CN101470805B - 静态图像目标的特征信息提取方法及装置 - Google Patents

Abstract

本发明公开了一种静态图像目标特征信息的提取方法及装置，属于模式识别技术领域，为解决现有技术中特征信息求取方法复杂、无通用性和求取速度较慢的问题而发明。本发明所述的方法包括：搜索图像目标边界点；获得图像目标区域信息，对图像目标边界点及周边邻域像素分别进行价值因数评定，获取特征元素，进一步构成静态图像目标的特征信息。本发明所述的装置包括边界点获取单元及目标特征元素获取单元等。本发明一种静态图像目标特征信息的提取方法及装置能够快速、直观的获取静态图像的目标特征信息，便于对图像目标进行快速记忆与识别。

Description

静态图像目标的特征信息提取方法及装置

技术领域

本发明涉及模式识别技术领域，尤其涉及静态图像目标的特征信息提取方法及装置。 

背景技术

关于图像目标识别问题中，特征信息提取是最关键的技术。但目前尚无通用的理论指导，只能通过分析具体识别对象决定选取何种特征信息。特征信息的提取方法，也都是针对选择特征信息的特点而设计的，无通用性。 

在现有技术中，所选择的特征信息除了图像目标的形、象信息外，都包含基于逻辑思维的，需要经过图像信息处理、数学变换、演绎推理、统计计算才能得到的特征信息。目标识别过程也必须通过这些特征信息完成。这就使得图像特征信息提取和目标识别过程要完成大量的图像信息处理和数学统计计算，另外还包括复杂的数学变换、演绎推理。结果，提取图像特征信息的速度较慢。 

我们都知道，具有视觉能力的动物对图像信息都有快速分析、判断的能力。这种能力来源于形象思维。形象思维是通过感知表象信息，调用头脑中的形象知识(表象、意象、经验等)，通过分析、比较、归纳、想象等思维活动，完成对事物本质的认识。这一思维活动并没有经过复杂严密的逻辑推理过程，但却是简洁、快速、准确、有效的。之所以有这样的效果，是因为形象思维过程所使用的信息都是直观感知的形与象的信息，各种思维活动没有复杂的数学计算及复杂的逻辑判断。 

对于图像静态目标识别问题，形象思维的思维活动相对来说是很简单的。 

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种静态图像目标的特征信息提取方法，用于解决现有技术对图像目标特征信息选择和求取方法无通用性的问题和现有技术通过复杂计算过程求取特征信息而产生的速度较慢的问题。 

为实现上述目的，本发明提供了一种静态图像目标的特征信息提取方法，包括： 

选择包围所述静态图像目标的矩形区域； 

从所述矩形区域边界开始，按设定的采样间隔沿水平、垂直向内的方向进行搜索，获得静态图像目标的边界点； 

根据所述边界点确定静态图像目标的矩形区域、静态图像目标的搜索区域和特征元素的参考点； 

求取边界点邻域内的特征元素，所述特征元素的坐标为具有最大价值因数的像素点的坐标，所述特征元素的光学参数为所述具有最大价值因数的像素点的R、G、B值，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数； 

由一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成描述所述静态图像目标的特征信息。 

该方法通过搜索静态图像目标边界点，获得静态图像目标的区域信息，通过价值因数评定方法，求取边界点邻域内的特征元素，由一组离散的特征元素和区域信息构成静态图像目标的特征信息。求取静态图像目标的特征信息，具有简单、快速和直观的特点。 

而且，本方法可以进一步通过对图像的目标特征元素进行评定，删除冗余的目标特征元素，使比较平缓的边界通过少量的特征元素进行记忆。进一步，本发明通过增加背景特征元素，提高静态图像的记忆效果。 

本发明的方法在静态图像目标识别的技术领域，解决了现有技术对图像目标特征信息选择和求取方法无通用性的问题，解决了现有技术通过复杂计算过程求取特征信息而产生的速度较慢的问题。本发明的方法仅用于对静态图像目标的记忆过程，而在静态图像目标的识别过程不需要求取特征信息，只需根据记忆的信息，在搜索区域快速搜索、匹配即可实现目标识别。这一显著效果将简性的条件。 

本发明还提供了一种静态图像目标特征信息的提取装置，该装置包括： 

目标选择单元，用于选择所述静态图像目标的参考矩形区域； 

边界点获取单元，用于从所述参考矩形区域边界开始，按设定的采样间隔沿水平或垂直向内的方向进行搜索，获取静态图像目标的边界点； 

目标区域参数计算单元，用于根据所述边界点计算静态图像目标的矩形区域、搜索区域和特征元素的参考点； 

特征元素求取单元，用于求取所述边界点邻域内的特征元素，所述特征元素包括具有最大价值因数的像素点，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数； 

特征信息构成单元，用于将一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成静态图像目标的特征信息。 

该装置通过边界点获取单元获取静态图像目标的边界点，并通过目标特征元素获取单元对图象目标边界点及周边邻域像素进行价值因数评定，获取所述图像目标的特征元素。解决了现有技术对图像目标特征信息选择和求取方法无通用性的问题，解决了现有技术通过复杂计算过程求取特征信息而产生的速度较慢的问题。该装置能够快速、简单并且直观的提取离散的图像目标特征元素，进而记忆比较完整的图像目标信息。而且，本发明还可以通过目标特征元素过滤单元将图像的目标特征元素进行评定，删除冗余的特征元素，使比较平缓的边界能够通过较少量的特征元素来进行记忆。进一步，本发明通过背景特征元素获取单元获取图像背景特征元素，提高了静态图像目标的记忆效果。 

附图说明

图1为本发明实施例中静态图像目标的特征信息提取方法的流程图； 

图2为本发明实施例中求取边界点邻域内特征元素的方法流程图； 

图3为本发明实施例中求取边界点邻域内具有最大价值因数像素点的方法流程图； 

图4为本发明实施例中删除特征元素中的冗余元素的方法流程图； 

图5为本发明实施例中求取背景特征元素的方法流程图； 

图6为本发明实施例中提取静态图像目标的特征信息中一组特征元素的示意图； 

图7为本发明实施例中静态图像目标的特征信息提取装置的结构示意图。 

具体实施方式

在日常生活中，通过视觉，记忆图像信息是我们习以为常的基本行为。但是，要表述你所记忆的信息，却发现，只记住了很少的信息。即使是这样，并不影响你对日常图像信息的记忆与识别。这就是形象思维的基本特点。模拟形象思维，构建静态图像目标特征信息的提取方法是本发明的核心思想。通过少量的信息实现对图像目标主要特征的记忆。 

本发明实施例提供了一种静态图像目标特征信息的提取方法，通过搜索静态图像目标的边界点，获得静态图像目标的区域信息，通过价值因数评定方法，求取边界点邻域内的特征元素，由一组离散的特征元素和区域信息构成静态图像目标的特征信息。解决了现有技术特征信息求取方法无通用性和求取速度较慢的问题。本发明实施例能够简单、形象并且快速的获取静态图像目标的特征信息。 

下面结合附图详细说明本发明一种静态图像目标的特征信息提取方法实施例。 

如图1所示，本发明实施例一种静态图像目标的特征信息提取方法，包括如下步骤： 

步骤101：选择静态图像目标。 

在一个图像中，通过矩形区域界定一个静态图像目标。矩形区域必须完整地包含静态图像目标的全部信息。如果矩形区域内有不需要的目标信息，须借助擦图工具去掉多余信息。这个区域作为提取静态图像目标的参考矩形区域。 

步骤102：搜索静态图像目标的边界点。 

从矩形区域边界开始，按设定的采样间隔沿水平或垂直向内的方向进行搜索，获得静态图像目标的边界点。 

步骤103：确定静态图像目标的矩形区域、搜索区域和特征元素的参考点。 

在静态图像目标的边界点坐标中搜索得到最小x坐标、最大x坐标和最小y坐标、最大y坐标界定静态图像目标的矩形区域，记为Reb(l，t，r，b)。其中。Reb.l＝最小x坐标，Reb.t＝最小y坐标，Reb.r＝最大x坐标，Reb.b＝最大y坐标。 

设定一个包含全部静态图像目标信息的矩形区域，作为静态图像目标的搜索区域，记为Res(l，t，r，b)；这一区域用于识别过程确定搜索范围。Res可以用矩形区域设定，也可以设定搜索范围fa，通过下式求取： 

Res.l＝Reb.l-fa，Res.l＝Reb.l-fa，Res.l＝Reb.l-fa，Res.l＝Reb.l-fa。 

求取静态图像目标矩形区域的中心点作为特征元素的参考点，记为C0(x，y)。其中，C0.x＝(Reb.l+Reb.r)/2，C0.y＝(Reb.t+Reb.b)/2。 

步骤104：求取边界点邻域内的特征元素，所述特征元素包括具有最大价值因数的像素点，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数，如图2所示，求取步骤如下： 

步骤201：求取边界点邻域内具有最大价值因数的像素点。 

对步骤102搜索到的静态图像目标的边界点，求取边界点邻域内具有最大价值因数的像素点，如图3所示，求取步骤如下： 

步骤301： 

设边界点沿搜索方向前进一步的像素点为P0； 

对P0及P0周边8邻域像素分别计算8邻域价值因数，得到最大价值因数J8m，和具有J8m价值因数的像素点； 

步骤302： 

如果J8m＜8，在具有J8m价值因数的象素点中选择靠近图像目标边界，靠近搜索方向的像素点，最大价值因数的像素点。 

步骤303： 

否则，对具有价值因数等于8的像素点，分别求16邻域价值因数，得到最大价值因数J16m；(步骤304)如果具有J16m价值因数的像素点个数等于1，取具有J16m价值因数的像素点，作为最大价值因数的像素点；(步骤305)否则，在具有J16m价值因数的像素点中选择靠近图像目标边界，靠近搜索方向的像素点，作为最大价值因数的像素点。 

其中，8邻域和16邻域价值因数的求取方法包括：将待求价值因素的像素记为P0，包围P0的内圈像素有8个，分别记为P1到P8；包围P0的外圈像素有16个，分别记为P01到P016； 

设置光学参数判定函数Fabs(pi，pj)；判定pi、pj两像素光学参数相似性，如果判定相似，函数返回1，否则，返回0； 

分别利用光学参数判定函数，对P0与P1到P8分别进行光学参数相似性判定，累加函数返回值，得到8邻域的价值因数J8＝∑Fabs(P0，Pj)，(其中j顺序取l到8的值)。 

分别利用光学参数判定函数，对P0与P01到P016分别进行光学参数相似性判定，累加函数返回值，得到16邻域的价值因数J16＝∑Fabs(P0，Pj)，(其中j顺序取01到016的值)。 

其中，光学参数判定函数Fabs(pi，pj)按如下方法设计：选择在R、G、B直角坐标色彩空间进行光学参数相似判定。设置相似性判定在R、G、B色彩空间的允许变化值Sa，在pi像素点所在的色彩空间中的一点为中心，建立一个边长为2倍Sa的立方体空间，作为判定与pi像素点光学参数相似的空间。 

如果abs(pi.r-pj.r)＜Sa并且abs(pi.g-pj.g)＜Sa并且abs(pi.b-pj.b)＜Sa，判定pi与pj像素点相似，返回1；否则，判定pi与pj像素点不相似，返回0。 

在光学参数判定函数中，特殊要求情况下，也可以设置相似性判定色彩空间的允许变化值，在R、G、B分量上是不同的。 

在光学参数判定函数中，也可以在其他色彩空间进行，例如色度、色饱和度、亮度的园锥体色彩空间。相比之下，本发明光学参数判定函数的计算量最 小。 

步骤202：将具有最大价值因数的像素点的坐标，作为特征元素的坐标，将具有最大价值因数的像素点的R、G、B值，作为特征元素的光学参数。 

步骤203：通过对特征元素的评定，删除所述图像目标特征元素中的冗余元素如图4所示，包括如下步骤： 

步骤401：以四条边界为搜索起点将特征元素分为四个组，在组中顺序选择三个几何坐标相邻的特征元素，作为中间特征元素评定的计算单元； 

步骤402：通过光学参数判定函数，对所述计算单元中特征元素进行光学参数相似性判定，如果不相似，保留中间特征元素(步骤406)； 

(步骤403)否则，判定所述计算单元中特征元素是否在同一直线上，如果不在同一直线上，保留中间特征元素(步骤406)； 

(步骤404)否则，判定所述计算单元中特征元素间是否存在跳变信息，如果存在，保留中间特征元素(步骤406)； 

(步骤405)否则，删除所述中间特征元素。 

其中，进行光学参数相似性判定和光学参数判定函数Fabs(pi，pj)与上述相同。 

判定计算单元的特征元素是否在同一直线上，可采用不同的数学方法。例如，方法1：可设定一个距离允许误差Sc，计算中间特征元素点到两端特征元素点构成的直线的距离Lc，如果Lc＜Sc判定计算单元的特征元素在同一直线上，否则判定不在同一直线上。方法2：可设定一个角度允许误差Sd，计算中间特征元素点到两端特征元素点的夹角的绝对值Ld，如果Ld＞Sd判定计算单元的特征元素在同一直线上，否则判定不在同一直线上。 

判定所述计算单元中，特征元素间是否存在跳变信息是通过判定中间特征元素点分别到两端特征元素点的直线上的像素的光学参数是否与中间特征元素点相似，如果都相似，判定无跳变信息，否则，判定有跳变信息。光学参数相似性判定的方法与上述相同。 

步骤204：如图5所示，在所述图像目标特征元素中选择目标区分级特征元素，求取与目标区分级特征元素对应的背景特征元素。 

步骤501：以四条边界为搜索起点将特征元素分为四个组，按左、上、右、下的组顺序对特征元素排序，标记每个特征元素的组别，并获得特征元素的个数； 

步骤502：设定目标区分级特征元素的选择比例1：Nb，选择上述重新排列后序号被Nb整除的特征元素，作为目标区分级特征元素； 

步骤503：对每个目标区分级特征元素，按组别，沿搜索目标边界相反的方向，搜索获得背景的边界点； 

步骤504：求取所述背景边界点邻域内具有最大价值因数的像素点； 

步骤505：将所述具有最大价值因数的像素点的坐标，作为背景特征元素的坐标，求所述具有最大价值因数的像素点的R、G、B值，作为背景特征元素的光学参数。 

步骤205：将所述特征元素的坐标转换为以特征元素参考点为原点的相对坐标，作为特征元素的几何参数。设置特征元素的标志信息：0：一般特征元素；1：目标区分级特征元素；2：背景特征元素。 

步骤105：由一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成描述所述静态图像目标的特征信息。 

一组特征元素包括背景特征元素，描述了静态图像目标边界上形与象的特征。特征元素的数组序号指明其顺序号，特征元素的标志信息指明该元素是一般特征元素或是目标区分级特征元素或是背景特征元素。 

静态图像目标的矩形区域指明静态图像目标在图像中的位置；搜索区域指明在识别过程中，搜索静态图像目标的区域。 

特征元素的参考点指明该静态图像目标的中心与一个基准点的相对偏移。本例是以坐标原点为基准点的。特殊情况下，可以以其它静态图像目标的中心为基准点。 

由上述的信息构成描述所述静态图像目标的特征信息。 

按照本实施例的方法，提取静态图像目标的特征信息。图6是其中一组特征元素的示意图。图中《中国工商银行》几个字是选中的静态图像目标，白点是目标的特征元素，周边的黑点是背景特征元素。 

如图7所示，为本发明实施例中静态图像目标的特征信息提取装置的结构图，具体包括： 

目标选择单元71，用于选择所述静态图像目标的参考矩形区域； 

边界点获取单元72，用于从所述参考矩形区域边界开始，按设定的采样间隔沿水平或垂直向内的方向进行搜索，获取静态图像目标的边界点； 

目标区域参数计算单元73，用于根据所述边界点计算静态图像目标的矩形区域、搜索区域和特征元素的参考点； 

特征元素求取单元74，用于求取所述边界点邻域内的特征元素，所述特征元素包括具有最大价值因数的像素点，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数； 

特征信息构成单元75，用于将一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成静态图像目标的特征信息。 

其中，特征元素求取单元进一步包括： 

价值因数评定单元，用于求取所述边界点邻域内具有最大价值因数的像素点； 

参数设定单元，用于将所述具有最大价值因数的像素点的坐标，作为特征元素的坐标，将所述具有最大价值因数的像素点的R、G、B值，作为特征元素的光学参数； 

目标特征元素过滤单元，用于根据对特征元素的评定，删除所述静态图像目标特征元素中的冗余元素； 

背景特征元素获取单元，用于在所述静态图像目标特征元素中选择目标区分级特征元素，并求取与所述目标区分级特征元素对应的背景特征元素； 

坐标变换单元，用于将所述特征元素的坐标转换为以特征元素参考点为原点的相对坐标，作为特征元素的几何参数，并设置特征元素的标志信息。 

此外，所述装置还可以进一步包括： 

特征元素保存单元746，用于保存所述静态图像目标的特征信息。 

本发明实施例一种静态图像目标特征信息的提取装置，通过边界点获取单元获取图像目标的边界点，并通过目标特征元素获取单元对图像目标边界点及周边邻域像素进行价值因数评定，获取图像目标特征元素，通过离散的目标特征元素，实现对静态图像目标简单并且快速的记忆。而且，本发明实施例通过目标特征元素过滤单元，可以对图像的目标特征元素进行评定，进一步删除冗余的目标特征元素，使边界比较平缓的部分可以用更少的目标特征元素进行记忆。通过对图像目标的特征元素增加背景特征元素，可以提高对静态图像目标进行识别的准确性，提高静态图像目标识别的抗干扰能力。 

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该与权利要求的保护范围为准。 

Claims (10)

1.一种静态图像目标的特征信息提取方法，其特征在于，所述方法包括：

a、选择包围所述静态图像目标的参考矩形区域；

b、从所述参考矩形区域边界开始，按设定的采样间隔沿水平或垂直向内的方向进行搜索，获得静态图像目标的边界点；

c、根据所述边界点确定静态图像目标的矩形区域、静态图像目标的搜索区域和特征元素的参考点；

d、求取边界点邻域内的特征元素，所述特征元素的坐标为具有最大价值因数的像素点的坐标，所述特征元素的光学参数为所述具有最大价值因数的像素点的R、G、B值，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数；

e、由一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成描述所述静态图像目标的特征信息；

其中，所述步骤d求取边界点邻域内的特征元素包括如下步骤：

求取所述边界点邻域内具有最大价值因数的像素点；

将所述具有最大价值因数的像素点的坐标，作为特征元素的坐标，将所述具有最大价值因数的像素点的R、G、B值，作为特征元素的光学参数；

通过对特征元素的评定，删除所述静态图像目标特征元素中的冗余元素；

在所述静态图像目标特征元素中选择目标区分级特征元素，求取与目标区分级特征元素对应的背景特征元素；

将所述特征元素的坐标转换为以特征元素参考点为原点的相对坐标，作为特征元素的几何参数，设置特征元素的标志信息。

2.根据权利要求1所述的方法，其特征在于，所述步骤c根据所述边界点确定静态图像目标的矩形区域、静态图像目标的搜索区域和特征元素的参考点的步骤包括：

根据所述边界点坐标中，最小x坐标、最大x坐标和最小y坐标、最大y坐标界定静态图像目标的矩形区域； 

设定一个包含全部静态图像目标信息的矩形区域，作为静态图像目标的搜索区域；

求取所述静态图像目标矩形区域的中心点作为特征元素的参考点。

3.根据权利要求1所述的方法，其特征在于，通过对特征元素的评定，删除所述静态图像目标特征元素中的冗余元素，包括如下步骤：

以四条边界为搜索起点将特征元素分为四个组，在组中顺序选择三个几何坐标相邻的特征元素，作为中间特征元素评定的计算单元；

通过光学参数判定函数，对所述计算单元中特征元素进行光学参数相似性判定，如果不相似，保留中间特征元素；

否则，判定所述计算单元中特征元素是否在同一直线上，如果不在同一直线上，保留中间特征元素；

否则，判定所述计算单元中特征元素间是否存在跳变信息，如果存在，保留中间特征元素；

否则，删除所述中间特征元素。

4.根据权利要求3所述的方法，其特征在于，所述进行光学参数相似性判定，包括如下步骤：

设置光学参数判定函数Fabs(pi，pj)，判定pi、pj两像素光学参数相似性；

所述设置光学参数判定函数Fabs(pi，pj)包括：

设置R、G、B色彩空间的允许变化值Sa；

如果pi、pj两像素之间R值的差的绝对值小于Sa，并且pi、pj两像素之间G值的差的绝对值小于Sa，并且pi、pj两像素之间B值的差的绝对值小于Sa，判定pi与pj像素点相似，返回1；否则，判定pi与pj像素点不相似，返回0。

5.根据权利要求1所述的方法，其特征在于，在所述静态图像目标特征元素中选择目标区分级特征元素，求取与目标区分级特征元素对应的背景特征元素，包括如下步骤：

以四条边界为搜索起点将特征元素分为四个组，按左、上、右、下的组顺 序对特征元素排序，标记每个特征元素的组别，并获得特征元素的个数；

设定目标区分级特征元素的选择比例1∶Nb，选择上述重新排列后序号被Nb整除的特征元素，作为目标区分级特征元素；

对每个目标区分级特征元素，按组别，沿搜索目标边界相反的方向，搜索获得背景的边界点；

求取所述背景边界点邻域内具有最大价值因数的像素点；

将所述具有最大价值因数的像素点的坐标，作为背景特征元素的坐标，求所述具有最大价值因数的像素点的R、G、B值，作为背景特征元素的光学参数。

6.根据权利要求1或5所述的方法，其特征在于，求取边界上具有最大价值因数的像素点，包括如下步骤：

设边界点沿搜索方向前进一步的像素点为P0；

对P0及P0周边8邻域像素分别计算8邻域价值因数，得到最大价值因数J8m，和具有J8m价值因数的像素点；

如果J8m＜8，在具有J8m价值因数的像素点中选择靠近静态图像目标边界，靠近搜索方向的像素点，作为最大价值因数的像素点；

否则，对具有价值因数等于8的像素点，分别求16邻域价值因数，得到最大价值因数J16m；

如果具有J16m价值因数的像素点个数等于1，取具有J16m价值因数的像素点，作为最大价值因数的像素点；否则，在具有J16m价值因数的像素点中选择靠近静态图像目标边界，靠近搜索方向的像素点，作为最大价值因数的像素点。

7.根据权利要求6所述的方法，其特征在于，计算8邻域和16邻域价值因素，包括如下步骤：

将待求价值因素的像素记为P0，包围P0的内圈像素有8个，分别记为P1到P8；包围P0的外圈像素有16个，分别记为P01到P016；

分别利用光学参数判定函数，对P0与P1到P8分别进行光学参数相似性判定，累加函数返回值，得到8邻域的价值因数； 

分别利用光学参数判定函数，对P0与P01到P016分别进行光学参数相似性判定，累加函数返回值，得到16邻域的价值因数。

8.根据权利要求7所述的方法，其特征在于，所述进行光学参数相似性判定，包括如下步骤：

设置光学参数判定函数Fabs(pi，pj)，判定pi、pj两像素光学参数相似性；

设置R、G、B色彩空间的允许变化值Sa；

如果pi、pj两像素之间R值的差的绝对值小于Sa，并且pi、pj两像素之间G值的差的绝对值小于Sa，并且pi、pj两像素之间B值的差的绝对值小于Sa，判定pi与pj像素点相似，返回1；否则，判定pi与pj像素点不相似，返回0。

9.一种静态图像目标特征信息的提取装置，其特征在于，所述装置包括：

目标选择单元，用于选择所述静态图像目标的参考矩形区域；

边界点获取单元，用于从所述参考矩形区域边界开始，按设定的采样间隔沿水平或垂直向内的方向进行搜索，获取静态图像目标的边界点；

目标区域参数计算单元，用于根据所述边界点计算静态图像目标的矩形区域、搜索区域和特征元素的参考点；

特征元素求取单元，用于求取所述边界点邻域内的特征元素，所述特征元素的坐标为具有最大价值因数的像素点的坐标，所述特征元素的光学参数为所述具有最大价值因数的像素点的R、G、B值，所述最大价值因数包括8邻域价值因数或16邻域价值因数中的最大价值因数；

特征信息构成单元，用于将一组特征元素、静态图像目标的矩形区域和搜索区域、特征元素的参考点构成静态图像目标的特征信息；

价值因数评定单元，用于求取所述边界点邻域内具有最大价值因数的像素点；

参数设定单元，用于将所述具有最大价值因数的像素点的坐标，作为特征元素的坐标，将所述具有最大价值因数的像素点的R、G、B值，作为特征元素的光学参数；

目标特征元素过滤单元，用于根据对特征元素的评定，删除所述静态图像 目标特征元素中的冗余元素；

背景特征元素获取单元，用于在所述静态图像目标特征元素中选择目标区分级特征元素，并求取与所述目标区分级特征元素对应的背景特征元素；

坐标变换单元，用于将所述特征元素的坐标转换为以特征元素参考点为原点的相对坐标，作为特征元素的几何参数，并设置特征元素的标志信息。

10.根据权利要求9所述的一种静态图像目标特征信息的提取装置，其特征在于，所述装置还包括：

特征元素保存单元，用于保存所述静态图像目标的特征信息。 

Images