CN102289663A - 一种基于颜色和形状的台标识别方法 - Google Patents

Abstract

本发明涉及图像识别技术，特别涉及图像匹配算法。本发明公开了一种基于颜色和形状的台标识别方法，提高图标匹配识别的效率和准确率。本发明的技术方案是，一种基于颜色和形状的台标识别方法，包括如下步骤：a、提取目标台标的颜色特征，与模板图片颜色进行匹配；b、提取目标台标的形状特征，与模板图片形状进行匹配；c、当上述匹配达到设定条件，则目标台标与模板匹配通过，完成目标识别。本发明采用颜色匹配与形状匹配相结合的方式进行台标识别，只有颜色和形状都达到匹配标准时才能确定识别到目标台标，具有台标识别精确度高，识别算法简单、高效的特点，特别适合应用电视机等嵌入式终端。

Description

一种基于颜色和形状的台标识别方法

技术领域

本发明涉及图像识别技术，特别涉及图像匹配算法。

背景技术

电视台台标是一个电视台的标志，包含了该电视台名称、节目取向等重要语义信息，针对目前不能提供电视台台名信息的模拟信号输入，若能在进行节目搜索时正确识别台标，并对节目进行标注和排序，将给用户的使用带来很大方便。

台标识别属于图像匹配的范畴，包括三个方面的内容：一是台标的正确分割；二是台标特征的有效描述；三是有效的识别算法。现有的台标识别算法大多是基于视频序列检索的方式实现，对目标的描述也大多采用简单的低级特征；而在电视的节目搜索过程中不能提供视频序列，只有简单的节目截图，而且根据信号强弱会存在较强的噪声干扰。

发明内容

本发明所要解决的技术问题，就是提供一种基于颜色和形状的台标识别方法，提高图标匹配识别的效率和准确率。

本发明解决所述技术问题，采用的技术方案是，一种基于颜色和形状的台标识别方法，包括如下步骤：

a、提取目标台标的颜色特征，与模板图片颜色进行匹配；

b、提取目标台标的形状特征，与模板图片形状进行匹配；

c、当上述匹配达到设定条件，则目标台标与模板匹配通过，完成目标识别。

具体的，步骤a包括：

a1、将目标台标的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；

a2、采用Meanshift算法找寻基于模版直方图的颜色信息量最大的中心点；

a3、将以步骤a2获取的中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口的子窗口，并分别进行概率密度图的颜色总量对比。

具体的，步骤c中的颜色匹配条件为：当颜色总值均占模版图片颜色总值的40％～200％，确定为颜色匹配通过。

进一步的，步骤b包括：

b1、将目标图像转换为灰度图；

b2、进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；

b3、采用双向抽取的方法构造目标的二层金字塔；

b4、采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；

b5、对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；

b6、用模版图像的边缘点集，在金字塔图像的距离映射图像上进行遍历搜索。

进一步的，步骤c中形状匹配的具体步骤为：

先进行金字塔上层距离匹配，如果其Hausdorff距离小于阈值，即确定在该层金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。

优选的，利用识别的台标进行节目分类排序。

本发明的有益效果是，采用颜色匹配与形状匹配相结合的方式进行台标识别，只有颜色和形状都达到匹配标准时才能确定识别到目标台标，具有台标识别精确度高，识别算法简单、高效的特点。

具体实施方式

本发明采用颜色匹配与形状匹配相结合的方式进行台标识别，只有颜色和形状都达到匹配标准时才能确定识别到目标台标，下面对颜色匹配和形状匹配两种匹配方法进行详细描述。

一、颜色匹配流程

颜色匹配方法，采用的是HSV(hue saturation value)颜色概率密度分布图和Meanshift算法。

首先介绍一下Meanshift算法，它实质上是一种自适应的梯度迭代找寻峰值的算法，主要处理对象是概率密度函数f(x)，只要给定了初始点，Meanshift算法就会使目标点慢慢的移动，最后收敛至某点。

加入核函数的Meanshift如下：

$M_h\left(x\right)\≡\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}G\left(\frac{x_i-x}{h}\right)w\left(x_i\right)(x_i-x)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}G\left(\frac{x_i-x}{h}\right)w\left(x_i\right)}---\left(1\right)$

其中：

G(x)为核函数简化所得；

w(x_i)是给x加入的权重系数；

M_h(x)为变量x的Meanshift向量，当处理对象是概率密度函数f(x)时，它代表了f(x)的梯度的均值方向，而概率密度梯度代表了概率密度增加最快的方向，从综合后的平均看，采样点x_i更多的位于f(x)梯度的方向，所以均值向量M_h(x)的方向是目标范围f(x)梯度的均值方向，代表了x最密集的方向。

颜色匹配实现流程如下：

1、将RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；

2、Meanshift算法找寻基于模版直方图的颜色信息量最大的中心点；

3、进行颜色匹配：将以步骤2获取的中心点为中心的搜索窗口分为四个部分，并分别对左上、左下、右上、右下的子窗口进行概率密度图的颜色总量对比，当颜色总值均占模版图片颜色总值的40％～200％，确定为颜色匹配通过。

二、形状匹配流程

形状匹配方法，采用快速距离变换和金字塔分解加速Hausdorff距离匹配。

首先介绍一下Hausdorff距离，它是描述两组点集之间相似程度的一种量度，它是两点集之间距离的一种定义形式。实际中，在参考图像和目标图像中进行特征点提取可以获取两个点集，利用Hausdorff距离来测量目标点集与参考点集某一区域接近或差异程度的最大距离与最小距离，从而确定目标在参考图像中的位置。

假设有两组点集A、B，则这两个点集之间的Hausdorff距离定义为：

H(A，B)＝max(h(A，B)，h(B，A))                 (2)

其中：

$h(A,B)=\underset{a\∈A}{\max }\underset{b\∈B}{\min }\left|\right|a-b\left|\right|---\left(3\right)$

$h(B,A)=\underset{b\∈B}{\max }\underset{a\∈A}{\min }\left|\right|b-a\left|\right|---\left(4\right)$

传统Hausdorff易受突发噪声的影响，而且运算量大，本文采用改进后的距离算法，在降低运算量的同时大大增强算法鲁棒性，主要体现为距离变换和金字塔分解。

距离变换就是将目标点集图像变换为目标点集距离图像，它的各个像素点代表的是该点与目标点集之间的最短距离。如果对模版图片和目标图片进行点与点的距离匹配运算量会非常大：模版在目标图片中各个点都要进行一次匹配，即width(宽度)×height(高度)次，而且每个模版都要进行这样的一轮匹配，即一个目标图像的总匹配次数为(Width×height×总模板数)次，这样的运算量限制了没有距离变换的Hausdorff的使用，所以距离变换是Hausdorff的基础。

金字塔分解就是将目标图像变换为多分辨率等级的点集信息，多分辨率包含了图像更多的特征信息，而且基于金字塔顶层的快速运算也是对算法性能的大大提升。

形状匹配的实现流程如下：

1、将目标图像转换为灰度图；

2、进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；

3、采用双向抽取的方法构造目标图像的二级金字塔(上下层)；

4、采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；

5、对轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；

6、用各模版图像的边缘点集，在金字塔上层的距离映射图像上进行遍历搜索，如果其Hausdorff距离小于阈值，即确定在该金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。

三，利用识别的台标进行节目分类排序：

采用本发明可以对电视台标图像进行有效识别，可以实现台标的智能识别和排序功能，实现流程如下：

1、台标知识数据库建立。

利用台标图像的HSV颜色空间直方图信息和轮廓特征信息，建立电视台台标知识数据库，获取各电视台的台标图像，并抽取其图像特征；

对台标进行分类管理，给台标加入一系列属性，以方便以后的排序管理，主要属性有：CCTV类，地方太类，娱乐类，体育类，财经类，收视排名；

以获取50个电视台台标为例，形成的知识库不到300KB，将其存放在电视机本地，由于网络电视的普及，所以用户可以随时与服务器上最新的台标知识库同步。

2、进行台标识别。

采用本发明的台标识别方法，对电视搜台过程中抓取的台标图像进行分析整理；

首先根据用户选择的排序方式建立输出数据结构，排序方式有CCTV优先，娱乐类节目优先，收视排名优先等；然后对各个台标图像进行分析，并根据结果放入输出数据结构中。

四，结果分析

本发明台标识别方法的测试结果如下。

1、测试平台：PM33I机芯。

2、测试用图片：

模版——80张；

目标——200张；

3、正确识别率：

CCTV      ——98％；

其它电视台——75％；

(CCTV阈值选择较高，但算法复杂度也较高。)

4、错误识别率：

CCTV      ——0％；

其它电视台——2％；

5、识别率受到信号强度、颜色干扰等因素的影响，所以未识别、误识别的情况不可避免，只要达到一定的识别率就可基本满足使用需求。

6、总运行时间：2分10秒，该时间小于电视机搜台所需时间。

具体实现中，由于电视主程序搜台过程对CPU占用率不到30％，可以将算法作为一个单独的进程实现，在电视主程序搜台过程中同步运行，这样可以在不延长搜台时间的基础上，完成节目的识别排序管理，如将中央电视台(台标为CCTV)排序完成后，再排其他台标的节目等。

Claims (6)

1.一种基于颜色和形状的台标识别方法，包括如下步骤：

a、提取目标台标的颜色特征，与模板图片颜色进行匹配；

b、提取目标台标的形状特征，与模板图片形状进行匹配；

c、当上述匹配达到设定条件，则目标台标与模板匹配通过，完成目标识别。

2.根据权利要求1所述的一种基于颜色和形状的台标识别方法，其特征在于，步骤a包括：

a1、将目标台标的RGB颜色空间转换为HSV颜色空间，去除饱和度较低的像素点后，根据H特征获取直方图并计算其概率密度分布图；

a2、采用Meanshift算法找寻基于模版直方图的颜色信息量最大的中心点；

a3、将以步骤a2获取的中心点为中心的搜索窗口分为左上、左下、右上、右下四个子窗口的子窗口，并分别进行概率密度图的颜色总量对比。

3.根据权利要求2所述的一种基于颜色和形状的台标识别方法，其特征在于，步骤c中的颜色匹配条件为：当颜色总值均占模版图片颜色总值的40％～200％，确定为颜色匹配通过。

4.根据权利要求1所述的一种基于颜色和形状的台标识别方法，其特征在于，步骤b包括：

b1、将目标图像转换为灰度图；

b2、进行膨胀腐蚀形态学滤波，去除独立噪声并增加图像连续性；

b3、采用双向抽取的方法构造目标的二层金字塔；

b4、采用Sobel算子对各级金字塔图像进行边缘检测，得到轮廓金字塔图像；

b5、对主轮廓金字塔图像进行快速Hausdorff距离变换，得到能够反映各像素点与边缘点集之间最近距离的距离映射图像；

b6、用模版图像的边缘点集，在金字塔图像的距离映射图像上进行遍历搜索。

5.根据权利要求4所述的一种基于颜色和形状的台标识别方法，其特征在于，步骤c中形状匹配的具体步骤为：

先进行上层金字塔距离匹配，如果其Hausdorff距离小于阈值，即确定在该层金字塔等级匹配成功，进入金字塔下层的匹配运算，直到找到目标或者遍历完毕结束。

6.根据权利要求1所述的一种基于颜色和形状的台标识别方法，其特征在于，利用识别的台标进行节目分类排序。