CN103679174A - 一种形状描述子的生成方法、装置 - Google Patents

Abstract

本发明适用于计算机图像处理与目标识别领域，提供了一种形状描述子的生成方法、装置，所述方法包括：对一副图像进行边缘检测，得到所述图像的轮廓二值图像；获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；对所述质心距离矩阵中的质心距离进行量化；根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。本发明，不仅利用了距离直方图的平移、旋转、尺度不变性，也引进了空间信息和相邻像素的相关性，使形状描述更加准确。

Description

一种形状描述子的生成方法、装置

技术领域

本发明属于计算机图像处理与目标识别领域，尤其涉及一种形状描述子的生成方法、装置。

背景技术

在计算机图像处理与目标识别领域，为了描述一副图像，人们通常将图像的颜色、形状、纹理和空间信息作为图像的描述子。

各种描述子中，最直接有效、快速的莫过于颜色直方图，颜色直方图计算简单快速，然而颜色直方图忽略了颜色之间的空间分布信息，不同的颜色分布的图像可能会有相同的颜色直方图，此外基于颜色的图像描述方法往往对图像的颜色和亮度变换敏感。

由于图像的形状往往与目标对象紧密联系并且不随周围环境的变化而变化，如图像亮度、对比度等，因此形状特征比起颜色和纹理特征更具有稳定性。找到一个能够代表形状的、鲁棒的描述子是一件重要的任务。

形状描述子是提取能代表图像的、稳定的特征形成特征向量，通过这些特征向量表示形状，该特征向量要具有平移、旋转和尺度的不变性。

现有的形状描述子中主要以基于边缘的和基于区域的两种方法，基于边缘的方法是利用形成形状的稳定的边缘上的像素点的信息，而基于区域的是利用形成形状的区域内的所有像素点信息。基于边缘的方法主要有曲率，边缘方向直方图，链码，傅里叶描述子等方法。基于区域的形状描述子主要有不变矩、网格等方法。

在以上的方法中，边缘梯度方向是一种流行的描述子。Jain A K and Vailaya提出了边缘方向直方图EDH的形状描述方法。然而，该方法仅仅用了边缘信息而忽略了边缘像素之间的空间分布信息。Fariborz Mahmoudi等人提出了一种边缘方向自相关图EOAC的形状描述方法，有效的考虑了边缘像素之间的空间信息，但是该方法对形状的旋转敏感。质心距离直方图是一个有效的形状描述方法，该方法具有平移、旋转和尺度的不变性。但是该方法具有直方图同样的问题，就是忽略了像素的空间信息，不同形状的图像可能具有相同的质心距离直方图。为了解决这个问题，现有技术也提出了一种距离聚合向量的形状描述方法，在距离直方图的基础上将每个区间里的像素分为聚合和非聚合，有效的融入了轮廓的空间信息。该方法虽然较好的弥补了直方图的缺点，但是不能完全克服该缺点，不同的形状仍有可能具有相同的距离聚合向量。

总之，现有的各种形状描述子都不能充分地考虑组成形状的像素的空间分布信息，对形状的描述能力比较差，使得后续根据该形状描述子进行图像的检索时，检索结果的精确度不高。

发明内容

本发明实施例提供了一种形状描述子的生成方法、装置，旨在解决现有技术提供的各种形状描述子不能充分地反映组成形状的像素的空间分布信息的问题。

一方面，提供一种形状描述子的生成方法，所述方法包括：

对一副图像进行边缘检测，得到所述图像的轮廓二值图像；

获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；

对所述质心距离矩阵中的质心距离进行量化；

根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

进一步地，在所述对所述质心距离矩阵中的质心距离进行量化之前，还包括：

对所述质心距离矩阵中所有的质心距离进行标准化处理，将所有的质心距离规划到0至w/2之间；

其中，w为轮廓二值图像的矩形包围盒的最大尺寸。

进一步地，所述对所述质心距离矩阵中的质心距离进行量化为：

以

为单位将质心距离矩阵中所有的质心距离均匀的量化为n个区间。

进一步地，所述根据量化后的质心距离计算所述图像的质心距离自相关图矩阵包括：

定义一个距离集；

定义质心距离自相关图矩阵；

根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离自相关图矩阵。

进一步地，所述根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离相关图矩阵包括：

A、根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵；

B、对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值；

C、采用四邻域的方法在所述质心距离矩阵查找元素D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵中的相应元素E(k,n)做加一操作，其中，k为定义的距离集中的一个距离，n为图像的质心距离矩阵中的元素D(i,j)的值，i，j表示像素点在图像中的位置，分别小于图像的宽度和高度；

D、如果不满足步骤C的条件，扫描下一个像素点，直到扫描到D(i,j)中的最后一个像素点的质心距离。

另一方面，提供一种形状描述子的生成装置，所述装置包括：

边缘检测单元，用于对一副图像进行边缘检测，得到所述图像的轮廓二值图像；

质心距离矩阵生成单元，用于获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；

质心距离量化单元，用于对所述质心距离矩阵中的质心距离进行量化；

质心距离自相关图矩阵生成单元，用于根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

进一步地，所述装置还包括：

质心距离标准化单元，用于对所述质心距离矩阵中所有的质心距离进行标准化处理，将所有的质心距离规划到0至w/2之间；

其中，w为轮廓二值图像的矩形包围盒的最大尺寸。

进一步地，所述质心距离量化单元以

为单位将质心距离矩阵中所有的质心距离均匀的量化为n个区间。

进一步地，所述质心距离自相关图矩阵生成单元包括：

距离集定义子单元，用于定义一个距离集；

自相关图矩阵定义子单元，用于定义质心距离自相关图矩阵；

自相关图矩阵生成子单元，用于根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离自相关图矩阵。

进一步地，所述自相关图矩阵生成子单元包括：

自相关图矩阵构建模块，用于根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵；

质心距离获取模块，用于对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值；

自相关图矩阵生成模块，用于采用四邻域的方法在所述质心距离矩阵中查找质心距离D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵中的相应元素E(k,n)做加一操作，否则扫描下一个像素点，直到扫描到D(i,j)中的最后一个像素点的质心距离；

其中，k为定义的距离集中的一个距离，n为图像的质心距离矩阵中的元素D(i,j)的值，i，j表示像素点在图像中的位置，分别小于图像的宽度和高度。

在本发明实施例，距离直方图的基础上提出距离自相关图，该方法的优点是不仅利用了距离直方图的平移、旋转、尺度不变性，也引进了空间信息和相邻像素的相关性，使形状描述更加准确。此外，本实施例实现简单，可以适用于各类图像库等优点。另外，通过图像的质心距离自相关图来进行图像的检索，检索精度更高。

附图说明

图1是本发明实施例一提供的形状描述子的生成方法的实现流程图；

图2是本发明实施例一提供的一副代表形状的图像；

图3、图4、图5和图6分别示出了利用本实施例的质心距离自相关图以及现有技术提供的距离直方图、距离聚合向量、边缘方向自相关图进行仿真检索的效果示意图；

图7是本发明实施例二提供的形状描述子的生成装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，距离直方图的基础上提出距离自相关图，该方法的优点是不仅利用了距离直方图的平移、旋转、尺度不变性，也引进了空间信息和相邻像素的相关性，使形状描述更加准确。

以下结合具体实施例对本发明的实现进行详细描述：

实施例一

图1示出了本发明实施例一提供的形状描述子的生成方法的实现流程，详述如下：

在步骤S101中，对一副图像进行边缘检测，得到所述图像的轮廓二值图像。

在本实施例中，用Sobel算子对采集到的一幅图像f(x,y)进行边缘检测，经边缘检测后得到图像f(x,y)的轮廓二值图像B(x,y)。

其中，图2是一副代表形状的图像，该图像是MPEG7形状测试库中的其中一类图像中的一副。

在步骤S102中，获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵。

在本实施例中，轮廓二值图像上所有的轮廓点的质心距离是指轮廓二值图像上所有的轮廓点与轮廓二值图像的质心之间的距离。

在具体执行时，首先计算轮廓二值图像的质心c(x_c,y_c)，。

其中， $x_c=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_i,y_c=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{y}_i$   公式（1）

再计算轮廓二值图像B(x,y)的轮廓点b_i(x_i,y_i)与轮廓二值图像的质心c(x_c,y_c)之间的距离，即质心距离d(b_i,c)：

$d(b_i,c)=\sqrt{{(x_i-x_c)}^2+{(y_i-y_c)}^2}$   公式（2）

然后，根据公式(1)和公式(2)计算轮廓图像B(x,y)上的所有轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵D(x,y)。

作为本发明的一个优选实施例，在得到质心距离矩阵D(x,y)后，对所述质心距离矩阵D(x,y)进行标准化。

具体的，该优选实施例中，由于质心距离矩阵是一个离散的、没有规律的数字集，不具有尺度不变性。为了计算简便和消除尺度变化的影响，将质心距离矩阵D(x,y)中所有的质心距离用公式(3)规化到0至w/2之间。

$\mathrm{norm}\_\mathrm{dis}=\frac{\mathrm{dis}-{\mathrm{dis}}_{\min }}{{\mathrm{dis}}_{\max }-{\mathrm{dis}}_{\min }}\×\frac{W}{2}$   公式（3）

其中，dis为距离矩阵中的一个质心距离值，dis_min和dis_max为距离矩阵中的最小质心距离值和最大质心距离值，norm_dis为标准化后的质心距离值。w为轮廓二值图像B(x,y)的矩形包围盒的最大尺寸。若B(x,y)的矩形包围盒尺寸为a×b，则max（a，b）。

在步骤S103中，对所述质心距离矩阵中的质心距离进行量化。

本发明实施例中，以

为单位将质心距离矩阵中的质心距离均匀的量化为n个区间。本实施例中，n为量化后的质心距离，为1到50，50为对质心距离量化后得到的最大质心距离。量化后的质心距离矩阵中只包含了0至w/2的数字，可以消除形状尺度变换后对形状描述子的影响，同时便于程序的循环统计，本例程将质心距离规划为0到50之间。

在步骤S104中，根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

本发明实施例中，在计算图像的距离自相关图矩阵时，第一步、定义一个距离集，本实施例中，定义的距离集K满足：

K={1，3，5，7}  公式（4）

距离集K中的元素表示在计算边缘相关性时，其它边缘像素与当前边缘像素之间的像素距离。

第二步、定义质心距离自相关图矩阵。

其中，图像的距离自相关图矩阵是指轮廓二值图像的边缘像素中，满足质心距离相同，且各个边缘像素之间的像素距离是预设的距离集中的像素距离的边缘像素点的数量。

本实施例中，通过下述的公式来定义质心距离自相关图矩阵：

${{\mathrm{\Γ}}_{d_i}}^{\left(k\right)}=N_d\left[\right\{p_1\∈D_{d_i},p_2\∈D_{d_i},|p_1-p_2|=k\left\}\right]$   公式（5）

其中，D表示轮廓二值图像的质心距离矩阵，

表示质心距离为d_i的所有边缘像素，p₁和p₂表示

中的两个元素，即p₁和p₂同属于质心距离矩阵

k为公式（4）中所定义的距离集中的元素，|p₁-p₂|=k表示p₁和p₂具有相同的质心距离，并且两个元素相隔的像素单位为k，即1，3，5，7，N_d表示满足条件的边缘像素点的数量。

可以看出，距离自相关图矩阵

是一个K行N列的矩阵，其元素E<k,i>(k∈K,1<i<N)表示轮廓二值图像中的边缘像素中，质心距离为同样的d_i且相距k个像素单位的边缘像素点的数量。

第三步，根据第一步定义的距离集、第二步定义的质心距离自相关图矩阵以及量化后的质心距离计算图像的质心距离相关图矩阵。

具体的，第三步中包括以下步骤：

步骤1、根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵M(k,n)，其中k=1，3，5，7;n为1到50。

n为量化后的质心距离，本例程将所有的质心距离量化到1到50之间，所以n的最大值是50，得到的质心距离自相关图矩阵M(k,n)为4x50的矩阵。

步骤2、对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值，即D(i,j)=n；i，j代表像素点在图像中的位置，分别小于图像的宽度和高度。

步骤3、采用四邻域的方法在所述质心距离矩阵中查找元素D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵M(k,n)中的相应元素E(k,n)做加一操作；

步骤4、如果不满足步骤3的条件，扫描下一个像素点，直到扫描到质心距离矩阵中的最后一个像素点的质心距离；

步骤5、通过上面的计算，即可得到图像的质心距离自相关图矩阵M(k,n)，采用矩阵M(k,n)来描述图形的形状，返回。

本实施例，距离直方图的基础上提出距离自相关图，该方法的优点是不仅利用了距离直方图的平移、旋转、尺度不变性，也引进了空间信息和相邻像素的相关性，使形状描述更加准确。此外，本实施例实现简单，可以适用于各类图像库等优点。另外，通过图像的质心距离自相关图来进行图像的检索，检索精度更高。图3、图4、图5和图6分别示出了利用本实施例的质心距离自相关图以及现有技术提供的距离直方图、距离聚合向量、边缘方向自相关图进行仿真检索的效果示意图，可以看出，本实施例的质心距离自相关图方法相比其它方法，检索的准确性更高。

本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

实施例二

图7示出了本发明实施例二提供的形状描述子的生成装置的具体结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。该装置7包括：边缘检测单元71、质心距离矩阵生成单元72、质心距离量化单元73和质心距离自相关图矩阵生成单元74。

其中，边缘检测单元71，用于对一副图像进行边缘检测，得到所述图像的轮廓二值图像；

质心距离矩阵生成单元72，用于获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；

质心距离量化单元73，用于对所述质心距离矩阵中的质心距离进行量化；

质心距离自相关图矩阵生成单元74，用于根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

进一步地，所述装置还包括：

质心距离标准化单元，用于对所述质心距离矩阵中所有的质心距离进行标准化处理，将所有的质心距离规划到0至w/2之间；

其中，w为轮廓二值图像的矩形包围盒的最大尺寸。

进一步地，所述质心距离量化单元以

为单位将质心距离矩阵中所有的质心距离均匀的量化为n个区间。

进一步地，所述质心距离自相关图矩阵生成单元74包括：

距离集定义子单元，用于定义一个距离集；

自相关图矩阵定义子单元，用于定义质心距离自相关图矩阵；

自相关图矩阵生成子单元，用于根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离自相关图矩阵。

进一步地，所述自相关图矩阵生成子单元包括：

自相关图矩阵构建模块，用于根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵；

质心距离获取模块，用于对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值；

自相关图矩阵生成模块，用于采用四邻域的方法在所述质心距离矩阵中查找质心距离D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵中的相应元素E(k,n)做加一操作，否则扫描下一个像素点，直到扫描到D(i,j)中的最后一个像素点的质心距离，其中，其中，k为定义的距离集中的一个距离，n为图像的质心距离矩阵中的元素D(i,j)的值，i，j表示像素点在图像中的位置，分别小于图像的宽度和高度。

本发明实施例提供的装置可以应用在前述对应的方法实施例一中，详情参见上述实施例一的描述，在此不再赘述。

值得注意的是，上述装置实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种形状描述子的生成方法，其特征在于，所述方法包括：

对一副图像进行边缘检测，得到所述图像的轮廓二值图像；

获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；

对所述质心距离矩阵中的质心距离进行量化；

根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

2.如权利要求1所述的方法，其特征在于，在所述对所述质心距离矩阵中的质心距离进行量化之前，还包括：

对所述质心距离矩阵中所有的质心距离进行标准化处理，将所有的质心距离规划到0至w/2之间；

其中，w为轮廓二值图像的矩形包围盒的最大尺寸。

3.如权利要求2所述的方法，其特征在于，所述对所述质心距离矩阵中的质心距离进行量化为：

以w/n为单位将质心距离矩阵中所有的质心距离均匀的量化为n个区间。

4.如权利要求3所述的方法，其特征在于，所述根据量化后的质心距离计算所述图像的质心距离自相关图矩阵包括：

定义一个距离集；

定义质心距离自相关图矩阵；

根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离自相关图矩阵。

5.如权利要求4所述的方法，其特征在于，所述根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离相关图矩阵包括：

A、根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵；

B、对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值；

C、采用四邻域的方法在所述质心距离矩阵查找元素D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵中的相应元素E(k,n)做加一操作，其中，k为定义的距离集中的一个距离，n为图像的质心距离矩阵中的元素D(i,j)的值，i，j表示像素点在图像中的位置，分别小于图像的宽度和高度；

D、如果不满足步骤C的条件，扫描下一个像素点，直到扫描到D(i,j)中的最后一个像素点的质心距离。

6.一种形状描述子的生成装置，其特征在于，所述装置包括：

边缘检测单元，用于对一副图像进行边缘检测，得到所述图像的轮廓二值图像；

质心距离矩阵生成单元，用于获取所述轮廓二值图像上所有的轮廓点的质心距离，并根据这些质心距离生成质心距离矩阵；

质心距离量化单元，用于对所述质心距离矩阵中的质心距离进行量化；

质心距离自相关图矩阵生成单元，用于根据量化后的质心距离计算所述图像的质心距离自相关图矩阵。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

质心距离标准化单元，用于对所述质心距离矩阵中所有的质心距离进行标准化处理，将所有的质心距离规划到0至w/2之间；

其中，w为轮廓二值图像的矩形包围盒的最大尺寸。

8.如权利要求7所述的装置，其特征在于，所述质心距离量化单元以

为单位将质心距离矩阵中所有的质心距离均匀的量化为n个区间。

9.如权利要求8所述的装置，其特征在于，所述质心距离自相关图矩阵生成单元包括：

距离集定义子单元，用于定义一个距离集；

自相关图矩阵定义子单元，用于定义质心距离自相关图矩阵；

自相关图矩阵生成子单元，用于根据定义的距离集、定义的质心距离自相关图矩阵和量化后的质心距离计算图像的质心距离自相关图矩阵。

10.如权利要求9所述的装置，其特征在于，所述自相关图矩阵生成子单元包括：

自相关图矩阵构建模块，用于根据定义的质心距离自相关图矩阵构建图像的质心距离自相关图矩阵；

质心距离获取模块，用于对图像的质心距离矩阵进行从左到右、从上到下的扫描，得到质心距离矩阵中的元素D(i,j)的值；

自相关图矩阵生成模块，用于采用四邻域的方法在所述质心距离矩阵中查找质心距离D(i-k,j)、D(i,j+k)、D(i,j-k)、D(i+k,j)的值，如果D(i,j)==D(i-k,j)、D(i,j)==D(i,j+k)、D(i,j)==D(i,j-k)、D(i,j)==D(i+k,j))有其中之一满足条件，则对质心距离自相关图矩阵中的相应元素E(k,n)做加一操作，否则扫描下一个像素点，直到扫描到D(i,j)中的最后一个像素点的质心距离；

其中，k为定义的距离集中的一个距离，n为图像的质心距离矩阵中的元素D(i,j)的值，i，j表示像素点在图像中的位置，分别小于图像的宽度和高度。

Images