Image feature extraction technology is one of main topics in the field of computer vision, which has been widely applied in biological recognition, image retrieval, target detection and other fields. To overcome the drawbacks of WLD under complex illumination condition, we propose a novel illumination–insensitive feature descriptor named as anisotropic Weber synergy gradient descriptor (AWSGD). The proposed algorithm contains two parts:differential excitation component and gradient direction component. Firstly, by introducing the differential synergy excitation pattern (DSEP) and anisotropic LOG operator with variable scales and angles, we propose the anisotropic differential synergy excitation pattern (ADSEP) as the differential excitation component. Next, focused on the shortage that local gradient pattern (LGP) lacks detailed description of local features with single-layer model, we propose weighted local synergy gradient pattern (WLSGP) as the gradient direction component based on two-layer structure model and weight coefficient distribution model. Finally, ADSEP and WLSGP are fused to form AWSGD histogram. Meanwhile, we adopt XGBoost classifier to conduct related experiments on face databases CMUPIE, Yale B and texture databases PhoTex, RawFooT. The experimental results indicate that the proposed algorithm has stronger robustness to illumination variation and achieves the best performance compared with state-of-the-art methods, which has a certain theoretical significance and practical value in image recognition field under complex illumination condition.

图像特征提取技术是计算机视觉领域的主要课题之一，已广泛应用于生物识别，图像检索，目标检测等领域。为了克服复杂照明条件下WLD的缺点，我们提出了一种新型的照明不敏感特征描述符，称为各向异性Weber协同梯度描述符（AWSGD）。该算法包括两部分：差分激励分量和梯度方向分量。首先，通过引入微分协同激励模式（DSEP）和具有可变比例和角度的各向异性LOG算子，提出了各向异性微分协同激励模式（ADSEP）作为微分激励分量。下一个，针对单层模型对局部梯度模式缺乏局部特征描述的不足，基于两层结构模型和权重系数分布模型，提出了加权局部协同梯度模式（WLSGP）作为梯度方向分量。 。最后，将ADSEP和WLSGP融合以形成AWSGD直方图。同时，我们采用XGBoost分类器对人脸数据库CMUPIE，耶鲁B和纹理数据库PhoTex，RawFooT进行相关实验。实验结果表明，与现有技术相比，该算法对光照变化具有较强的鲁棒性，并具有最佳的性能，在复杂光照条件下的图像识别领域具有一定的理论意义和实用价值。我们基于两层结构模型和权系数分布模型，提出了加权局部协同梯度模式（WLSGP）作为梯度方向分量。最后，将ADSEP和WLSGP融合以形成AWSGD直方图。同时，我们采用XGBoost分类器对人脸数据库CMUPIE，耶鲁B和纹理数据库PhoTex，RawFooT进行相关实验。实验结果表明，与现有技术相比，该算法对光照变化具有较强的鲁棒性，并具有最佳的性能，在复杂光照条件下的图像识别领域具有一定的理论意义和实用价值。我们基于两层结构模型和权系数分布模型，提出了加权局部协同梯度模式（WLSGP）作为梯度方向分量。最后，将ADSEP和WLSGP融合以形成AWSGD直方图。同时，我们采用XGBoost分类器对人脸数据库CMUPIE，耶鲁B和纹理数据库PhoTex，RawFooT进行相关实验。实验结果表明，与现有技术相比，该算法对光照变化具有较强的鲁棒性，并具有最佳的性能，在复杂光照条件下的图像识别领域具有一定的理论意义和实用价值。最后，将ADSEP和WLSGP融合以形成AWSGD直方图。同时，我们采用XGBoost分类器对人脸数据库CMUPIE，耶鲁B和纹理数据库PhoTex，RawFooT进行相关实验。实验结果表明，与现有技术相比，该算法对光照变化具有较强的鲁棒性，并具有最佳的性能，在复杂光照条件下的图像识别领域具有一定的理论意义和实用价值。最后，将ADSEP和WLSGP融合以形成AWSGD直方图。同时，我们采用XGBoost分类器对人脸数据库CMUPIE，耶鲁B和纹理数据库PhoTex，RawFooT进行相关实验。实验结果表明，与现有技术相比，该算法对光照变化具有较强的鲁棒性，并具有最佳的性能，在复杂光照条件下的图像识别领域具有一定的理论意义和实用价值。