CN101425173A - 快速图像几何矩和中心矩快速计算方法 - Google Patents

快速图像几何矩和中心矩快速计算方法 Download PDF

Info

Publication number
CN101425173A
CN101425173A CNA2007101578593A CN200710157859A CN101425173A CN 101425173 A CN101425173 A CN 101425173A CN A2007101578593 A CNA2007101578593 A CN A2007101578593A CN 200710157859 A CN200710157859 A CN 200710157859A CN 101425173 A CN101425173 A CN 101425173A
Authority
CN
China
Prior art keywords
moment
geometric
computing unit
central
input
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2007101578593A
Other languages
English (en)
Inventor
朱丹
王玉良
李嵩
杨光宇
宫俊玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Institute of Automation of CAS
Original Assignee
Shenyang Institute of Automation of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Institute of Automation of CAS filed Critical Shenyang Institute of Automation of CAS
Priority to CNA2007101578593A priority Critical patent/CN101425173A/zh
Publication of CN101425173A publication Critical patent/CN101425173A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开一种图像几何矩和中心矩快速计算方法,包括数字滤波器栅格设计、几何矩计算、质心计算和中心矩计算在像素时钟下,将图像数据置入流水线结构设计的数字滤波器栅格中,数字滤波器栅格在像素时钟及四倍频时钟下进行规则迭代计算,将数字滤波器栅格不同节点的输出耦合起来,得到图像的几何矩;质心计算以几何矩计算结果为输入数据、在像素时钟下进行质心计算,将几何矩的输出耦合起来,得几何矩;中心矩计算的输入数据来自几何矩计算和质心计算数据,将几何矩和质心的输出耦合起来,得到图像中心矩。它具有占用逻辑资源少、计算速度快的特点,在目标识别与检测领域具有很好的使用价值。

Description

快速图像几何矩和中心矩快速计算方法
技术领域
本发明涉及数据处理技术,具体地说是一种图像几何矩和中心矩快速计算方法,可被应用于图像处理、计算机视觉和模式识别等领域。
背景技术
矩在统计学中用于表征随机量的分布,对于数字图像,二维离散矩特征具有旋转和平移不变特性,几何矩和中心矩的快速计算结构设计对于基于RTL(旋转、平移和尺度)不变特性的目标识别与检测、目标成像跟踪、机器人视觉、模式识别与智能系统领域具有重要的意义。在现有技术中,图像几何矩和中心矩计算一般处于理论研究阶段,也有人通过软件程序的执行方式直接应用图像几何矩和中心矩计算公式,实施基于微处理器的串行计算,但这种方式计算速度慢,不能满足实时性要求较高的场合。
发明内容
为了克服基于微处理器的串行计算在图像几何矩和中心矩计算速度慢,不能满足实时性要求较高的场合应用的问题,本发明的目的在于提出一种具有占用逻辑资源少、计算速度快、延时小特点的快速图像几何矩和中心矩快速计算方法。
本发明技术方案:包括数字滤波器栅格设计、几何矩计算、质心计算和中心矩计算在像素时钟下,将图像数据置入流水线结构设计的数字滤波器栅格中,数字滤波器栅格在像素时钟及其倍频时钟下进行规则迭代计算,将数字滤波器栅格不同节点的输出耦合起来,得到图像的几何矩;质心计算以几何矩计算结果为输入数据、在像素时钟下进行质心计算,将几何矩的输出耦合起来,得几何矩;中心矩计算的输入数据来自几何矩计算和质心计算数据,将几何矩和质心的输出耦合起来,得到图像中心矩;
本发明所述规则迭代计算使用流水线结构进行一维迭代处理,再将一维处理单元进行垂直方向连接,构成二维脉动阵列结构。
其中:数字滤波器栅格为串联的水平滤波器和垂直滤波器组合结构,每一滤波器的基本组成是加法器和延迟单元;水平滤波器中的加法器为超前进位加法器,垂直滤波器中的加法器为进位传送加法器。
所述几何矩计算在几何计算单元中进行,由第一~二计算单元组成,第一计算单元的输入输出关系为C=2B-A;第二计算单元的输入输出关系为D=6(C-B)+A;所述几何矩计算单元的输出即为图像的三阶以下、含三阶几何矩;所述质心计算在质心计算单元中进行,由第三计算单元组成,其输入输出关系为C=B/A;所述中心矩计算在中心矩计算单元中进行,由第四~七计算单元组成,第四计算单元的输入输出关系为G=F-AE-BD+ABC;第五计算单元的输入输出关系为D=C-AB;第六计算单元的输入输出关系为G=F-AE-2BD+2B2C;第七计算单元的输入输出关系为E=D-3AC+2A2B。
中心矩计算的输出为图像的三阶以下含三阶中心矩;所述倍频时钟采用锁相环电路得到的像素时钟的四倍频。
本发明的有益效果是:
1.本发明图像几何矩和中心矩快速计算方法用于数字图像矩特征的提取,它采用流水线结构设计,具有计算速度快、功耗低、延时小等优点。
2.本发明通过优化的数字滤波器栅格结构设计,实现占用逻辑资源少、功耗低,在实时性要求较高的场合具有很好的应用价值。
附图说明
图1为本发明几何矩和中心矩快速计算的组成关系框图。
图2为本发明采用的数字滤波器原理图。
图3为本发明实施例数字滤波器栅格设计结构。
图4为本发明实施例中的第一计算单元原理图。
图5为本发明实施例中的第二计算单元原理图。
图6为本发明实施例中的几何矩计算原理图。
图7为本发明实施例中的第三计算单元原理图。
图8为本发明实施例中的质心计算原理图。
图9为本发明实施例中的第四计算单元原理图。
图10为本发实施例中的第五计算单元原理图。
图11为本发明实施例中的第六计算单元原理图。
图12为本发明实施例中的第七计算单元原理图。
图13为本发明实施例中的中心矩计算原理图。
具体实施方式
如图1所示,本发明图像几何矩及中心矩快速计算方法,包括数字滤波器栅格设计、几何矩计算、质心计算和中心矩计算在像素时钟下,将图像数据置入流水线结构设计的数字滤波器栅格中,数字滤波器栅格在像素时钟及其倍频时钟下进行规则迭代计算,将数字滤波器栅格不同节点的输出耦合起来,得到图像的几何矩;质心计算以几何矩计算结果为输入数据、在像素时钟下进行质心计算,将几何矩的输出耦合起来,得几何矩;中心矩计算的输入数据来自几何矩计算和质心计算数据,将几何矩和质心的输出耦合起来,得到图像中心矩。
如图3所示,规则迭代计算使用流水线结构进行一维迭代处理,再将一维处理单元进行垂直方向连接,构成二维脉动阵列结构;本发明规则迭代计算用数字滤波器栅格实质上是一种二维脉动阵列结构。具体如下:
数字滤波器栅格设计为串联的水平滤波器HF和垂直滤波器VF组合结构,数字滤波器栅格实质上是串联累加器结构;垂直滤波器的输出(节点y00、y01、y02、y03、y10、y11、y12、y20、y21、y30)分别连接至几何矩计算单元。
每一滤波器的基本组成是加法器和延迟单元(Z-1),参见图2。水平滤波器HF中的加法器为超前进位加法器,垂直滤波器VF中的加法器为进位传送加法器。离散的二维图像数据由第一个水平滤波器HF输入(见图3)。
数字滤波器栅格工作过程如下:
对于一幅离散的二维数字图像,第一行数据依次输入水平滤波器HF,当4个水平滤波器HF全部完成该行数据的累加操作后,节点y0~y3将累加值向下传递给相应的垂直滤波器VF。然后,4个水平滤波器HF清零,同时,所有垂直滤波器VF开始进行累加操作。接下来,第二行数据开始输入水平滤波器HF,然后,重复上面的操作,直到完成整幅图像数据的累加操作。对于实时数字视频流,垂直累加操作可以在行消隐期间完成;对于缓存的数字图像,需要为垂直累加操作提供延时周期再开始下一行数据的输入。数字滤波器栅格结构在4倍于图像数据的时钟下工作,倍频时钟是通过引入锁相环电路(PLL)得到的。
如图4-6所示,几何矩计算在由第一~二计算单元C1~C2组成的几何计算单元中进行,第一计算单元C1的输入输出关系为C=2B-A;第二计算单元C2的输入输出关系为D=6(C-B)+A。几何矩计算单元的输出(节点m00、m01、m10、m11、m02、m20、m21、m12、m03、m30)即为图像的三阶以下(含三阶)几何矩,几何矩计算单元的输出节点m00、m01和m10连接至质心计算单元。
垂直节点y01~y02经第一计算单元C1得图像的02阶几何矩m02,输入输出关系为m02=2y02-y01;
垂直节点y01~y03经第二计算单元C2得图像的03阶几何矩m03,输入输出关系为m03=6(y03-y02)+y01;
垂直节点y21、y11经第一计算单元C1得图像的21阶几何矩m21,输入输出关系为m21=2y11-y21;
垂直节点y12、y11经第一计算单元C1得图像的12阶几何矩m12,输入输出关系为m12=2y12-y11;
垂直节点y10、y20经第一计算单元C1得图像的20阶几何矩m20,输入输出关系为m20=2y20-y10;
垂直节点y30、y20、y10经第二计算单元C2得图像的30阶几何矩m30,输入输出关系为m30=6(y30-y20)+y10;
垂直节点y00直接构成图像的00阶几何矩m00;
垂直节点y01直接构成图像的01阶几何矩m01;
垂直节点y10直接构成图像的10阶几何矩m10;
垂直节点y11直接构成图像的11阶几何矩m11。
如图7-8所示,质心计算在由第三计算单元C3组成的质心计算单元中进行,其输入输出关系为C=B/A,使用除法器实现。几何矩的输出m00、m01经第三计算单元C3得图像的质心水平坐标,输入输出关系为x0=m01/m00;几何矩的输出m10、m00经第三计算单元C3得图像的质心垂直坐标,输入输出关系为y0=m10/m00;
如图9-13所示,质心计算单元的输出坐标(x0和y0)和几何矩计算单元的输出共同连接至中心矩计算单元。
如图9-12所示,中心矩计算在由第四~七计算单元C4~C7组成的中心矩计算单元中进行,第四计算单元C4的输入输出关系为G=F-AE-BD+ABC;第五计算单元C5的输入输出关系为D=C-AB;第六计算单元C6的输入输出关系为G=F-AE-2BD+2B2C;第七计算单元C7的输入输出关系为E=D-3AC+2A2B。
如图13所示,几何矩的输出m00、m01、m10、m11、质心水平和垂直坐标值经第四计算单元C4得图像的中心矩μ11,输入输出关系为μ11=m11-x0m10-ym01+x0y0m00;
几何矩的输出m01、m02、质心垂直坐标值经第五计算单元C5得图像的中心矩μ02,输入输出关系为μ02=m02-y0m01;
几何矩的输出m10、m20、质心水平坐标值经第五计算单元C5得图像的中心矩μ20,输入输出关系为μ20=m20-x0m10;
几何矩的输出m11、m02、m12、m10、质心水平和垂直坐标值经第六计算单元C6得图像的中心矩μ12,输入输出关系为μ12=m12-y0m02-2x0m11+2x0 2m10;
几何矩的输出m01、m11、m20、m21、质心水平和垂直坐标值经第六计算单元C6得图像的中心矩μ21,输入输出关系为μ21=m21 x0m20-2y0m11+2y0 2m01;
几何矩的输出m01、m02、m03、质心垂直坐标值经第七计算单元C7得图像的中心矩μ03,输入输出关系为μ03=m03-3y0m02+2y0 2m01;
几何矩的输出m10、m20、m30、质心水平坐标值经第七计算单元C7得图像的中心矩μ30,输入输出关系为μ30=m30-3x0m20+2x0 2m10;
中心矩计算单元的输出(μ00、μ01、μ10、μ11、μ02、μ20、μ21、μ12、μ03、μ30)即为图像的三阶以下(含三阶)中心矩。
本发明几何矩和不变矩的快速计算结构设计涉及超大规模集成电路、数字信号处理离散数学和数据结构等技术,通过对原始的图像几何矩和不变矩计算公式进行优化,提取其规则迭代部分,通过数字滤波器栅格实现规则迭代计算,再将数字滤波器栅格的输出进行优化计算,得到图像的几何矩和中心矩。该方案具有占用资源少、计算速度快、延时小和易于硬件实现等特点,适合对实时性要求较高的场合应用。

Claims (10)

1.一种图像几何矩及中心矩快速计算方法,其特征是:包括数字滤波器栅格设计、几何矩计算、质心计算和中心矩计算在像素时钟下,将图像数据置入流水线结构设计的数字滤波器栅格中,数字滤波器栅格在像素时钟及其倍频时钟下进行规则迭代计算,将数字滤波器栅格不同节点的输出耦合起来,得到图像的几何矩;质心计算以几何矩计算结果为输入数据、在像素时钟下进行质心计算,将几何矩的输出耦合起来,得几何矩;中心矩计算的输入数据来自几何矩计算和质心计算数据,将几何矩和质心的输出耦合起来,得到图像中心矩。
2.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述规则迭代计算使用流水线结构进行一维迭代处理,再将一维处理单元进行垂直方向连接,构成二维脉动阵列结构。
3.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:数字滤波器栅格为串联的水平滤波器和垂直滤波器组合方式,每一滤波器的基本组成是加法器和延迟单元。
4.根据权利要求3所述图像几何矩及中心矩快速计算方法,其特征是:水平滤波器中的加法器为超前进位加法器,垂直滤波器中的加法器为进位传送加法器。
5.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述几何矩计算在几何矩计算单元中进行,由第一~二计算单元组成,第一计算单元的输入输出关系为C=2B-A;第二计算单元的输入输出关系为D=6(C-B)+A。
6.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述几何矩计算的输出即为图像的三阶以下、含三阶几何矩。
7.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述质心计算在几何计算单元中进行,由第三计算单元组成,其输入输出关系为C=B/A。
8.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述中心矩计算在中心矩计算单元中进行,由第四~七计算单元组成,第四计算单元的输入输出关系为G=F-AE-BD+ABC;第五计算单元的输入输出关系为D=C-AB;第六计算单元的输入输出关系为G=F-AE-2BD+2B2C;第七计算单元的输入输出关系为E=D-3AC+2A2B。
9.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:中心矩计算的输出为图像的三阶以下含三阶中心矩。
10.根据权利要求1所述图像几何矩及中心矩快速计算方法,其特征是:所述倍频时钟采用锁相环电路得到的像素时钟的四倍频。
CNA2007101578593A 2007-10-31 2007-10-31 快速图像几何矩和中心矩快速计算方法 Pending CN101425173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA2007101578593A CN101425173A (zh) 2007-10-31 2007-10-31 快速图像几何矩和中心矩快速计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2007101578593A CN101425173A (zh) 2007-10-31 2007-10-31 快速图像几何矩和中心矩快速计算方法

Publications (1)

Publication Number Publication Date
CN101425173A true CN101425173A (zh) 2009-05-06

Family

ID=40615768

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2007101578593A Pending CN101425173A (zh) 2007-10-31 2007-10-31 快速图像几何矩和中心矩快速计算方法

Country Status (1)

Country Link
CN (1) CN101425173A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103364023A (zh) * 2013-06-21 2013-10-23 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN111738904B (zh) * 2020-06-17 2022-05-17 武汉工程大学 一种图像中目标物体的几何矩的计算方法和计算装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103364023A (zh) * 2013-06-21 2013-10-23 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN103364023B (zh) * 2013-06-21 2015-11-18 广东电网公司电力科学研究院 一种基于总体最小二乘的仪表图像中心点提取方法
CN111738904B (zh) * 2020-06-17 2022-05-17 武汉工程大学 一种图像中目标物体的几何矩的计算方法和计算装置

Similar Documents

Publication Publication Date Title
Cong et al. Going from RGB to RGBD saliency: A depth-guided transformation model
Lu et al. A resource-efficient pipelined architecture for real-time semi-global stereo matching
CN102509071B (zh) 光流计算系统和方法
CN101527033A (zh) 超分辨率重建和自动配准的工业ccd彩色成像系统
CN101236511A (zh) 用于优化全局归约处理的方法和系统
CN102278990A (zh) 基于fpga的星敏感器图像处理方法
CN102915529A (zh) 基于遥感“时-空-谱-角”的一体化融合技术及其系统
Li et al. High throughput hardware architecture for accurate semi-global matching
CN112836652A (zh) 一种基于事件相机的多阶段人体姿态估计方法
Han et al. Two-stage edge reuse network for salient object detection of strip steel surface defects
CN101425173A (zh) 快速图像几何矩和中心矩快速计算方法
CN101425174A (zh) 快速图像几何矩和中心矩快速计算结构
Gu et al. Continuous bidirectional optical flow for video frame sequence interpolation
Song et al. Adjacent complementary network for salient object detection in optical remote sensing images
Ding et al. Improved real-time correlation-based FPGA stereo vision system
Schauwecker Real-time stereo vision on FPGAs with SceneScan
Luo et al. Semantic-edge interactive network for salient object detection in optical remote sensing images
CN207909193U (zh) 一种去除椒盐噪声的图像滤波电路
Hakkarainen et al. A 40* 40 CCD/CMOS absolute-value-of-difference processor for use in a stereo vision system
Kong et al. Progressive motion context refine network for efficient video frame interpolation
Zhang et al. FPGA-based implementation of hand gesture recognition using convolutional neural network
Yan et al. Research on moving target tracking system based on FPGA
Saldana et al. FPGA-based customizable systolic architecture for image processing applications
Hou et al. A single-chip 600-fps real-time action recognition system employing a hardware friendly algorithm
CN113361570A (zh) 基于联合数据增强和网络训练模型的3d人体姿态估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090506