基于主成分分析方向深度梯度直方圖的特征提取算法

　　針對(duì)立體視覺深度圖特征提取精確度低、復(fù)雜度高的問題，提出了一種基于主成分分析方向深度梯度直方圖（ PCA-HODG）的特征提取算法。首先，對(duì)雙目立體視覺圖像進(jìn)行視差計(jì)算和深度圖提取，獲取高質(zhì)量深度圖；然后，基于預(yù)設(shè)大小窗口對(duì)所獲取的深度圖進(jìn)行邊緣檢測(cè)和梯度計(jì)算，獲得區(qū)域形狀直方圖特征并量化；同時(shí)運(yùn)用主成分分析（PCA）進(jìn)行降維；最后，為實(shí)現(xiàn)特征獲取的精確性和完整性，采用滑動(dòng)窗口檢測(cè)方法實(shí)現(xiàn)整幅深度圖的特征提取，并再次降維。在特征匹配分類實(shí)驗(yàn)中，對(duì)于Street測(cè)試序列幀，該算法比距離樣本深度特征（RSDF）算法平均分類準(zhǔn)確率提高了1. 15%，而對(duì)于Tanks、Tunnel、Temple測(cè)試序列幀，該算法比測(cè)度不變特征（GIF）算法平均分類準(zhǔn)確率分別提高了0. 69%、1.95%、0.49%；同時(shí)與方向深度直方圖（HOD）、RSDF、GIF算法相比，平均運(yùn)行時(shí)間分別降低了71. 65%、78. 05%、80. 06%。實(shí)驗(yàn)結(jié)果表明，該算法不僅能夠更精確地檢測(cè)和提取深度圖特征，而且通過降低維數(shù)復(fù)雜度大大減少了運(yùn)行時(shí)間；同時(shí)算法具有較好的魯棒性。