图像数据融合特征提取方法、装置、电子设备及存储介质与流程

本发明涉及图像数据特征识别，尤其涉及一种图像数据融合特征提取方法、装置、电子设备及存储介质。

背景技术：

1、公安业务场景中，抓拍、以图搜图越来越受到关注。在一般的应用场景下，抓拍的局部图像特征和全局图像特征独立进行建模和检索，在一些场景下需要进行检索。

2、相关的图像存储方法是通过基本的图像压缩算法对图像进行压缩存储，在进行图像检索时，对压缩存储的图像进行还原，将搜索关键图分割为图块，通过图块与还原图像进行比对的方式，找到感兴趣的图像。

3、传统的图像存储方式，使得检索时需要比对的数据量大，使得要么比对出较多的图像，要么比对不出目标，导致检索失败。

4、基于此，需要开发设计出一种图像数据融合特征提取方法。

技术实现思路

1、本发明实施方式提供了一种图像数据融合特征提取方法、装置、电子设备及存储介质，用于解决现有技术中图像数据特征化不明显导致检索效率低下的问题。

2、第一方面，本发明实施方式提供了一种图像数据融合特征提取方法，包括：

3、获取多个图像块，其中，多个图像块基于对图像的分割获得；

4、分别对所述多个图像块进行二维频域特征提取，获得多个第一频域矩阵，其中，每个第一频域矩阵对应一个图像块；

5、分别对所述多个第一频域矩阵的低幅值边缘行以及低幅值边缘列进行裁切，并将裁切后的多个第一频域矩阵的数据调整到预设区间，获得多个第二频域矩阵；

6、根据所述多个第二频域矩阵中数据重复的频次，对所述多个第二频域矩阵的数据进行数据融合，获得多个特征向量，其中，每个特征向量对应一个频域矩阵。

7、在一种可能实现的方式中，所述分别对所述多个图像块进行二维频域特征提取，获得多个第一频域矩阵，包括：

8、从所述多个图像块中的遍历地提取出图像块，作为待处理图像块，并在每次提取完成后，执行如下步骤：

9、遍历地提取第一频域矩阵中的位置，并将提取的位置的行数以及列数作为目标行数以及目标列数；

10、按照预定的次序，遍历地从所述待处理图像块中提取图像数据作为待处理图像数据；

11、根据所述待处理图像数据在所述待处理图像块中的位置、所述目标行数以及所述目标列数，生成特征提取算子；

12、将所述特征提取算子与所述待处理图像数据的积，加入算子提取结果队列；

13、若未完成所述待处理图像块的遍历，则跳转至所述按照预定的次序，从所述待处理图像块中提取图像数据作为待处理图像数据的步骤；

14、否则计算所述算子提取结果队列中多个数据的和；

15、根据所述提取位置将所述和加入第一频域矩阵；

16、若所述第一频域矩阵的位置未完成遍历地提取，则跳转至所述遍历地提取第一频域矩阵中的位置，并将提取的位置的行数以及列数作为目标行数以及目标列数的步骤。

17、在一种可能实现的方式中，所述根据所述待处理图像数据在所述待处理图像块中的位置以及所述目标行数以及所述目标列数，生成特征提取算子，包括：

18、根据第一公式、所述待处理图像数据在所述待处理图像块中的位置以及所述目标行数以及所述目标列数，生成特征提取算子，其中，所述第一公式为：

19、

20、式中，为目标行数，为目标列数，为自然常数，为虚数单位，为圆周率，为图像块的列数，为图像块的行数，为待处理图像数据在待处理图像块中的列数，为待处理图像数据在待处理图像块中的行数。

21、在一种可能实现的方式中，所述分别对所述多个第一频域矩阵的低幅值边缘行以及低幅值边缘列进行裁切，包括：

22、从所述多个第一频域矩阵中依次提取矩阵作为第一待定矩阵，并在提取后执行如下步骤：

23、获取第一阈值，其中，所述第一阈值根据所述第一待定频域矩阵中的最大值按照比例确定；

24、将所述待定频域矩阵中低于所述第一阈值的值置零，获得第二待定矩阵；

25、检查所述第二待定矩阵中是否存在目标边缘行以及目标边缘列，其中，所述目标边缘行以及所述目标边缘列分别为多个元素值均为零的第二待定矩阵的边缘行和边缘列；

26、若存在目标边缘行或目标边缘列，则从所述第二待定矩阵中删除目标边缘行以及目标边缘列，将删除目标边缘行以及目标边缘列的第二待定矩阵作为第二待定矩阵，并跳转至所述检查所述第二待定矩阵中是否存在目标边缘行以及目标边缘列的步骤；

27、否则，将删除目标边缘行以及目标边缘列的第二待定矩阵作为裁切后的第一频域矩阵。

28、在一种可能实现的方式中，所述将裁切后的多个第一频域矩阵的数据调整到预设区间，获得多个第二频域矩阵，包括：

29、获取预设区间的下限；

30、将每个第一频域矩阵中数值相同的元素归为同一个数值类，获得多个第一类；

31、统计每个第一频域矩阵第一类的数量，从而获得多个第一数量；

32、从所述多个第一数量中选择最大的数值作为区间跨度值；

33、从所述裁切后的多个第一频域矩阵中依次提取矩阵，作为待处理矩阵，并在提取后执行如下步骤：

34、获取所述待处理矩阵中非零值的最小值以及最大值分别作为极大值以及极小值；

35、根据第二公式、所述区间的下限、所述区间跨度值、所述极大值以及所述极小值，对所述待处理矩阵中的多个非零值元素进行数值调整，并将调整后的待处理矩阵作为第二频域矩阵，其中，所述第二公式为：

36、

37、式中，为调整后的非零值元素，为预设区间的下限，为区间跨度值，为调整前的非零值元素，为极大值，为极小值，为取整函数。

38、在一种可能实现的方式中，所述根据所述多个第二频域矩阵中数据重复的频次，对所述多个第二频域矩阵的数据进行数据融合和排列，获得多个特征向量，包括：

39、所述根据所述多个第二频域矩阵中数值相同的元素的数量，为第二频域矩阵中的多个数值分配数据映射单元；

40、从所述多个第二频域矩阵中遍历地提取第二频域矩阵作为目标第二频域矩阵，并在每次提取后，执行如下步骤：

41、从目标第二频域矩阵中依次提取出元素作为待融合元素；

42、提取所述待融合元素所在第二类的数据映射单元，加入特征向量；

43、若未完成目标第二频域矩阵的遍历，则跳转至所述从目标第二频域矩阵中依次提取出元素作为待融合元素的步骤。

44、在一种可能实现的方式中，所述根据所述多个第二频域矩阵中数值相同的元素的数量，为第二频域矩阵中的多个数值分配数据映射单元，包括：

45、获取数据分段数量；

46、将所述多个第二频域矩阵中数值相同的元素归为同一个数值类，获得多个第二类；

47、统计多个第二类的数量，作为计数数量；

48、根据所述数据分段数量以及计数数量，确定多个分段长度；

49、根据所述多个分段长度，确定多个最大表达值，其中，每个最大表达值对应一个分段长度所能表达的最大数值；

50、对所述多个最大表达值按照由小到大进行排列，获得表达值排列；

51、按照元素数量由多到少的顺序，对所述多个第二类进行排序，获得类排列；

52、从所述表达值排列中，依次取出最大表达值，作为目标值；

53、从所述类排列中依次取出所述目标值数量的第二类，作为多个待处理类；

54、对所述多个待处理类按照类的数值进行排列，将排名序号前加入断续标识，填充入所述目标值对应分段长度的数据映射单元中；

55、若所述类排列非空，则跳转至所述从所述类排列中依次取出所述目标值数量的第二类，作为多个待处理类的步骤；

56、若所述表达值排列非空，则跳转至所述从所述表达值排列中，依次取出最大表达值，作为目标值的步骤。

57、第二方面，本发明实施方式提供了一种图像数据融合特征提取装置，用于实现如上第一方面或第一方面的任一种可能的实现方式所述的图像数据融合特征提取方法，所述图像数据融合特征提取装置包括：

58、图像块获取模块，用于获取多个图像块，其中，多个图像块基于对图像的分割获得；

59、频域矩阵构建模块，用于分别对所述多个图像块进行二维频域特征提取，获得多个第一频域矩阵，其中，每个第一频域矩阵对应一个图像块；

60、频域矩阵调整模块，用于分别对所述多个第一频域矩阵的低幅值边缘行以及低幅值边缘列进行裁切，并将裁切后的多个第一频域矩阵的数据调整到预设区间，获得多个第二频域矩阵；

61、以及，

62、特征融合模块，用于根据所述多个第二频域矩阵中数据重复的频次，对所述多个第二频域矩阵的数据进行数据融合，获得多个特征向量，其中，每个特征向量对应一个频域矩阵。

63、第三方面，本发明实施方式提供了一种电子设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

64、第四方面，本发明实施方式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存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

65、本发明实施方式与现有技术相比存在的有益效果是：

66、本发明实施方式公开了一种图像数据融合特征提取方法，其首先获取多个图像块，其中，多个图像块基于对图像的分割获得；然后分别对所述多个图像块进行二维频域特征提取，获得多个第一频域矩阵，其中，每个第一频域矩阵对应一个图像块；接着分别对所述多个第一频域矩阵的低幅值边缘行以及低幅值边缘列进行裁切，并将裁切后的多个第一频域矩阵的数据调整到预设区间，获得多个第二频域矩阵；最后根据所述多个第二频域矩阵中数据重复的频次，对所述多个第二频域矩阵的数据进行数据融合，获得多个特征向量，其中，每个特征向量对应一个频域矩阵。本发明实施方式提取二维频域特征，构建频域特征矩阵，并基于矩阵进行数据融合，由于频域矩阵有特征化的特性，因此，进行图像块检索时，可直接利用特征数据进行检索，无需进行图像还原即可完成数据比对，提高了图像检索的效率，并且由于特征化后的矩阵数据量更小，更为节省存储空间。并能够在需要时，根据矩阵数据进行特征逆变换，进行图像还原。