CN102955945A - 一种用于目标识别和跟踪的纹理特征提取方法 - Google Patents
一种用于目标识别和跟踪的纹理特征提取方法 Download PDFInfo
- Publication number
- CN102955945A CN102955945A CN2011102501701A CN201110250170A CN102955945A CN 102955945 A CN102955945 A CN 102955945A CN 2011102501701 A CN2011102501701 A CN 2011102501701A CN 201110250170 A CN201110250170 A CN 201110250170A CN 102955945 A CN102955945 A CN 102955945A
- Authority
- CN
- China
- Prior art keywords
- gray
- scale value
- pixel
- string
- sampled point
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种用于目标识别和跟踪的纹理特征提取方法，该方法以待提取纹理特征的像素点作为圆心，画两个一大一小的同心圆，在两个圆上顺序等间隔采样出相同个数的点，求出两个圆上所采样点的灰度值，再分别与所述的待提取纹理特征的像素点的灰度值进行比较，得到两个由1和0组成的二进制字符串，然后对这两个二进制字符串进行按位异或操作，得到一个新的二进制字符串，对这个新二进制字符串进行圆周左移位操作，得到所有可能的二进制字符串，并从中找到所对应的十进制数值最小的那个二进制字符串即为所述的待提取纹理特征的像素点的纹理特征。本发明的纹理特征的提取方法计算量小，满足目标识别和跟踪的实时性要求。
Description
技术领域
本发明涉及一种用于目标识别和跟踪的纹理特征提取方法，属于计算机技术领域，特别是属于计算机视觉技术领域。
背景技术
随着计算机技术的发展，计算机视觉在很多领域得到广泛的应用。基于计算机视觉的目标识别和跟踪是学术界和工业界一个重要的研究课题。
纹理是物体所具有的一种有规律的表观现象，纹理特征是实现目标识别和目标跟踪的一类极其重要的有判别性的特征属性。人们提出了很多种纹理特征的提取方法，但由于纹理本身的复杂性，目前的纹理特征的提取方法都存在一些缺点，因此找到一种有效的纹理特征的提取方法依然是计算机视觉技术领域迫切需要解决的技术难题。
发明内容
有鉴于此，本发明的目的是发明一种纹理特征提取的方法，以便应用于目标识别和目标跟踪的实际需要中。
为了达到上述目的，本发明提出了一种用于目标识别和跟踪的纹理特征提取方法，所述方法包括下列操作步骤：
(1)对需要处理的灰度图像，以待提取纹理特征的像素点作为圆心，画两个同心圆，一个小圆，半径为r，另一个大圆，半径为R，r和R都为自然数，单位是图像像素；
(2)以步骤(1)所述的圆心作为坐标原点，以水平向右作为x轴的正方向，x轴的正半轴与小圆相交于n1点，以n1点作为起始点，以逆时针方向为正方向，在小圆上顺序等间隔采样取出q个点，即n1，n2，n3，.....，nq，q为偶数；x轴的正半轴与大圆相交于N1点，以N1点作为起始点，以逆时针方向为正方向，在大圆上也顺序等间隔采样取出q个点，即N1，N2，N3，.....，Nq；
(3)求出小圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果小圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让vi取1，否则让vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：v1v2......vq；
(4)求出大圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果大圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让Vi取1，否则让Vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：V1V2......Vq；
(5)对步骤(3)和步骤(4)所得到的二进制字符串v1v2......vq和V1V2......Vq进行按位异或操作，得到一个新的由1和0组成的二进制字符串：t1t2......tq；
(6)对步骤(5)所得到的二进制字符串t1t2......tq进行q-1次圆周左移位操作，加上原始的二进制字符串t1t2......tq，总共有q个二进制字符串，从中找到所对应的十进制数值最小的那个二进制字符串T1T2......Tq，该二进制字符串即为所述的待提取纹理特征的像素点的纹理特征。
所述步骤(3)和所述步骤(4)中求出采样点的灰度值的具体方法是：如果采样点恰好位于某个像素点的中心，则该采样点的灰度值即取该像素点的灰度值；如果采样点不与任何像素点的中心重合，则首先找出与所述采样点距离最近的四个像素点，然后所述采样点的灰度值由所述的这四个像素点的灰度值插值得到。
如果采样点不与任何像素点的中心重合，则所述采样点的灰度值插值计算的具体方法是：采样点与距离其最近的四个像素点的中心的距离分别是d1、d2、d3和d4，假设这四个像素点的灰度值分别是h1、h2、h3和h4，则所述采样点的灰度值h可以根据下式计算获得h＝(h1/d1+h2/d2+h3/d3+h4/d4)/(1/d1+1/d2+1/d3+1/d4)。
所述步骤(1)中大圆半径R和小圆半径r根据需要满足设定的比例关系或设定的差值关系。
所述步骤(1)中如果要处理的图像不是灰度图像，可以先把原来的图像转化为灰度图像后再进行后续操作，或者用原来图像的一个合适的分量图像作为灰度图像来进行后续操作。
本发明的有益效果在于：本发明的纹理特征的提取方法计算量小，能很好的对物体的纹理进行描述，可以方便的应用于目标识别和目标跟踪，满足实时性要求。
附图说明
图1是本发明一种用于目标识别和跟踪的纹理特征提取方法的流程示意图。
图2是本发明一实施例中小圆和大圆上采样点示意图。
图3是本发明一实施例中采样点灰度值插值示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。
参见图1和图2，介绍本发明提出的一种用于目标识别和跟踪的纹理特征提取方法，所述方法包括下列操作步骤：
(1)对需要处理的灰度图像，以待提取纹理特征的像素点作为圆心，画两个同心圆，一个小圆，半径为r，另一个大圆，半径为R，r和R都为自然数，单位是图像像素；
(2)以步骤(1)所述的圆心作为坐标原点，以水平向右作为x轴的正方向，x轴的正半轴与小圆相交于n1点，以n1点作为起始点，以逆时针方向为正方向，在小圆上顺序等间隔采样取出q个点，即n1，n2，n3，.....，nq，q为偶数；x轴的正半轴与大圆相交于N1点，以N1点作为起始点，以逆时针方向为正方向，在大圆上也顺序等间隔采样取出q个点，即N1，N2，N3，.....，Nq；
例如在图2所示的例子中，我们取q为8，在小圆上采样n1、n2、n3、n4、n5、n6、n7和n8这8个采样点；在大圆上采样N1、N2、N3、N4、N5、N6、N7和N8这8个采样点；
对于位于所处理图像靠近边缘位置的待提取纹理特征的像素点，上面所述的小圆和大圆上有些采样点的位置坐标肯定会超出所处理图像的范围，这时可以采用对原始图像进行镜像或进行周期延拓的方法来处理。
(3)求出小圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果小圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让vi取1，否则让vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：v1v2......vq；
例如在图2所示的例子中，如果小圆上那8个采样点的灰度值顺序为{80，125，90，200，30，80，230，15}，待提取纹理特征的像素点的灰度值是100，则得到的二进制字符串v1v2......vq就是：01010010。
(4)求出大圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果大圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让Vi取1，否则让Vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：V1V2......Vq；
例如在图2所示的例子中，如果大圆上那8个采样点的灰度值顺序为{110，135，80，70，130，180，130，75}，待提取纹理特征的像素点的灰度值是100，则得到的二进制字符串V1V2......Vq就是：11001110。
(5)对步骤(3)和步骤(4)所得到的二进制字符串v1v2......vq和V1V2......Vq进行按位异或操作，得到一个新的由1和0组成的二进制字符串：t1t2......tq；
例如：如果我们对前面获得的二进制字符串v1v2......vq(即01010010)和V1V2......Vq(即11001110)进行按位异或操作，则得到的二进制字符串t1t2......tq的值就是：10011100。
(6)对步骤(5)所得到的二进制字符串t1t2......tq进行q-1次圆周左移位操作，加上原始的二进制字符串t1t2......tq，总共有q个二进制字符串，从中找到所对应的十进制数值最小的那个二进制字符串T1T2......Tq，该二进制字符串即为所述的待提取纹理特征的像素点的纹理特征。
例如：如果我们对前面获得的二进制字符串t1t2......tq(即10011100)再进行7次圆周左移位操作，分别可以得到：00111001、01110010、11100100、11001001、10010011、00100111和01001110，则在全部8种二进制字符串中，对应十进制数值最小的就是00100111，该二进制字符串即为所述的待提取纹理特征的像素点的纹理特征。
所述步骤(3)和所述步骤(4)中求出采样点的灰度值的具体方法是：如果采样点恰好位于某个像素点的中心，则该采样点的灰度值即取该像素点的灰度值；
如果采样点不与任何像素点的中心重合，则首先找出与所述采样点距离最近的四个像素点，然后所述采样点的灰度值由所述的这四个像素点的灰度值插值得到。
参见图3，采样点不与任何像素点的中心重合，则找到的与所述采样点距离最近的四个像素点如图3所示，采样点与这四个像素点中心的距离分别是d1、d2、d3和d4。假设这四个像素点的灰度值分别是h1、h2、h3和h4，则采样点的灰度值h可以根据下式计算获得h＝(h1/d1+h2/d2+h3/d3+h4/d4)/(1/d1+1/d2+1/d3+1/d4)。
所述步骤(1)中大圆半径R和小圆半径r根据需要满足设定的比例关系或设定的差值关系。例如R/r＝3或者R-r＝3个像素。
如果要处理的图像不是灰度图像，可以先把原来的图像转化为灰度图像后再按照本发明的方法进行纹理特征的提取，或者用原来图像的一个合适的分量图像作为灰度图像来进行处理。
例如：如果要处理的图像是RGB彩色图像，则可以选择把此RGB彩色图像转换为灰度图像后再进行相关处理，或者选择该彩色图像的R分量图像作为灰度图像来进行后续操作。
Claims (5)
1.一种用于目标识别和跟踪的纹理特征提取方法，其特征在于：所述方法包括下列操作步骤：
(1)对需要处理的灰度图像，以待提取纹理特征的像素点作为圆心，画两个同心圆，一个小圆，半径为r，另一个大圆，半径为R，r和R都为自然数，单位是图像像素；
(2)以步骤(1)所述的圆心作为坐标原点，以水平向右作为x轴的正方向，x轴的正半轴与小圆相交于n1点，以n1点作为起始点，以逆时针方向为正方向，在小圆上顺序等间隔采样取出q个点，即n1，n2，n3，.....，nq，q为偶数；x轴的正半轴与大圆相交于N1点，以N1点作为起始点，以逆时针方向为正方向，在大圆上也顺序等间隔采样取出q个点，即N1，N2，N3，.....，Nq；
(3)求出小圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果小圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让vi取1，否则让vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：v1v2......vq；
(4)求出大圆上所采样的q个点的灰度值，然后分别与所述的待提取纹理特征的像素点的灰度值进行比较，如果大圆上第i个采样点的灰度值不小于所述的待提取纹理特征的像素点的灰度值，则让Vi取1，否则让Vi取0，i是自然数，i大于等于1且小于等于q；这样得到一个由1和0组成的二进制字符串：V1V2......Vq；
(5)对步骤(3)和步骤(4)所得到的二进制字符串v1v2......vq和V1V2......Vq进行按位异或操作，得到一个新的由1和0组成的二进制字符串：t1t2......tq；
(6)对步骤(5)所得到的二进制字符串t1t2......tq进行q-1次圆周左移位操作，加上原始的二进制字符串t1t2......tq，总共有q个二进制字符串，从中找到所对应的十进制数值最小的那个二进制字符串T1T2......Tq，该二进制字符串即为所述的待提取纹理特征的像素点的纹理特征。
2.根据权利要求1所述的一种用于目标识别和跟踪的纹理特征提取方法，其特征在于：所述步骤(3)和所述步骤(4)中求出采样点的灰度值的具体方法是：如果采样点恰好位于某个像素点的中心，则该采样点的灰度值即取该像素点的灰度值；如果采样点不与任何像素点的中心重合，则首先找出与所述采样点距离最近的四个像素点，然后所述采样点的灰度值由所述的这四个像素点的灰度值插值得到。
3.根据权利要求2所述的一种用于目标识别和跟踪的纹理特征提取方法，其特征在于：如果采样点不与任何像素点的中心重合，则所述采样点的灰度值插值计算的具体方法是：采样点与距离其最近的四个像素点的中心的距离分别是d1、d2、d3和d4，假设这四个像素点的灰度值分别是h1、h2、h3和h4，则所述采样点的灰度值h可以根据下式计算获得h＝(h1/d1+h2/d2+h3/d3+h4/d4)/(1/d1+1/d2+1/d3+1/d4)。
4.根据权利要求1所述的一种用于目标识别和跟踪的纹理特征提取方法，其特征在于：所述步骤(1)中大圆半径R和小圆半径r根据需要满足设定的比例关系或设定的差值关系。
5.根据权利要求1所述的一种用于目标识别和跟踪的纹理特征提取方法，其特征在于：所述步骤(1)中如果要处理的图像不是灰度图像，可以先把原来的图像转化为灰度图像后再进行后续操作，或者用原来图像的一个合适的分量图像作为灰度图像来进行后续操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110250170.1A CN102955945B (zh) | 2011-08-29 | 2011-08-29 | 一种用于目标识别和跟踪的纹理特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110250170.1A CN102955945B (zh) | 2011-08-29 | 2011-08-29 | 一种用于目标识别和跟踪的纹理特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102955945A true CN102955945A (zh) | 2013-03-06 |
| CN102955945B CN102955945B (zh) | 2015-08-19 |
Family
ID=47764730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110250170.1A Expired - Fee Related CN102955945B (zh) | 2011-08-29 | 2011-08-29 | 一种用于目标识别和跟踪的纹理特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102955945B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263798A (zh) * | 2019-06-21 | 2019-09-20 | 清华大学 | 高分辨率图像纹理特征提取方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101493892A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 图像特征提取方法及装置 |
| CN101853386A (zh) * | 2010-05-14 | 2010-10-06 | 武汉大学 | 基于拓扑树的局部形状模式的图像纹理基元特征提取方法 |
| CN101888479A (zh) * | 2009-05-14 | 2010-11-17 | 汉王科技股份有限公司 | 检测和跟踪目标图像的方法及装置 |
| CN102103748A (zh) * | 2010-12-14 | 2011-06-22 | 西北工业大学 | 一种复杂背景下红外弱小目标检测和跟踪方法 |
-
2011
- 2011-08-29 CN CN201110250170.1A patent/CN102955945B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101493892A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 图像特征提取方法及装置 |
| CN101888479A (zh) * | 2009-05-14 | 2010-11-17 | 汉王科技股份有限公司 | 检测和跟踪目标图像的方法及装置 |
| CN101853386A (zh) * | 2010-05-14 | 2010-10-06 | 武汉大学 | 基于拓扑树的局部形状模式的图像纹理基元特征提取方法 |
| CN102103748A (zh) * | 2010-12-14 | 2011-06-22 | 西北工业大学 | 一种复杂背景下红外弱小目标检测和跟踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| YEA-SHUAN HUANG等: "A Rapid Texture-Based Moving Object Detection Method", 《PROCEEDINGS OF 2011 8TH ASIAN CONTROL CONFERENCE(ASCC)》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110263798A (zh) * | 2019-06-21 | 2019-09-20 | 清华大学 | 高分辨率图像纹理特征提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102955945B (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108038409A (zh) | 一种行人检测方法 | |
| US11830103B2 (en) | Method, apparatus, and computer program product for training a signature encoding module and a query processing module using augmented data | |
| CN106909901B (zh) | 从图像中检测物体的方法及装置 | |
| CN104700412B (zh) | 一种视觉显著图的计算方法 | |
| CN102789578B (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
| CN111814637A (zh) | 一种危险驾驶行为识别方法、装置、电子设备及存储介质 | |
| CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及系统 | |
| CN210386980U (zh) | 一种基于机器视觉的冷床智能控制系统 | |
| CN105096293A (zh) | 用于处理尿液沉渣图像的待处理区块的方法和装置 | |
| CN101533515A (zh) | 一种面向视频监控的基于块的背景建模方法 | |
| CN111931792A (zh) | 一种基于目标检测的瑶族纹样符号识别方法 | |
| CN111709455A (zh) | 酒瓶表面缺陷模型的评价方法、电子装置及存储介质 | |
| CN101572820B (zh) | 一种运动目标检测过程中的视频信号预处理方法 | |
| CN116778346B (zh) | 一种基于改进自注意力机制的管线识别方法及系统 | |
| CN102955945B (zh) | 一种用于目标识别和跟踪的纹理特征提取方法 | |
| CN105205833A (zh) | 一种基于时空背景模型的运动目标检测方法及装置 | |
| CN104200459A (zh) | 一种信息处理方法及电子设备 | |
| CN111709452A (zh) | 酒瓶表面缺陷模型的评价方法、电子装置及存储介质 | |
| CN108389248B (zh) | 一种k线图的动画缩放方法、电子设备及存储介质 | |
| CN111047654A (zh) | 一种基于色彩信息的高清高速视频背景建模方法 | |
| CN106875101B (zh) | 一种能源管理系统控制方法及控制装置 | |
| CN103020984B (zh) | 基于稀疏表达的三维人体运动数据补全方法 | |
| CN104156618A (zh) | 基于地图的经济数据自动分析系统 | |
| CN105389775B (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 | |
| CN114266879A (zh) | 三维数据增强、模型训练检测方法、设备及自动驾驶车辆 |
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: 20150819 Termination date: 20160829 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |