CN101339663A - 基于属性匹配的浮选视频测速方法 - Google Patents

Abstract

本发明公开了一种基于属性匹配的浮选视频测速方法，首先在第一帧图像中提取亮度和面积均符合设定阈值的目标区域；然后在第二帧图像中寻找与之相匹配的匹配区域，匹配成功后，还通过计算两帧连续图像中两个相邻目标之间的位置矢量差，对识别的目标进行校验，有效保证了目标识别的正确性。之后根据匹配和校核的结果计算目标区域在第一帧图像与第二帧图像间的位移，进而根据位移与帧频的乘积计算出目标区域的移动速度。测速速度快、效果好。

Description

基于属性匹配的浮选视频测速方法

技术领域

本发明涉及一种视频测速技术，尤其涉及一种基于属性匹配的浮选视频测速方法。

背景技术

在有色金属、黑色金属、煤泥的浮选自动控制过程中，浮选泡沫的流动速度是浮选质量的重要指标。对运动泡沫图像进行测速是一件较困难的事情，有些浮选质量差的图像中，整幅充满着运动中的小气泡，数量很大。图像的运动速度快而且图像内气泡的面积、形态及颜色等相似程度较高。部分气泡目标粘连，一些大气泡会随时破裂，在后续帧中由一些小气泡代替，部分气泡边缘模糊或者处于阴影之中，还由于浮选现场环境污染严重，摄取的图像普遍背景昏暗、清晰度差等原因，造成对运动泡沫图像测速的困难。

现有技术中的运动检测及估计方法，一种是直接的帧间变化检测；另一种是基于块匹配或光流方法的运动矢量场计算。帧间运动检测方法适合于运动快且形变较大的运动目标；运动矢量方法可以处理全局运动情况。

上述现有技术至少存在以下缺点：

计算费时间、速度慢，对过于复杂和快速的运动及泡沫图像的测速效果不好。

发明内容

本发明的目的是提供一种测速速度快、效果好的基于属性匹配的浮选视频测速方法。

本发明的目的是通过以下技术方案实现的：

本发明的基于属性匹配的浮选视频测速方法，包括步骤：

首先，提取目标区域：在第一帧图像中提取亮度和面积均符合设定阈值的目标区域；

然后，进行目标区域的匹配：在第二帧图像中寻找与所述目标区域的特征差别符合设定阈值的区域为所述目标区域的匹配区域；

之后，如果匹配成功，则根据匹配的结果计算所述目标区域在所述第一帧图像与第二帧图像间的位移；如果匹配失败，则选择下一个目标区域进行匹配。

由上述本发明提供的技术方案可以看出，本发明所述的基于属性匹配的浮选视频测速方法，由于首先在第一帧图像中提取亮度和面积均符合设定阈值的目标区域；然后在第二帧图像中寻找与之相匹配的匹配区域，如果匹配成功，则根据匹配的结果计算目标区域在第一帧图像与第二帧图像间的位移，进而可以计算出目标区域的移动速度。测速速度快、效果好。

具体实施方式

本发明的基于属性匹配的浮选视频测速方法，其较佳的具体实施方式是，包括步骤：

首先，提取目标区域：在第一帧图像中提取亮度和面积较大的区域为目标区域，可以设定一个阈值，当亮度和面积均符合设定阈值时，为提取的目标区域；

然后，进行目标区域的匹配，所提取的目标区域可以有多个，首先对多个目标区域按面积由大到小进行排序，然后从最大的目标区域开始，依次进行匹配。具体可以在第二帧图像中寻找与目标区域的特征差别符合设定阈值的区域为目标区域的匹配区域，这里的匹配区域实际上就是目标区域从第一帧图像移动到第二帧图像后的位置。

之后，如果匹配成功，则根据匹配的结果计算目标区域在第一帧图像与第二帧图像间的位移，进而可以计算目标区域的移动速度；如果匹配失败，则选择下一个目标区域进行匹配。

上述过程中，所提取的目标函数的亮度的阈值可以为：灰度值大于或等于130；面积的阈值可以为连续且符合亮度阈值的像素点的个数大于或等于15～20。

匹配区域与目标区域的特征差别的阈值可以为：

平均灰度值相差小于或等于5；面积相差小于或等于10％；纵向轴长和横向轴长的差值分别小于或等于5个像素。

当目标区域匹配成功之后还可以进行目标校验，具体包括：

首先，在所述第一帧图像中选择两个目标区域并计算两个目标区域之间的矢量，同时计算第二幅图像中的相应的两个匹配区域之间的矢量；

然后，对两个矢量的相似性进行比较，当二者的差别符合设定的阈值时，则两个目标区域为校验成功的目标区域。所选择的两个目标区域可以为两个相邻的目标区域。

两个矢量的相似性差别的阈值可以为：两个矢量在x方向和y方向上的分量分别小于或等于5个像素。

然后计算校验成功的目标区域的中心在第一帧图像与第二帧图像间的位移，位移与帧频之积为目标区域的移动速度。可以计算多个目标区域的移动速度，并取多个目标区域的移动速度的平均值。

下面通过具体实施例对本发明进行详细的阐述，包括：

步骤1、提取第一帧视频图像，并提取其中的目标区域，具体包括：

步骤1.1、提取高亮区域：

首先，将提取的图像灰度化，提取图像中的所有高亮区域，遍历图像像素点，将灰度值大于HIGH_GRAY＝130且连通的像素区域由链表存储，链表的节点信息如表1所示：

表1链表节点信息

像素标号j

像素灰度值Grayj

像素位置(x，y)

下一像素指针

步骤1.2、去噪处理：

对于所提取的每个高亮区域检验其面积，可以用表1中链表末端节点标号与开始节点标号的差值表示面积，可以设置一个阈值，如15至20个像素点。当面积大于设置的阈值时，为泡沫种子区域，小的区域即为噪声。由于图像的明暗亮度差别大，有些图像内部儿乎都是小泡沫，因此面积阈值可以选取较低的值。

步骤1.3、提取目标区域：

对第一帧图像的泡沫种子区域，按照面积排序，将排序在前的十个区域作为待处理的目标区域。

步骤1.4、寻找目标区域上下左右边界：

排序种子区域像素的x坐标，找到区域的x坐标的最小值x_min和最大值x_max值；排序y坐标，找到区域的最少值y_min和最大值y_max值。

步骤1.5、目标区域特征的提取：

计算出前十个目标区域的特征，包括面积S、平均灰度值AVER_GRAY、中心位置(X_mid，Y_mid)、横向轴长H_axis及纵向轴长V_axis，其中：

S-目标区域的像素个数N

$\mathrm{AVER}\_\mathrm{GRAY}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Grayj}/N;$

H_axis＝x_max-x_min；

V_axis＝y_max-y_min；

X_mid＝x_min+(x_max-x_min)/2；

Y_mid＝y_min+(y_max-y_min)/2。

步骤2、进行目标区域的匹配：

匹配第一帧图像的第一个目标区域，以第一个目标区域中心位置(X_mid，Y_mid)为顶点，在相邻的第二帧图像中按照图像运动方向作出矩形，在矩形内寻找第一个目标区域的匹配区域。如果两个区域的特征相差在设定的阈值以下，则两个区域为相匹配的两个区域，设定的阈值可以包括：

平均灰度值相差小于或等于5，即abs(AVER_GRAY11-AVER_GRAY21)＜＝5；

面积相差小于或等于10％，即abs(Area11-Area21)/Area11＜＝10％；

纵向轴长和横向轴长的差值分别小于或等于5个像素。

如果第一个目标匹配成功，则继续匹配下一个目标；如果第一个目标匹配失败，则从下一个目标开始匹配。

步骤3、对匹配成功的目标进行校验：

由于图像中目标的相似度很高，因此可以通过相邻两帧图像中目标的相似度对匹配成功的目标进行校验。

具体包括计算第一帧图像中匹配成功的两个相邻目标之间的矢量，同时在第二帧图像中计算相应的两个目标间的矢量，比较两个矢量的相似性，包括方向和长度，误差小于一定阈值范围，则校验成功，这里的阈值可以是两个矢量在x方向和y方向上的分量分别小于或等于5个像素。否则，取后续目标进行如上校验，直至校验成功。

步骤4、对运动速度进行计算：

对于校验成功的目标，计算两帧图像间目标中心位置的位移，位移与帧频之积，即为视频的移动速度。可以通过计算两个或多个目标的移动速度，取其平均值作为最终的速度。

本发明在对于部分目标局部识别的情况下，通过提取图像的形态、颜色、面积等特征，对运动视频进行测速，可以提高测速的速度。并通过计算两帧连续图像中两个相邻目标之间的位置矢量差，对识别的目标进行有效校验，则有效保证了目标识别的正确性。

由于光源的影响，图像中个泡沫的顶部不同程度地呈现较高亮度，而且泡沫之间的某些边界呈现高亮，某些边界相当黑暗，某些边界非常模糊。图像的高亮区域是泡沫分割的一个较好指标，有助于分割，黑暗模糊对分割不利。

图像中每个泡沫顶部的高亮区域是泡沫的重要指示，本发明提取若干个大面积的高亮区域作为目标，并将这些目标按照面积排序。根据位置、面积、平均灰度值和形态等目标特征在下一帧中进行匹配。首先匹配最大面积的高亮区域，如果匹配失败，则匹配面积序列中的第二个目标，依次类推。由于图像中泡沫的相似程度很高，需要对匹配成功的泡沫进行校验。对于匹配成功的两个面积相邻的高亮区域，在两帧中进行相对位置检验，即一对泡沫的位置矢量在两帧中误差很小。每个泡沫在相邻帧中位移与帧频之积为速度，可以对成对泡沫的运动速度进行平均得出最终的速度。

本发明中无需识别所有泡沫，只对图像中的一些代表性泡沫目标进行识别即可，且不必要对目标的进行完全识别，对目标局部识别可加快目标识别速度。通过快速提取图像中的目标特征，如位置、面积、平均灰度值和形态等，能快速、有效的进行浮选视频测速。当目标的相似程度很高时，还对目标的识别给出了简明有效的识别方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (9)

1、一种基于属性匹配的浮选视频测速方法，其特征在于，包括步骤：

首先，提取目标区域：在第一帧图像中提取亮度和面积均符合设定阈值的目标区域；

然后，进行目标区域的匹配：在第二帧图像中寻找与所述目标区域的特征差别符合设定阈值的区域为所述目标区域的匹配区域；

之后，如果匹配成功，则根据匹配的结果计算所述目标区域在所述第一帧图像与第二帧图像间的位移；如果匹配失败，则选择下一个目标区域进行匹配。

2、根据权利要求1所述的基于属性匹配的浮选视频测速方法，其特征在于，所述亮度的阈值为灰度值大于或等于130；所述面积的阈值为连续且符合亮度阈值的像素点的个数大于或等于15～20。

3、根据权利要求2所述的基于属性匹配的浮选视频测速方法，其特征在于，所述匹配区域与所述目标区域的特征差别的阈值为：

平均灰度值相差小于或等于5；面积相差小于或等于10％；纵向轴长和横向轴长的差值分别小于或等于5个像素。

4、根据权利要求1所述的基于属性匹配的浮选视频测速方法，其特征在于，所述的目标区域有多个，首先对所述多个目标区域按面积由大到小进行排序，然后从最大的目标区域开始，依次进行匹配。

5、根据权利要求1至4任一项所述的基于属性匹配的浮选视频测速方法，其特征在于，所述目标区域匹配成功之后还进行目标校验，具体包括：

首先，在所述第一帧图像中选择两个目标区域及其在第二幅图像中相应的匹配区域，并计算第一帧图像中所述两个目标区域之间的矢量，同时计算第二幅图像中的两个匹配区域之间的矢量；

然后，对两个矢量的相似性进行比较，当二者的差别符合设定的阈值时，所述两个目标区域为校验成功的目标区域。

6、根据权利要求5所述的基于属性匹配的浮选视频测速方法，其特征在于，所选择的两个目标区域为两个相邻的目标区域。

7、根据权利要求5所述的基于属性匹配的浮选视频测速方法，其特征在于，所述两个矢量的相似性差别的阈值为：所述两个矢量在x方向和y方向上的分量分别小于或等于5个像素。

8、根据权利要求5所述的基于属性匹配的浮选视频测速方法，其特征在于，计算所述校验成功的目标区域的中心在所述第一帧图像与第二帧图像间的位移，所述位移与帧频之积为所述目标区域的移动速度。

9、根据权利要求8所述的基于属性匹配的浮选视频测速方法，其特征在于，计算多个所述目标区域的移动速度，并取所述多个目标区域的移动速度的平均值。