图像处理装置、图像处理方法以及电子设备.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(10)申请公布号CNCN104182749104182749A(43)申请公布日2014.12.03(21)申请号201310187902.6(22)申请日2013.05.20(71)申请人富士通株式会社地址日本神奈川县(72)发明人谢术富何源孙俊(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王萍李春晖(51)Int.Cl.G06K9/46(2006.01)G06K9/66(2006.01)权权利要求书2页利要求书2页说明书19页说明书19页附图7页附图7页(54)发明名称图像处理装置、图像处理方法以及电子设备(57)摘要本发明提供图像处理装置、图像处理方法以及电子设备，以克服现有的轮廓提取技术所存在的轮廓提取精度和/或准确度较低的问题。上述图像处理装置包括：特征提取单元，用于提取图像中目标对象的待处理轮廓的形状特征和/或波动特征；以及拒识处理单元，用于在满足以下条件中的至少一个的情况下拒绝将待处理轮廓作为目标对象的轮廓检测结果：待处理轮廓的形状特征与预定形状模型之间的相似度低于第一相似度阈值，以及待处理轮廓的波动特征与预定波动特征模型之间的相似度低于第二相似度阈值。本发明的上述技术能够应用于图像处理领域。CN104182749ACN1048279ACN104182749A权利要求书1/2页1.一种图像处理装置，包括：特征提取单元，其被配置用于提取图像中目标对象的待处理轮廓的形状特征和/或波动特征；以及拒识处理单元，其被配置用于在满足以下条件中的至少一个的情况下拒绝将所述待处理轮廓作为所述目标对象的轮廓检测结果：所述待处理轮廓的形状特征与预定形状模型之间的相似度低于第一相似度阈值，以及所述待处理轮廓的波动特征与预定波动特征模型之间的相似度低于第二相似度阈值；其中，所述预定形状模型和/或所述预定波动特征模型通过学习包括多个预定轮廓的训练样本而获得，所述预定形状模型反映所述训练样本的形状特征的分布规律，所述预定波动特征模型反映所述训练样本的波动特征的分布规律，所述预定轮廓与所述待处理轮廓的类型相同。2.根据权利要求1所述的图像处理装置，其中，所述特征提取单元包括波动特征获得子单元，所述波动特征获得子单元被配置用于：基于所述待处理轮廓上的多个形状点确定多个第一点对；获得所述多个第一点对各自的两点间的线段距离；以及将所述多个第一点对对应的所有所述线段距离按照第一预定顺序形成第一波动特征序列，作为所述待处理轮廓的波动特征。3.根据权利要求2所述的图像处理装置，其中，所述波动特征获得子单元被配置用于对所述待处理轮廓上的多个形状点按照预定配对方式两两配对，并将作为配对结果的多个点对确定为所述多个第一点对。4.根据权利要求1-3中任一项所述的图像处理装置，还包括：预处理单元，其被配置用于通过对所述多个预定轮廓中的至少部分进行预定类型的变形来获得扩展样本，并将所获得的扩展样本作为所述训练样本中的一部分。5.根据权利要求1-4中任一项所述的图像处理装置，其中，所述特征提取单元包括：形状特征获得子单元，其被配置用于利用所述待处理轮廓上的多个形状点的坐标、按照第二预定顺序形成第一形状特征序列，作为所述待处理轮廓的形状特征。6.根据权利要求1-5中任一项所述的图像处理装置，还包括模型获得单元，其中，所述模型获得单元包括波动特征模型获得子单元，所述波动特征模型获得子单元被配置用于：针对对齐后的所述训练样本中的每一个，基于该训练样本上的多个形状点中来确定多个第二点对，获得每个所述第二点对中的两点间的线段距离，并利用所述多个第二点对对应的多个线段距离、按照第一预定顺序形成与该训练样本对应的第二波动特征序列；以及获得所有所述训练样本对应的所述第二波动特征序列的平均波动特征序列和波动特征协方差矩阵，以描述所述预定波动特征模型。7.根据权利要求1-6中任一项所述的图像处理装置，还包括模型获得单元，其中，所述模型获得单元包括形状模型获得子单元，所述形状模型获得子单元被配置用于：针对对齐后的所述训练样本中的每一个，利用该训练样本上的多个形状点的坐标、按照第二预定顺序形成与该训练样本对应的第二形状特征序列；以及获得所有所述训练样本对应的所述第二形状特征序列的平均形状特征序列和形状特2CN104182749A权利要求书2/2页征协方差矩阵，以描述所述预定形状模型。8.根据权利要求1-7中任一项所述的图像处理装置，其中，所述目标对象为文档，以及所述轮廓为文档边界。9.一种图像处理方法，包括：提取图像中目标对象的待处理轮廓的形状特征和/或波动特征；以及在满足以下条件中的至少一个的情况下拒绝将所述待处理轮廓作为目标对象的轮廓检测结果：所述待处理轮廓的形状特征与预定形状模型之间的相似度低