基于目标轮廓特征的图像识别方法.pdf

(19)中华人民共和国国家知识产权局*CN102708367A*(12)发明专利申请(10)申请公布号CN102708367A(43)申请公布日2012.10.03(21)申请号201210145735.4(22)申请日2012.05.11(66)本国优先权数据201210061436.22012.03.11CN(71)申请人无锡派图半导体设备有限公司地址214125江苏省无锡市滨湖区锦溪路100号软件园8号楼101室(72)发明人姜凯(51)Int.Cl.G06K9/32(2006.01)G06K9/54(2006.01)权利要求书权利要求书2页2页说明书说明书55页页附图附图33页(54)发明名称基于目标轮廓特征的图像识别方法(57)摘要一种基于目标轮廓特征的图像识别方法，根据目标的轮廓特征而非整个模板计算相似度，并据此对模板进行分析得到最小类间距离，在搜索过程中，结合最小类间距离及适应度对群体进行划分，并通过局部搜索快速得到局部极值。图像识别是工业自动化领域中的重要课题，特别是当目标之间存在交错时，如何有效的识别多个目标是亟待解决的问题。本发明有效提高了搜索效率，保证了识别的实时性。将这种方法应用于半导体检测及生产设备机器视觉系统中，能够高效准确地识别定位场景图像中的多个重复目标。CN1027836ACN102708367A权利要求书1/2页1.一种基于目标轮廓特征的图像识别方法，根据目标的轮廓特征而非整个模板计算相似度，并据此对模板进行分析得到最小类间距离，其特征步骤描述如下：a.对模板图像进行去噪处理；b.将其进行二值化处理以消除噪音的影响，其中1表示感兴趣的目标象素，0表示非目标象素；c.建立模板图像T关于(u,v)的扩展图像，其扩展图像定义为：其中(u,v)满足|u,v|<M；d.根据式（2）搜索所有满足的点(u,v)(原点(0,0)本身除外)，称这样的点为候选点，计算候选点与原点之间的距离；e.定义为模板图像的最小类间距离，若不能找到(u,v)满足，则令d=M。2.根据权利要求1中用目标的轮廓特征代替模板进行识别的方法，其相似度公式如下：目标的轮廓特征是由模板图像中描述目标的点组成的集合，用Sq表示，这样模板T与目标子图像Si,j之间的相似度变为：。3.根据权利要求1，基于目标轮廓特征的图像识别方法的搜索算法特征步骤描述如下:a.设定种群规模N，种群规模的设定可取，其中α为自然数，以便使得每个大小为d×d的窗口中可有α个个体，按照均匀分布产生初始群体，计算其适应度；b.根据选择算子生成中间群体；c.聚类，对中间群体进行排序；从当前未归类个体中选择适应度最大的个体，若该个体与所有已形成类的代表点的距离大于d，则建立一个新类，并将该个体指定为该类的代表点，否则，将该个体就近归类，并更新相应的代表点（由于个体已经排序，所以各类只需在加入第一个点时检验是否需更新代表点），直到当前未归类个体的适应度<δ，δ由实际运行时的环境，例如灯光、目标与背景的区分度、噪音等决定；将所有剩余的未归类个体视为一类，该类无代表点；d.对新生成的类以及代表点被更新的类，在代表点邻域中进行爬山搜索，直到适应度不再增大，得到新的代表点，对无代表点类根据交叉，变异生成新一代群体，计算其适应2CN102708367A权利要求书2/2页度；e.若不满足终止标准，转b；否则，算法终止，输出各类代表点。3CN102708367A说明书1/5页基于目标轮廓特征的图像识别方法技术领域[0001]本发明涉及一种基于目标轮廓特征的图像识别方法，属于机器视觉领域图像定位算法，特别针对有交错的重复目标的图像定位。背景技术[0002]图像识别是图像识别领域中的重要问题，在现代自动化设备中起着关键作用，是利用机器视觉进行闭环自动控制的系统中不可或缺的组成部分。图像识别系统需要实时的从场景图像中识别出所有与给定模板图像相匹配的目标图像，其识别效率、可靠性、鲁棒性直接影响到整个自动化设备的性能。目前流行的商业图像识别系统，都已成功应用于工程实践。然而这些系统对单目标图像识别比较完善，在处理多目标图像识别时尚存在不少问题亟待解决。特别的，当场景中目标之间存在交错现象时，现有的模板识别方法不能正确反映目标的匹配程度，使得识别正确率大大降低。因此，对多目标图像识别算法进行研究，使其能够处理目标图像间的交错现象是提高当前多目标图像识别的鲁棒性，扩大其应用范围亟待解决的问题。[0003]针对上述问题，本发明提出了一种新的基于物体轮廓特征的图像识别方法。该方法首先对模板进行分析处理，得到最小类间距离，在对场景图像的搜索过程中，利用该最小类间距离以及优化过程中形成的适应度图景建立高斯混合模型，通过该模型指导进化，提高了搜索效率，增强了系统识别的实时性，在目标图像存在重叠的情况下也能够保证