一种基于图像轮廓特征的目标识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107103323A(43)申请公布日2017.08.29(21)申请号201710139018.3(22)申请日2017.03.09(71)申请人广东顺德中山大学卡内基梅隆大学国际联合研究院地址528300广东省佛山市顺德区大良街道办广东顺德中山大学卡内基梅隆大学国际联合研究院申请人中山大学(72)发明人邓秋君张东方圳河(74)专利代理机构广州粤高专利商标代理有限公司44102代理人林丽明(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于图像轮廓特征的目标识别方法(57)摘要本发明公开一种基于图像轮廓特征的目标识别方法，对模板图像和待测物体图像进行预处理生成二值图像；建立物体模板轮廓的特征库：提取物体模板二值图像的完整轮廓，在轮廓上等间隔取一定数目的特征点，利用特征点的上下文特征对物体轮廓进行描述；对待检测物体图像进行目标识别：提取待检测二值图像的轮廓边缘；并选取一定的特征点；对待测物体的形状方向进行转换变成模板的取向；用选定点的上下文特征描述转换取向后的待测物体轮廓；通过匹配代价来衡量待测物体与模板物体的相似度。本发明相对于现有的技术，解决了在轮廓匹配过程中的旋转不变性的问题，使轮廓匹配过程中的旋转具有不变性，并有效的应用于图像中的目标识别。CN107103323ACN107103323A权利要求书1/2页1.一种基于图像轮廓特征的目标识别方法，其特征在于，包括以下步骤：S1：图像二值化：对待测物体图像和若干的模板图像进行预处理生成二值化图像，所述模板图像为确定物体的图像，所述待测物体图像为待测物体的图像；S2：建立模板轮廓的特征库：提取二值化模板图像中物体的完整轮廓，在轮廓上等间隔取若干数目的特征点，利用特征点的上下文特征对物体轮廓进行描述；S3：待测图像特征描述：提取二值化待测物体图像的轮廓边缘，在轮廓上选取若干的特征点；对待测物体的形状方向进行转换变成模板的取向；用选定的特征点的上下文特征描述转换取向后的待测物体轮廓；S4：对待测物体图像的特征描述与模板图像中物体轮廓的特征描述进行匹配,通过匹配代价来衡量待测物体与模板物体的相似度，进而识别待测物体。2.根据权利要求1所述的基于图像轮廓特征的目标识别方法，其特征在于，步骤S1中，具体包括：用颜色分割算法对图像进行分割，但是对于背景颜色一致的采用简单的阈值处理办法。3.根据权利要求1所述的基于图像轮廓特征的目标识别方法，其特征在于，步骤S2中，具体包括以下步骤：S2.1：提取二值化模板图像中物体的完整轮廓；S2.2：对二值化模板图像中物体的完整轮廓进行等间隔取样，选取一定数目的轮廓点，即特征点；S2.3：对选取的轮廓点用上下文的特征进行描述。4.根据权利要求3所述的基于图像轮廓特征的目标识别方法，其特征在于，步骤S2.3中，对选取轮廓上的点用上下文的特征进行描述，包括以下步骤：a)对于一幅二值图像，黑点表示字符，白点表示空白，这样就可以用黑点集合来表示一幅图像，即一幅图像可以表示为集合P＝{P1,P2,P3,...,PN}；b)计算形状轮廓点的上下文特征：对于整个特征点集P,分别以其中的每个特征点P1,P2,P3,...,PN作参考点，依次计算该点与其余的N-1个点构成的向量分布直方图，最终得到N个向量分布直方图，并以N*(N-1)大小的矩阵存储；这样，对于任一目标，可用N*(N-1)大小的矩阵表示其形状信息，N*(N-1)大小的矩阵即为点集P的形状上下文,它描述了整个轮廓形状的特征；由于描述信息量太大，所以采用极坐标系，将向量的极半径和极角离散化的在空间具体分布描述出来，并且使越临近Pi的点权值越大；三角形包围的点的为极坐标的中心，对于每一个由r和θ确定的极坐标区域，如果该区域内包含的点越多，则其在由θ和log(r)组成的直角坐标系中对应的区域颜色越深点；以特征点集中任意一点Pi为参考点,在Pi为圆心、R为半径的局域内按对数距离间隔建立n个同心圆；将此区域沿圆周方向M等分，点Pi到其它各点的向量相对位置简化为模板上各扇区内的点分布数。5.根据权利要求3所述的基于图像轮廓特征的目标识别方法，其特征在于，步骤S3中，具体包括以下步骤：S3.1：提取待测物体二值图像的完整轮廓；S3.2：对待测物体轮廓上的点进行等间隔取样，选取与S2.2当中相同数目的轮廓点，即2CN107103323A权利要求书2/2页特征点；S3.3：对待测物体的形状方向进行转换，使之与模板图像的取向相同；S3.4：对转换后的待测物体上的轮廓点选取上下文的特征，从而形成对轮廓整体的描述。6.根据权利要求5所述的基于图像轮廓特征的目标识