CN101872480A - 数字图像中斑状特征的位置与尺寸自动检测方法 - Google Patents

数字图像中斑状特征的位置与尺寸自动检测方法 Download PDF

Info

Publication number
CN101872480A
CN101872480A CN201010204898A CN201010204898A CN101872480A CN 101872480 A CN101872480 A CN 101872480A CN 201010204898 A CN201010204898 A CN 201010204898A CN 201010204898 A CN201010204898 A CN 201010204898A CN 101872480 A CN101872480 A CN 101872480A
Authority
CN
China
Prior art keywords
characteristic
image
point
speckled
energy
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.)
Granted
Application number
CN201010204898A
Other languages
English (en)
Other versions
CN101872480B (zh
Inventor
王志衡
刘红敏
贾宗璞
杨立身
薛霄
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN2010102048986A priority Critical patent/CN101872480B/zh
Publication of CN101872480A publication Critical patent/CN101872480A/zh
Application granted granted Critical
Publication of CN101872480B publication Critical patent/CN101872480B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种数字图像中斑状特征的位置与尺寸自动检测方法，包括步骤：采集图像并输入计算机；利用高斯梯度模板计算图像中各点的梯度向量；将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；在三维特征能量空间中确定极大值点；利用极大值点之间的位置关系去除不对应图像中斑状特征的极大值点；将三维极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。本发明提供的方法能够有效地检测出图像中斑状特征的位置与尺寸信息，能够广泛用于图像识别与图像分析等任务。

Description

数字图像中斑状特征的位置与尺寸自动检测方法
技术领域
本发明涉及计算机视觉中的图像特征自动检测领域，特别是数字图像中斑状特征的位置与尺寸的自动检测方法。
背景技术
特征检测技术在图像检索、物体识别、视频跟踪以及图像理解等领域有重要应用。近年来，图像特征检测技术取得了较大进展，目前已有的特征检测技术主要集中在特征点与特征区域的检测上，大致可分为以下两类：第一类是特征点检测方法，如Harris算子、SUSAN算子、CSS算子、SIFT特征点等，该类方法主要检测图像中能够显著且能够稳定出现的像素点的位置信息；第二类是特征区域检测技术，如MSER区域技术、IBR技术、EBR技术、基于迭代的仿射不变区域检测技术等，该类方法主要检测图像中具有某种不变性的区域特征。
我们研究发现，类似于“圆点”结构的斑状特征在图像中是普遍存在的，如果能够自动检测出其位置与尺寸信息，能够广泛应用于图像识别跟踪分析等任务。鉴于已有特征检测方法中很少研究这种特征的自动检测问题，本发明主要解决图像中斑状特征位置与尺寸的检测问题。
发明内容
本发明针对数字图像中斑状特征的检测问题，目的是提供一种能够简单准确地检测出图像中斑状特征位置与尺寸的自动方法。为了实现本目的，本发明数字图像中斑状特征的位置与尺寸自动检测方法，包括以下步骤：
步骤S1：采集图像并输入计算机；
步骤S2：利用高斯梯度模板计算图像中各点的梯度向量；
步骤S3：将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；
步骤S4：利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；
步骤S5：在三维特征能量空间中将特征能量大于其周围26个点特征能量的点确定为极大值点；
步骤S6：利用极大值点间的位置关系去除不对应图像中斑状特征的极大值点；
步骤S7：将极大值点转化为图像中斑状特征的位置与尺寸信息并输出结果。
本发明提供的数字图像中斑状特征的位置与尺寸自动检测方法，主要利用图像中各点的梯度特征，首先计算出各点的内积能量并构造三维能量空间，然后在该空间中检测极大值点并去除不对应目标特征的极大值点，最后将极大值点转化为斑状特征的位置与尺寸信息。本发明提供的方法不仅能够快速有效地检测出图像中斑状特征的位置，还能准确地确定斑状特征的尺寸。
附图说明
图1为本发明数字图像中斑状特征的位置与尺寸自动检测方法流程图。
具体实施方式
如图1所示为本发明数字图像中斑状特征的位置与尺寸自动检测方法流程图，包括：采集图像并输入计算机，计算图像中各点的梯度向量，获得图像的内积能量图，构造三维特征能量空间，在三维特征能量空间中检测极大值点，去除不对应图像中斑状特征的极大值点，将极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。各步骤的具体实施细节如下：
步骤S1：采集图像并输入计算机。
步骤S2：利用高斯梯度模板计算图像中各点的梯度向量。
步骤S3：获得图像的内积能量图。将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图，具体方法为，记图像中任意一点X的梯度向量为[fx(X)，fy(X)]，则点X处的内积能量计算公式为
Figure BSA00000149768000031
(其中N(X)表示以点X为中心的一个3×3邻域，abs表示取绝对值运算)。
步骤S4：构造三维特征能量空间。给定一个检测半径r，对于图像中任意一点X，利用公式(其中G(X，r)表示以点X为圆心，r为半径的一个圆形区域)计算点X处的特征能量，通过计算各点的特征能量可获得图像的特征能量图；给定k个检测半径r＝r1，r2，...，rk(其中rk表示拟检测斑状特征的最大半径，可根据拟检测斑状特征的具体情况预先设定)，可获得k幅特征能量图；将这k幅特征能量图根据检测半径r从小到大依次排列，可获得一个三维特征能量空间(三维分别对应图像的行x、列y与检测半径r)。
步骤S5：在三维特征能量空间中检测极大值点。将三维特征能量空间中特征能量大于其周围26个点特征能量的点确定为极大值点，即每一个极大值点(x，y，r)需满足如下条件：
FE(x，y，r)＞FE(x-1，y，r)，    FE(x，y，r)＞FE(x+1，y，r)，
FE(x，y，r)＞FE(x，y-1，r)，        FE(x，y，r)＞FE(x，y+1，r)，
FE(x，y，r)＞FE(x-1，y-1，r)，      FE(x，y，r)＞FE(x-1，y+1，r)，
FE(x，y，r)＞FE(x+1，y-1，r)，      FE(x，y，r)＞FE(x+1，y+1，r)，
FE(x，y，r)＞FE(x-1，y，r-1)，      FE(x，y，r)＞FE(x+1，y，r-1)，
FE(x，y，r)＞FE(x，y-1，r-1)，      FE(x，y，r)＞FE(x，y+1，r-1)，
FE(x，y，r)＞FE(x-1，y-1，r-1)，    FE(x，y，r)＞FE(x-1，y+1，r-1)，
FE(x，y，r)＞FE(x+1，y-1，r-1)，    FE(x，y，r)＞FE(x+1，y+1，r-1)，
FE(x，y，r)＞FE(x，y，r-1)，        FE(x，y，r)＞FE(x-1，y，r+1)，
FE(x，y，r)＞FE(x+1，y，r+1)，      FE(x，y，r)＞FE(x，y-1，r+1)，
FE(x，y，r)＞FE(x，y+1，r+1)，      FE(x，y，r)＞FE(x-1，y-1，r+1)，
FE(x，y，r)＞FE(x-1，y+1，r+1)，    FE(x，y，r)＞FE(x+1，y-1，r+1)，
FE(x，y，r)＞FE(x+1，y+1，r+1)，    FE(x，y，r)＞FE(x，y，r+1)。
步骤S6：去除不对应图像中斑状特征的极大值点。记步骤S5在三维特征能量空间中获得的极大值点组成的集合为{Pi＝(xi，yi，ri)(i＝1，2，...，m)}(其中m表示极大值点的个数)，对于其中的任一极大值点(xi，yi，ri)(i＝1，2，...，m)，如果极大值点集合中存在极大值点(xj，yj，rj)(i≠j)，满足条件
Figure BSA00000149768000041
与FE(xj，yj，rj)＞FE(xi，yi，ri)，则将极大值点(xi，yi，ri)视作不对应图像斑状特征并去除之。
步骤S7：将极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果。对于经过步骤S6后保留下来的每一个三维极大值点(x，y，r)，该点对应图像平面上的一个斑状特征，其中(x，y)为斑状特征的中心，r为斑状特征的尺寸(半径大小)。

Claims (5)

1.一种数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，包括步骤：
步骤S1：采集图像并输入计算机；
步骤S2：利用高斯梯度模板计算图像中各点的梯度向量；
步骤S3：将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；
步骤S4：利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；
步骤S5：在三维特征能量空间中将特征能量大于其周围26个点特征能量的点确定为极大值点；
步骤S6：利用极大值点间的位置关系去除不对应图像中斑状特征的极大值点；
步骤S7：对于经过步骤S6后保留下来的每一个三维极大值点(x，y，r)，该点对应图像平面上的一个斑状特征，其中(x，y)对应斑状特征的中心位置，r对应斑状特征的尺寸(半径大小)。
2.根据权利要求1所述的数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，所述步骤S3包括：将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图，具体方法为，记图像中任意一点X的梯度向量为[fx(X)，fy(X)]，则点X处的内积能量计算公式为
Figure FSA00000149767900011
(其中N(X)表示以点X为中心的一个3×3邻域，abs表示取绝对值运算)。
3.根据权利要求2所述的数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，所述步骤S4包括：给定一个检测半径r，对于图像中任意一点X，利用公式
Figure FSA00000149767900021
(其中G(X，r)表示以点X为圆心，r为半径的一个圆形区域)计算点X处的特征能量，从而获得图像的特征能量图；给定k个检测半径r＝r1，r2，…，rk(其中rk表示拟检测斑状特征的最大半径，可根据拟检测斑状特征的具体情况预先设定)，可获得k幅特征能量图；将这k幅特征能量图根据检测半径r从小到大依次排列，可获得一个三维特征能量空间(三维分别对应图像的行x、列y与检测半径r)。
4.根据权利要求3所述的数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，所述步骤S5包括：将三维特征能量空间中特征能量大于其周围26个点特征能量的点确定为极大值点，即每一个极大值点(x，y，r)需满足如下条件：
FE(x，y，r)＞FE(x-1，y，r)，      FE(x，y，r)＞FE(x+1，y，r)，
FE(x，y，r)＞FE(x，y-1，r)，      FE(x，y，r)＞FE(x，y+1，r)，
FE(x，y，r)＞FE(x-1，y-1，r)，    FE(x，y，r)＞FE(x-1，y+1，r)，
FE(x，y，r)＞FE(x+1，y-1，r)，    FE(x，y，r)＞FE(x+1，y+1，r)，
FE(x，y，r)＞FE(x-1，y，r-1)，    FE(x，y，r)＞FE(x+1，y，r-1)，
FE(x，y，r)＞FE(x，y-1，r-1)，    FE(x，y，r)＞FE(x，y+1，r-1)，
FE(x，y，r)＞FE(x-1，y-1，r-1)，  FE(x，y，r)＞FE(x-1，y+1，r-1)，
FE(x，y，r)＞FE(x+1，y-1，r-1)，  FE(x，y，r)＞FE(x+1，y+1，r-1)，
FE(x，y，r)＞FE(x，y，r-1)，      FE(x，y，r)＞FE(x-1，y，r+1)，
FE(x，y，r)＞FE(x+1，y，r+1)，    FE(x，y，r)＞FE(x，y-1，r+1)，
FE(x，y，r)＞FE(x，y+1，r+1)，    FE(x，y，r)＞FE(x-1，y-1，r+1)，
FE(x，y，r)＞FE(x-1，y+1，r+1)，    FE(x，y，r)＞FE(x+1，y-1，r+1)，
FE(x，y，r)＞FE(x+1，y+1，r+1)，    FE(x，y，r)＞FE(x，y，r+1)。
5.根据权利要求4所述的数字图像中斑状特征的位置与尺寸自动检测方法，其特征在于，所述步骤S6包括：记步骤S5在三维特征能量空间中获得的极大值点组成的集合为{Pi＝(xi，yi，ri)(i＝1，2，…，m)}(其中m表示极大值点的个数)，对于其中的任一极大值点(xi，yi，ri)(i＝1，2，…，m)，如果极大值点集合中存在极大值点(xj，yj，rj)(i≠j)，满足条件与FE(xj，yj，rj)＞FE(xi，yi，ri)，则将极大值点(xi，yi，ri)视作不对应图像斑状特征并去除之。
CN2010102048986A 2010-06-09 2010-06-09 数字图像中斑状特征的位置与尺寸自动检测方法 Expired - Fee Related CN101872480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102048986A CN101872480B (zh) 2010-06-09 2010-06-09 数字图像中斑状特征的位置与尺寸自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102048986A CN101872480B (zh) 2010-06-09 2010-06-09 数字图像中斑状特征的位置与尺寸自动检测方法

Publications (2)

Publication Number Publication Date
CN101872480A true CN101872480A (zh) 2010-10-27
CN101872480B CN101872480B (zh) 2012-01-11

Family

ID=42997324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102048986A Expired - Fee Related CN101872480B (zh) 2010-06-09 2010-06-09 数字图像中斑状特征的位置与尺寸自动检测方法

Country Status (1)

Country Link
CN (1) CN101872480B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920257A (zh) * 2015-12-25 2017-07-04 北京展讯高科通信技术有限公司 数字图像上半径的估计方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008113071A (ja) * 2006-10-27 2008-05-15 Matsushita Electric Works Ltd 自動追尾装置
CN101236646A (zh) * 2007-01-30 2008-08-06 宝利微系统控股公司 在频率域检测与估计图像显著的强相关方向的方法和系统
CN101251926A (zh) * 2008-03-20 2008-08-27 北京航空航天大学 一种基于局部轮廓协方差矩阵的遥感图像配准方法
CN101408981A (zh) * 2008-11-25 2009-04-15 中国电子科技集团公司第二十八研究所 一种红外弱小目标检测方法
US20090285301A1 (en) * 2008-05-19 2009-11-19 Sony Corporation Image processing apparatus and image processing method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008113071A (ja) * 2006-10-27 2008-05-15 Matsushita Electric Works Ltd 自動追尾装置
CN101236646A (zh) * 2007-01-30 2008-08-06 宝利微系统控股公司 在频率域检测与估计图像显著的强相关方向的方法和系统
CN101251926A (zh) * 2008-03-20 2008-08-27 北京航空航天大学 一种基于局部轮廓协方差矩阵的遥感图像配准方法
US20090285301A1 (en) * 2008-05-19 2009-11-19 Sony Corporation Image processing apparatus and image processing method
CN101408981A (zh) * 2008-11-25 2009-04-15 中国电子科技集团公司第二十八研究所 一种红外弱小目标检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920257A (zh) * 2015-12-25 2017-07-04 北京展讯高科通信技术有限公司 数字图像上半径的估计方法及装置

Also Published As

Publication number Publication date
CN101872480B (zh) 2012-01-11

Similar Documents

Publication Publication Date Title
JP5338643B2 (ja) 画像特徴抽出装置、画像処理装置、及びプログラム
Mainali et al. Robust low complexity corner detector
CN108109163A (zh) 一种航拍视频的运动目标检测方法
CN103065135A (zh) 基于数字图像处理的车牌号码匹配算法
CN104123554B (zh) 基于mmtd的sift图像特征提取方法
CN101488224B (zh) 基于相关性度量的特征点匹配方法
KR101753360B1 (ko) 시점 변화에 강인한 특징점 정합 방법
CN104240231A (zh) 基于局部结构二进制模式的多源图像配准
Morago et al. An ensemble approach to image matching using contextual features
Zhou et al. Person re-identification based on nonlinear ranking with difference vectors
JP2013037539A (ja) 画像特徴量抽出装置およびそのプログラム
Żak et al. Local image features matching for real-time seabed tracking applications
CN103765477B (zh) 通过图形匹配和环形检测而用自动模型初始化进行线跟踪
CN105590086A (zh) 一种基于视觉标签识别的物品防盗检测方法
CN105190689A (zh) 包括基于毗连特征的对象检测和/或双边对称对象分段的图像处理
Wu et al. Text detection using delaunay triangulation in video sequence
Martins et al. On the completeness of feature-driven maximally stable extremal regions
Wu et al. Semantic aware sport image resizing jointly using seam carving and warping
CN104036494A (zh) 一种用于水果图像的快速匹配计算方法
Wen et al. An improved SIFT operator-based image registration using cross-correlation information
CN101872480B (zh) 数字图像中斑状特征的位置与尺寸自动检测方法
Tang et al. An improved local feature descriptor via soft binning
Ji et al. Sequential edge linking method for segmentation of remotely sensed imagery based on heuristic search
Chen et al. Dynamic visual saliency modeling based on spatiotemporal analysis
CN104751431A (zh) 一种基于图像处理的方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120111

Termination date: 20150609

EXPY Termination of patent right or utility model