CN102609960B - 一种提取目标区域的方法 - Google Patents

一种提取目标区域的方法 Download PDF

Info

Publication number
CN102609960B
CN102609960B CN201210035012.9A CN201210035012A CN102609960B CN 102609960 B CN102609960 B CN 102609960B CN 201210035012 A CN201210035012 A CN 201210035012A CN 102609960 B CN102609960 B CN 102609960B
Authority
CN
China
Prior art keywords
target area
image
pixel
fractional
window
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.)
Expired - Fee Related
Application number
CN201210035012.9A
Other languages
English (en)
Other versions
CN102609960A (zh
Inventor
王琼华
彭华荣
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.)
Sichuan University
Original Assignee
Sichuan University
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 Sichuan University filed Critical Sichuan University
Priority to CN201210035012.9A priority Critical patent/CN102609960B/zh
Publication of CN102609960A publication Critical patent/CN102609960A/zh
Application granted granted Critical
Publication of CN102609960B publication Critical patent/CN102609960B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提出一种提取目标区域的方法。首先计算矩形窗内每个像素点的分维度形成分维度矩阵，在目标区域对应部分选取部分像素点的分维度，这些选出的分维度连同其在矩形窗内的位置构成特征分维度；然后在图像中以相同大小的矩形窗逐步搜索，计算矩形窗内每个像素点的分维度，搜索是否也存在目标区域的特征分维度；如果存在，则视为从图像中提取出了目标区域，如果不存在，则图像中不存在该目标区域。该方法抗噪声能力较强，而且所用特征分维度对应的像素点不要求具有代表性，能够用特征分维度提取尺寸小于4×4的目标区域。

Description

一种提取目标区域的方法
技术领域
本发明涉及立体图像处理领域。
背景技术
已知一个目标区域，欲在一幅图像中提取出无旋转和无缩放的该区域，称为提取目标区域。提取目标区域常用方法之一是将该目标区域放入一个恰好包含该目标区域的矩形窗，矩形窗的长为目标区域的长的最大值，宽为目标区域的宽的最大值，然后在图像中以相同大小的矩形窗逐步搜索，将图像中每个矩形窗内所有像素与目标区域像素按一定方式予以比较，满足一定条件则认为已经从图像中提取出目标区域；一定方式指窗口内像素值的均值、像素值之差的绝对值之和以及归一化方差等。该方法一般需要对窗口内所有像素值做差，较易受噪声影响，同时某些方式受旋转影响很大。提取目标区域常用方法之二是将该目标区域放入一个恰好包含该目标区域的矩形窗，在该矩形窗内选取有代表性的像素点，然后在图像中按一定方式搜索出这些有代表性的像素点；代表性是指具有明显特征，比如三角形的顶点、线段的交点等。该方法依赖于有代表性的像素点的选取。
图像的分维度是对图像局部与图像全体的相似性的一种量度，分为图像全体的分维度和图像像素点的分维度。前者对一幅图像计算出一个数值作为图像全体的分维度，不能区分出图像内的点，对图像的转置具有不变性；后者可以区分出图像内的像素点，但不能区分图像全体，且常用计算方法计算出的像素点的分维度对图像的转置不具有不变性，即图像矩阵的分维度矩阵的转置不等于图像矩阵的转置的分维度矩阵；两者不能定义于尺寸小于4×4的图像。
发明内容
本发明提出一种提取目标区域的方法。该方法首先计算矩形窗内每个像素点的分维度形成分维度矩阵，在目标区域对应部分选取部分像素点的分维度，使得这些选出的分维度尽可能多且不等，优选的，如果分维度矩阵中存在至少3个不等的分维度，则选择3个不等的分维度，如果分维度矩阵中仅存在少于3个不等的分维度，则选取目标区域对应部分所有像素点的分维度，这些选出的分维度连同其在矩形窗内的位置构成该目标区域的特征分维度；然后在图像中以与包含目标区域的矩形窗相同大小的矩形窗逐步搜索，计算矩形窗内每个像素点的分维度，搜索是否也存在目标区域的特征分维度。如果存在，则视为从图像中提取出了目标区域，搜索出的特征分维度的位置即为目标区域相应像素点在图像中的位置；如果不存在，则图像中不存在该目标区域。
图像矩阵中每个像素的分维度的计算方法如下。假设窗口的尺寸为                                               
Figure 2012100350129100002DEST_PATH_IMAGE002
。如果
Figure 2012100350129100002DEST_PATH_IMAGE004
且
Figure 2012100350129100002DEST_PATH_IMAGE006
，则将该区域放入4×4的窗口，窗口内非目标区域的像素值为0，按尺寸4×4进行如下计算。第一步，将窗口内图像通过周期扩展方式扩大到
Figure DEST_PATH_IMAGE008
大小，形成临时窗口图像。第二步，对窗口内图像的每个像素点，在临时窗口图像中选取以其为近似对称中心，奇数时即对称中心，偶数时偏离对称中心半个像素，且大小为的图像作为该像素点对应的图像。第三步，如附图1所示，对该像素点对应的图像，用
Figure DEST_PATH_IMAGE010
个边长为
Figure 2012100350129100002DEST_PATH_IMAGE012
的矩形尽量且不重复覆盖，窗口内图像的下方未覆盖区域用以
Figure 365837DEST_PATH_IMAGE012
为长的矩形覆盖，不要求宽为
Figure 145574DEST_PATH_IMAGE012
，右方未覆盖区域用以
Figure 540783DEST_PATH_IMAGE012
为宽的矩形覆盖，不要求长为
Figure 417472DEST_PATH_IMAGE012
；计算每个矩形范围内最大像素值与最小像素值的差值，对所有的差值乘以
Figure DEST_PATH_IMAGE014
再加上一个常数再求和得到
Figure DEST_PATH_IMAGE016
，优选的，该常数为0.001。第四步，令
Figure 52984DEST_PATH_IMAGE012
从2增加到一个值，该值为
Figure DEST_PATH_IMAGE018
与
Figure DEST_PATH_IMAGE020
两个值中的较小值，得到一系列数对
Figure DEST_PATH_IMAGE022
；最后以直线拟合对数坐标
Figure DEST_PATH_IMAGE024
获得对应于窗口内图像该像素点的分维度。这样的计算方法能使图像像素点的分维度对图像转置操作具有不变性，即图像的分维度矩阵的转置等于图像的转置的分维度矩阵。
本发明没有利用所有像素值做差，抗噪声能力较强，而且所用特征分维度对应的像素点不要求具有代表性，能够用特征分维度提取尺寸大于等于以及小于4×4的目标区域。在图像有少量噪声或少量缩放时可以突显出本方法带来的便利。
附图说明
附图1为分维度计算的覆盖过程。
附图2为目标区域。
附图3为恰好包含目标区域的矩形窗。
附图4为包含目标区域的多个矩形窗。
附图5为矩形窗内每个像素点的分维度形成的分维度矩阵。
附图6为包含目标区域的图像。
附图7为图像内某一矩形窗。
附图8为图像内某一矩形窗内每个像素点的分维度形成的分维度矩阵。
附图中标号示意为：(1)从目标区域所在矩形窗的分维度矩阵中选取的特征分维度；(2)从图像某一矩形窗的分维度矩阵中搜索出的特征分维度图5为矩形窗内每个像素点的分维度形成的分维度矩阵。
应该理解上述附图只是示意性的，并没有按比例绘制。
具体实施方式
下面详细说明利用本发明来提取目标区域的一个典型实施例，对本发明进行进一步的具体描述。有必要在此指出的是，以下实施例只用于本发明做进一步的说明，不能理解为对本发明保护范围的限制，该领域技术熟练人员根据上述本发明内容对本发明做出一些非本质的改进和调整，仍属于本发明的保护范围。
采用本发明提取目标区域的步骤如下。
第一步，将目标区域放入一个恰好包含该目标区域的矩形窗，即将目标区域的像素值赋给矩形窗内像素点，矩形窗初始像素值均为0，得到矩形窗。计算矩形窗内每个像素点的分维度得到分维度矩阵；从分维度矩阵中选取出特征分维度。该实施例中目标区域如附图2所示，尺寸为13×8，包含目标区域的矩形窗如附图3所示，尺寸为13×8，计算分维度时选择的参数为0.001，分维度矩阵如附图4中矩阵所示，在矩形窗的分维度矩阵中选取的特征分维度如标号（1）所示，表示矩形窗内坐标为（1, 1）的像素点其分维度为2.158772，处于（1, 4）位置的像素点其分维度为2.270975，处于(4, 2)位置的像素点其分维度为1.963879。
对某些目标区域，可以选用多个矩形窗包含目标区域。如附图5所示，左边为目标区域，右边为两个矩形窗，中间的箭头表示将目标区域的横竖两部分分别用两个矩形包含。此时目标区域的特征分维度由每个矩形窗的特征分维度连同其在多个矩形窗中的位置构成。
第二步，在包含目标区域的图像中分别依次选取与包含目标区域的矩形窗同样大小的矩形窗；计算矩形窗内每个像素的分维度得到分维度矩阵；在该分维度矩阵中搜索是否存在目标区域的特征分维度，如果存在，则该矩形窗包含目标区域，目标区域的提取完成；特征分维度在图像中的位置即为目标区域相应像素点在图像中所占的位置。如果所有矩形窗内均不存在特征分维度，则图像中不存在目标区域。本实施例中，包含目标区域的图像如附图6所示，尺寸为73×73，选取的某一个矩形窗如附图7所示，矩形窗对应的分维度矩阵如附图8所示，搜索到的特征分维度如（2）所示。

Claims (1)

1.一种提取目标区域的方法，其特征是利用目标区域内部分像素点的分维度和位置构成目标区域的特征分维度实现在图像中提取该目标区域，其具体方法为：首先计算矩形窗内每个像素点的分维度形成分维度矩阵，计算方式是，设窗口的尺寸为M×N，如果M＜4且N＜4，则将该区域放入4×4的窗口，窗口内非目标区域的像素值为0，按尺寸4×4进行如下计算，第一步，将窗口内图像通过周期扩展方式扩大到
Figure FDA0000416934720000011
大小，形成临时窗口图像，第二步，对窗口内图像的每个像素点，在临时窗口图像中选取以其为近似对称中心，奇数时即对称中心，偶数时偏离对称中心半个像素，且大小为M×N的图像作为该像素点对应的图像，第三步，对该像素点对应的图像，用m×n， 
Figure FDA0000416934720000012
个边长为ri的矩形彼此不重复地覆盖，窗口内图像的下方未覆盖区域用以ri为长的矩形覆盖，不要求宽为ri，右方未覆盖区域用以ri为宽的矩形覆盖，不要求长为ri，使得相邻矩形间不存在未被覆盖的像素；计算每个矩形范围内最大像素值与最小像素值的差值，对所有的差值乘以256/ri再加上一个常数再求和得到sumi，第四步，令ri从2增加到一个值，该值为
Figure FDA0000416934720000013
两个值中的较小值，得到一系列数对(ri,sumi)，第五步以直线拟合对数坐标(log(ri),log(sumi))获得对应于窗口内图像该像素点的分维度；在目标区域对应部分选取部分像素点的分维度，使得这些选出的分维度尽可能多且不等，如果分维度矩阵中存在至少3个不等的分维度，则选择3个不等的分维度，如果分维度矩阵中仅存在少于3个不等的分维度，则选取目标区域对应部分所有像素点的分维度，这些选出的分维度连同其在矩形窗内的位置构成该目标区域的特征分维度；然后在图像中以与包含目标区域的矩形窗相同大小的矩形窗逐步搜索，计算矩形窗内每个像素点的分维度，搜索是否也存在目标区域的特征分维度；如果存在，则视为从图像中提取出了目标区域，搜索出的特征分维度的位置即为目标区域相应像素点在图像中的位置；如果不存在，则图像中不存在该目标区域。 
CN201210035012.9A 2012-02-16 2012-02-16 一种提取目标区域的方法 Expired - Fee Related CN102609960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210035012.9A CN102609960B (zh) 2012-02-16 2012-02-16 一种提取目标区域的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210035012.9A CN102609960B (zh) 2012-02-16 2012-02-16 一种提取目标区域的方法

Publications (2)

Publication Number Publication Date
CN102609960A CN102609960A (zh) 2012-07-25
CN102609960B true CN102609960B (zh) 2014-01-08

Family

ID=46527304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210035012.9A Expired - Fee Related CN102609960B (zh) 2012-02-16 2012-02-16 一种提取目标区域的方法

Country Status (1)

Country Link
CN (1) CN102609960B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667293A (zh) * 2009-09-24 2010-03-10 哈尔滨工业大学 对多种传感器遥感图像进行高精度稳健配准的方法
CN102034114A (zh) * 2010-12-03 2011-04-27 天津工业大学 一种基于特征点检测的模板匹配跟踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011180792A (ja) * 2010-03-01 2011-09-15 Sony Corp 画像処理装置及び画像処理方法、並びにコンピューター・プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667293A (zh) * 2009-09-24 2010-03-10 哈尔滨工业大学 对多种传感器遥感图像进行高精度稳健配准的方法
CN102034114A (zh) * 2010-12-03 2011-04-27 天津工业大学 一种基于特征点检测的模板匹配跟踪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DAVID G. LOWE et al.Distinctive Image Features from Scale-Invariant Keypoints.《International Journal of Computer Vision》.2004,第60卷(第2期),91-110.
Distinctive Image Features from Scale-Invariant Keypoints;DAVID G. LOWE et al;《International Journal of Computer Vision》;20041231;第60卷(第2期);91-110 *
彩色像对的邻域边界差值模板匹配算法研究;梁柱等;《计算机工程与应用》;20091231;第45卷(第33期);147-148，167 *
梁柱等.彩色像对的邻域边界差值模板匹配算法研究.《计算机工程与应用》.2009,第45卷(第33期),147-148，167.

Also Published As

Publication number Publication date
CN102609960A (zh) 2012-07-25

Similar Documents

Publication Publication Date Title
CN107480649B (zh) 一种基于全卷积神经网络的指纹汗孔提取方法
CN101520894B (zh) 基于区域显著性的显著对象提取方法
CN109871823B (zh) 一种结合旋转框和上下文信息的卫星图像舰船检测方法
CN104574366A (zh) 一种基于单目深度图的视觉显著性区域的提取方法
CN103927741A (zh) 增强目标特征的sar图像合成方法
CN104408711A (zh) 一种基于多尺度区域融合的显著区域检测方法
WO2003036563A1 (fr) Procede et processeur de traitement de signal
CN104915672A (zh) 一种基于高分辨率遥感图像的矩形建筑物提取方法及系统
Liu et al. A novel feature fusion approach for VHR remote sensing image classification
CN103489193A (zh) 基于融合策略的面向对象的高分辨率遥感影像变化检测方法
CN116580195A (zh) 基于ConvNeXt卷积的遥感图像语义分割方法及系统
CN104036272A (zh) 一种文本检测方法及电子设备
Li et al. SAR image near-shore ship target detection method in complex background
TW201820260A (zh) 全天候熱影像式行人偵測方法
Dong et al. A cloud detection method for GaoFen-6 wide field of view imagery based on the spectrum and variance of superpixels
CN106971402B (zh) 一种基于光学辅助的sar图像变化检测方法
CN102609960B (zh) 一种提取目标区域的方法
Wang et al. Saliency detection using mutual consistency-guided spatial cues combination
CN103268476A (zh) 一种遥感图像目标监测方法
CN105427291A (zh) 多光谱遥感影像矢量边缘检测方法
CN104143085A (zh) 一种复杂背景下结合显著性信息的物体性检测方法
CN114037839B (zh) 一种小目标识别方法、系统、电子设备及介质
Nguyen et al. Efficient vanishing point estimation for unstructured road scenes
Yang et al. Comparison of spectral-spatial classification for urban hyperspectral imagery with high resolution
CN103679725B (zh) 基于直线检测和模板匹配的刀刃区域自动检索方法

Legal Events

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

Granted publication date: 20140108

Termination date: 20170216