频谱分量即为矩阵右下角的16个元素。

频谱分量可以分为高频分量和低频分量，其中，高频分量为频率值大于预设值的分量，而低频分量则可以为频率值不大于预设值的分量。对于归一化处理后频谱来说，高频分量即为所在行列大于预设值的分量，该预设值可以根据大多数图像中有价值的特征对应的频谱中的频率值设定。例如，经过统计，假设在1000个图像转换为频率域得到的频谱中，比较有价值的特征对应的频谱分量的频率值均大于数值A，那么便可以将数值A作为上述预设值。

在得到每个图像区域对应的频谱后，电子设备可以判断每个频谱中高频分量是否满足预设条件，以确定每个频谱对应的图像区域是否包括有价值的图像特征。

在一种实施方式中，电子设备可以判断每个频谱中的每个高频分量的幅度值是否大于预设阈值，如果大于预设阈值，则确定该高频分量为有效高频分量，进而，可以判断每个频谱中的有效高频分量是否大于预设数量，如果大于预设数量，则确定该频谱中高频分量满足预设条件，否则不满足预设条件。

例如，将待处理图像划分为6个图像区域，分别转换为频率域，得到对应的6个频谱A-F，假设预设阈值为0.5，预设数量为500，那么，对于频谱B，其高频分量的幅度值大于0.5的为600个，那么显然600大于500，则可以确定频谱B中的高频分量满足预设条件。

在另一种实现方式中，电子设备可以判断每个频谱中的所有高频分量的幅度值的加和是否大于预设加和阈值，如果大于预设加和阈值，则确定该频谱中高频分量满足预设条件，否则不满足预设条件。

例如，将待处理图像划分为16个图像区域，分别转换为频率域，得到对应的6个频谱A-P，假设预设加和阈值为5.5，那么，对于频谱M，其高频分量共有300个，其幅度值的加和为5.0，那么显然5.0小于5.5，则可以确定频谱M中的高频分量不满足预设条件。

当然也可以采用其他合理的方式确定每个频谱中高频分量是否满足预设条件，在此不做具体限定。

S203，将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

进而，在确定每个频谱中高频分量是否满足预设条件后，由于对应的频谱中高频分量满足预设条件，说明该图像区域中包括比较有价值的图像特征，那么电子设备便可以将高频分量满足上述预设条件的频谱所对应的图像区域确定为待处理图像区域，用于后续提取图像特征。

可见，在本实施例中，电子设备可以将多个图像区域转换为频率域，判断得到每个图像区域对应的频谱中高频分量是否满足预设条件，然后将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。通过对高频分量的筛选，可以将包括比较有价值的图像特征的图像区域确定为待处理图像区域，这样不仅可以减少图像特征提取过程的计算量，提高图像特征的提取效率，同时还可以保证尽可能提取到待处理图像中有价值的图像特征，保证图像特征提取的准确率。

作为本发明实施例的一种实施方式，如图3所示，上述判断每个频谱中高频分量是否满足预设条件的步骤，可以包括：

S301，计算每个频谱中高频分量的总能量；

由于频谱中高频分量的总能量反映了高频分量在频谱中所占的比重，因此，电子设备可以计算每个频谱中高频分量的总能量。

可以理解的是，对于由图像转换得到的频谱来说，高频分量的总能量可以用高频分量的幅度值的平方和表示。也就是所有高频分量的幅度值的平方相加得到的值。

举例来说，对于频谱a来说，如果其包括10个高频分量，对应的幅度值分别为a1、a2、a3、a4、a5、a6、a7、a8、a9及a10，那么频谱a中高频分量的总能量即为(a1)²+(a2)²+(a3)²+(a4)²+(a5)²+(a6)²+(a7)²+(a8)²+(a9)²+(a10)²的值。

S302，判断每个频谱中高频分量的总能量是否不低于预设能量值，如果是，则执行步骤S303；如果否，则执行步骤S304；

S303，确定该频谱中高频分量满足预设条件；

S304，确定该频谱中高频分量不满足预设条件。

接下来，电子设备可以判断每个频谱中高频分量的总能量是否不低于预设能量值，如果频谱中高频分量的总能量不低于预设能量值，说明该频谱中高频分量的总能量较高，其对应的图像区域很可能包括比较有价值的图像特征，那么便可以确定该频谱中的高频分量满足预设条件，后续则可以将该频谱对应的图像区域确定为待处理图像区域，用于提取图像特征。

如果频谱中高频分量的总能量低于预设能量值，说明该频谱中高频分量的总能量较低，其对应的图像区域很可能不包括比较有价值的图像特征，那么便可以确定该频谱中高频分量不满足预设条件，后续则不将该频谱对应的图像区域确定为待处理图像区域，不用于提取图像特征。

例如，在进行归一化处理后的频谱为中，假设预设能量值为0.05，高频分量为行列均在[π,2π]之间的频谱分量即这些频谱分量的幅度值的平方和为1.8246，显然大于0.05，那么便可以确定该频谱中的高频分量满足预设条件。

可见，在本实施例中，电子设备可以通过计算每个频谱中高频分量的总能量，进而判断每个频谱中高频分量的总能量是否不低于预设能量值的方式确定频谱中高频分量是否满足预设条件，可以快速准确地确定频谱中高频分量是否满足预设条件，进而快速准确地确定是否将频谱对应的图像区域确定为用于提取图像特征的待处理图像区域。

针对上述通过将上述多个图像区域转换为频率域，得到每个图像区域对应的频谱的方式而言，作为本发明实施例的一种实施方式，上述将所述待处理图像划分为多个图像区域的步骤，可以包括：

将所述待处理图像划分为大小为(N*N)的多个图像区域。

为了方便后续将多个图像区域转换为频率域，在对待处理图像进行划分时，可以将待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数。也就是说，可以将待处理图像划分多个正方形区域，每个正方形区域的边长为2的指数。

电子设备可以根据待处理图像的分辨率，选择合适的大小对待处理区域进行划分，例如，可以划分为大小为4*4、8*8、16*16等图像区域。

需要说明的是，多个图像区域的大小可以相同，也可以不同，只要每个图像区域为边长为2ⁿ的正方形区域即可。例如，划分得到的图像区域中一些图像区域的大小可以为8*8，其他图像区域的大小可以为16*16。

相应的，上述将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱的步骤，可以包括：

采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

将待处理图像划分为大小为(N*N)的多个图像区域后，电子设备便可以采用离散余弦变换算法或小波变换算法，将多个图像区域转换为频率域，得到每个图像区域对应的频谱。其中，对称变换算法可以为离散余弦变换算法(Discrete Cosine Transform，DCT)、小波变换算法(wavelet)等，在此不作具体限定。

以离散余弦变换算法为例说明将图像区域变换为频率域得到频谱的方式，具体来说，可以通过以下公式得到频谱：

其中，f(x,y)为N*N的图像区域中的像素点的坐标值，F(u,v)则为对应的频谱分量的幅度值。采用以上方式便可以将每个图像区域转化为频率域，得到对应的频谱。

可见，在本实施例中，电子设备可以将待处理图像划分为大小为(N*N)的多个图像区域，进而，通过离散余弦变换算法、小波变换算法等将多个图像区域转换为频率域，得到每个图像区域对应的频谱。可以快速准确地得到每个图像区域对应的频谱，方便后续确定待处理图像区域。

为了得到更加准确适合的预设值，作为本发明实施例的一种实施方式，上述预设值的确定方式，可以包括：

将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值。

其中，目标网络模型可以为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。也就是说，针对将图像转换为频率域得到的频谱，目标网络模型可以用于确定频谱中哪些分量可以认为是高频分量。目标网络模型可以是卷积神经网络模型等深度学习网络模型，在此不做具体限定。

由于对于不同应用场景下采集的待处理图像来说，待处理图像中包括的图像特征是否有价值，其评定标准可能具有差异。例如，如果待处理图像用于车辆检测，那么待处理图像中的车辆的图像特征即为有价值的图像特征；如果待处理图像用于可移动设备的定位，那么待处理图像中的具有标志性的物体的图像特征即为有价值的图像特征。所以为了更准确地设置上述预设值，可以预先训练目标网络模型，用来确定图像对应的频谱中高频分量所对应的预设值。

在第一种实现方式中，为了能够适应各种应用场景，在训练目标网络模型时，可以预先构建初始网络模型，在各种应用场景下采集多个图像样本，然后将每个图像样本划分为多个图像区域样本，并将各图像区域样本转换为频率域，得到各图像区域样本对应频谱样本。根据各图像区域样本中包括的有价值的图像特征，标记对应的频谱样本中的频谱分量，并根据这些频谱分量确定各图像区域样本对应的高频分量的预设值。第一种方式，可以采用这些频谱分量的频率值的平均值作为预设值；第二种方式，可以采用这些频谱分量的频率值中的最小值作为预设值，这都是合理的。

进而，可以将图像区域样本及其对应的预设值输入预先构建的初始网络模型中进行训练，在训练过程中，初始网络模型可以通过学习图像区域样本的图像特征逐步建立图像区域样本与预设值的对应关系，进而得到目标网络模型。

在另一种实现方式中，为了能够对各种应用场景更有针对性，对于每个应用场景都能确定更为精确的预设值，可以对于每个应用场景训练得到一个目标网络模型。那么便可以在每个应用场景下采集多个图像样本，将每个图像样本划分为多个图像区域样本，然后通过图像区域样本训练得到该应用场景下的目标网络模型。这样，在电子设备获取待处理图像后，便可以根据其应用场景选择合适的目标网络模型来确定上述预设值。由于对每个应用场景对应的目标网络模型的训练方式与上述第一种实现方式中对目标网络模型的训练方式相同，因此在此不再赘述。

需要说明的是，由于是否将图像划分为多个图像区域并不影响图像中包括的图像特征的本质，因此，为了减少实现的繁琐度，在训练目标网络模型时，也可以不对图像样本进行划分，直接将图像样本与其对应的预设值输入预先构建的初始网络模型中进行训练，并不影响目标网络模型确定预设值的精确度。

可见，在本实施例中，电子设备可以将待处理图像输入目标网络模型进行检测，得到待处理图像对应的预设值，由于目标网络模型可以预先根据实际应用场景中获取的大量图像样本训练得到，可以确定更加准确且合适的预设值，可以使得到的待处理图像区域尽可能包括有价值的图像特征，提高图像特征提取的准确度。

作为本发明实施例的一种实施方式，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；将包括物体的图像区域确定为待处理图像区域。

由于在待处理图像中，有一些区域可能并不包括物体，例如，一片天空、一面墙壁、一块黑板的纯色部分，这样的区域中并不包括有价值的图像特征，那么为了从待处理图像中将这样的区域筛选出来，电子设备可以对划分得到的多个图像区域进行图像检测，确定每个图像区域是否包括物体。具体检测方式可以采用图像处理技术领域的任意图像检测方式，只要可以检测出图像区域是否包括物体即可，在此不做具体限定及说明。

进而，在得到每个图像区域的检测结果之后，电子设备则可以将包括物体的图像区域确定为待处理图像区域，而不包括物体的图像区域则不需要再继续处理。

可见，在本实施例中，电子设备可以对上述多个图像区域进行图像检测，确定每个图像区域是否包括物体，进而将包括物体的图像区域确定为待处理图像区域。通过该方式可以去除待处理图像中不包括有价值的图像特征的区域，减少后续图像特征提取的计算量，提高图像特征提取的效率。

作为本发明实施例的一种实施方式，上述图像特征的提取方法可以用于利用视觉里程计估计可移动设备运动的场景中，在这种情况下，上述方法还可以包括：

将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

在利用视觉里程计估计可移动设备运动的场景中，可移动设备上安装有图像采集设备，该图像采集设备每隔一定时间采集一张图像，利用两个图像，便可以估计采集该两个图像的时间间隔内，图像采集设备的运动状态。由于图像采集设备安装于可移动设备，那么图像采集设备的运动状态也就是可移动设备在该时间间隔内的运动状态。

上述待处理图像便可以作为用于估计可移动设备运动状态的两个图像中一个，目标图像即为另一个。可以理解的是，待处理图像及目标图像均为安装于可移动设备的图像采集设备所采集的图像。这样，电子设备在获取目标图像后，便可以提取目标图像的图像特征，为了提高图像特征的提取效率，提取目标图像的图像特征的方式也可以采用上述图像特征的图区方法。

进而，在提取得到待处理图像的图像特征后，电子设备便可以将待处理图像的图像特征与目标图像的图像特征进行匹配，得到匹配结果。进而，基于该匹配结果，也就可以确定图像采集设备在采集待处理图像及目标图像的时间间隔内的运行状态。其中，由于图像特征匹配以及基于该匹配结果确定图像采集设备的运行状态的方式均可以图像处理领域的相关方式，在此不做具体限定及说明。例如，可以采用图像特征的描述子确定两个图像特征是否匹配；可以采用对极几何算法、PnP(透视n点定位)求解算法、ICP算法(IterativeClosest Point，迭代最近点算法)等确定图像采集设备的运行状态。

可见，在本实施例中，在利用视觉里程计估计可移动设备运动的应用场景中，基于上述图像特征的提取方法，电子设备将得到的图像特征与预先提取的目标图像的图像特征进行匹配，得到匹配结果，进而基于匹配结果，确定采集待处理图像及目标图像的图像采集设备在采集待处理图像及目标图像的时间间隔内的运行状态。也就可以确定安装该图像采集设备的可移动设备的运动状态，可以减少视觉里程计的计算量，提高利用视觉里程计估计可移动设备运动的效率。

相应于上述方法实施例，本发明实施例还提供了一种图像特征的提取装置。下面对本发明实施例所提供的一种图像特征的提取装置进行介绍。

如图4所示，一种图像特征的提取装置，所述装置包括：

图像获取模块410，用于获取待处理图像；

图像划分模块420，用于将所述待处理图像划分为多个图像区域；

区域确定模块430，用于按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

特征提取模块440，用于对所述待处理图像区域进行特征提取，得到图像特征。

可见，本发明实施例所提供的方案中，电子设备首先可以获取待处理图像，将待处理图像划分为多个图像区域，然后按照预设方式，从多个图像区域中确定待处理图像区域，待处理图像区域的数量少于图像区域的数量，进而，对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

作为本发明实施例的一种实施方式，上述区域确定模块430可以包括：

图像转换单元(图4中未示出)，用于将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

频谱判断单元(图4中未示出)，用于判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于通过预设值确定模块(图4中未示出)确定的预设值的分量；

第一区域确定单元(图4中未示出)，用于将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

作为本发明实施例的一种实施方式，上述频谱判断单元可以包括：

总能量计算子单元(图4中未示出)，用于计算每个频谱中高频分量的总能量；

总能量判断子单元(图4中未示出)，用于判断每个频谱中高频分量的总能量是否不低于预设能量值；

第一确定子单元(图4中未示出)，用于在频谱中高频分量的总能量不低于预设能量值时，确定该频谱中高频分量满足预设条件；

第而确定子单元(图4中未示出)，用于在频谱中高频分量的总能量低于预设能量值时，确定该频谱中高频分量不满足预设条件。

作为本发明实施例的一种实施方式，上述图像划分模块420可以包括：

图像划分单元(图4中未示出)，用于将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述图像转换单元包括：

图像转换子单元(图4中未示出)，用于采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

作为本发明实施例的一种实施方式，上述预设值确定模块可以包括：

预设值确定单元(图4中未示出)，用于将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

作为本发明实施例的一种实施方式，上述区域确定模块430可以包括：

图像检测单元(图4中未示出)，用于对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

第二区域确定单元(图4中未示出)，用于将包括物体的图像区域确定为待处理图像区域。

作为本发明实施例的一种实施方式，上述装置还可以包括：

特征匹配模块(图4中未示出)，用于将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

运动确定模块(图4中未示出)，用于基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

获取待处理图像；

将所述待处理图像划分为多个图像区域；

按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

对所述待处理图像区域进行特征提取，得到图像特征。

可见，本发明实施例所提供的方案中，电子设备首先可以获取待处理图像，将待处理图像划分为多个图像区域，然后按照预设方式，从多个图像区域中确定待处理图像区域，待处理图像区域的数量少于图像区域的数量，进而，对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

其中，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于预设值的分量；

将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

其中，上述判断每个频谱中高频分量是否满足预设条件的步骤，可以包括：

计算每个频谱中高频分量的总能量；

判断每个频谱中高频分量的总能量是否不低于预设能量值；

如果是，确定该频谱中高频分量满足预设条件；

如果否，确定该频谱中高频分量不满足预设条件。

其中，上述将所述待处理图像划分为多个图像区域的步骤，可以包括：

将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱的步骤，包括：

采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

其中，上述预设值的确定方式，可以包括：

将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

其中，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

将包括物体的图像区域确定为待处理图像区域。

其中，上述方法还可以包括：

将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取待处理图像；

将所述待处理图像划分为多个图像区域；

按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

对所述待处理图像区域进行特征提取，得到图像特征。

可见，本发明实施例所提供的方案中，计算机程序被处理器执行时，首先可以获取待处理图像，将待处理图像划分为多个图像区域，然后按照预设方式，从多个图像区域中确定待处理图像区域，待处理图像区域的数量少于图像区域的数量，进而，对待处理图像区域进行特征提取，得到图像特征。由于待处理图像区域的数量少于图像区域的数量，因此，无需对待处理图像中的所有部分进行图像特征提取，可以缩短提取图像特征所需的时间，提高图像特征提取效率。

其中，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于预设值的分量；

将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

其中，上述判断每个频谱中高频分量是否满足预设条件的步骤，可以包括：

计算每个频谱中高频分量的总能量；

判断每个频谱中高频分量的总能量是否不低于预设能量值；

如果是，确定该频谱中高频分量满足预设条件；

如果否，确定该频谱中高频分量不满足预设条件。

其中，上述将所述待处理图像划分为多个图像区域的步骤，可以包括：

将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱的步骤，包括：

采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

其中，上述预设值的确定方式，可以包括：

将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

其中，上述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，可以包括：

对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

将包括物体的图像区域确定为待处理图像区域。

其中，上述方法还可以包括：

将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

需要说明的是，对于上述装置、设备及计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

进一步需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种图像特征的提取方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像划分为多个图像区域；

按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

对所述待处理图像区域进行特征提取，得到图像特征。

2.如权利要求1所述的方法，其特征在于，所述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，包括：

将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱；

判断每个频谱中高频分量是否满足预设条件，其中，所述高频分量为频率值大于预设值的分量；

将高频分量满足所述预设条件的频谱所对应的图像区域确定为待处理图像区域。

3.如权利要求2所述的方法，其特征在于，所述判断每个频谱中高频分量是否满足预设条件的步骤，包括：

计算每个频谱中高频分量的总能量；

判断每个频谱中高频分量的总能量是否不低于预设能量值；

如果是，确定该频谱中高频分量满足预设条件；

如果否，确定该频谱中高频分量不满足预设条件。

4.如权利要求2或3所述的方法，其特征在于，所述将所述待处理图像划分为多个图像区域的步骤，包括：

将所述待处理图像划分为大小为(N*N)的多个图像区域，其中，N＝2ⁿ，n为正整数；

所述将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱的步骤，包括：

采用离散余弦变换算法或小波变换算法，将所述多个图像区域转换为频率域，得到每个图像区域对应的频谱。

5.如权利要求2或3所述的方法，其特征在于，所述预设值的确定方式，包括：

将所述待处理图像输入目标网络模型，得到所述待处理图像对应的预设值，其中，所述目标网络模型为预先训练完成的用于确定图像对应的频谱中高频分量所对应的预设值的网络模型。

6.如权利要求1所述的方法，其特征在于，所述按照预设方式，从所述多个图像区域中确定待处理图像区域的步骤，包括：

对所述多个图像区域进行图像检测，确定每个图像区域是否包括物体；

将包括物体的图像区域确定为待处理图像区域。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

将得到的图像特征与目标图像的图像特征进行匹配，得到匹配结果；

基于所述匹配结果，确定采集所述待处理图像及所述目标图像的图像采集设备在采集所述待处理图像及所述目标图像的时间间隔内的运行状态。

8.一种图像特征的提取装置，其特征在于，所述装置包括：

图像获取模块，用于获取待处理图像；

图像划分模块，用于将所述待处理图像划分为多个图像区域；

区域确定模块，用于按照预设方式，从所述多个图像区域中确定待处理图像区域，其中，所述待处理图像区域的数量少于所述图像区域的数量；

特征提取模块，用于对所述待处理图像区域进行特征提取，得到图像特征。

9.一种电子设备，其特征在于，包括处理器、存储器和通信总线，其中，处理器、存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。