基于主成分分析方向深度梯度直方图的特征提取算法

　　针对立体视觉深度图特征提取精确度低、复杂度高的问题，提出了一种基于主成分分析方向深度梯度直方图（ PCA-HODG）的特征提取算法。首先，对双目立体视觉图像进行视差计算和深度图提取，获取高质量深度图；然后，基于预设大小窗口对所获取的深度图进行边缘检测和梯度计算，获得区域形状直方图特征并量化；同时运用主成分分析（PCA）进行降维；最后，为实现特征获取的精确性和完整性，采用滑动窗口检测方法实现整幅深度图的特征提取，并再次降维。在特征匹配分类实验中，对于Street测试序列帧，该算法比距离样本深度特征（RSDF）算法平均分类准确率提高了1. 15%，而对于Tanks、Tunnel、Temple测试序列帧，该算法比测度不变特征（GIF）算法平均分类准确率分别提高了0. 69%、1.95%、0.49%；同时与方向深度直方图（HOD）、RSDF、GIF算法相比，平均运行时间分别降低了71. 65%、78. 05%、80. 06%。实验结果表明，该算法不仅能够更精确地检测和提取深度图特征，而且通过降低维数复杂度大大减少了运行时间；同时算法具有较好的鲁棒性。