CN104077589A - 一组新的图像边缘特征 - Google Patents

Abstract

本发明公开了一组新的图像边缘特征，分别为Gredge特征，Mapare和Matrast特征，这三个特征互相补充，能够共同描述出图像中的边缘。其中Gredge特征中计算某一矩形框区域所在位置的边缘方向，步骤主要包括：(1)通过访问灰度积分图，得到该矩形区域的上下左右(up、down、left、right)四个区域的平均灰度值；(2)计算水平和垂直方向边缘dx、dy；(3)通过查表得到边缘角度。其中Mapare特征和Matrast特征用来度量边缘强度，通过将这三个特征与分类器相结合，可以快速高效地利用边缘信息对图像进行分类。

Description

一组新的图像边缘特征

技术领域

本发明属于计算机视觉和图像处理领域的一组新的图像边缘特征，具体提出三种新的特征，这三个特征互相补充，共同描述图像中的边缘。

背景技术

图像特征的设计是计算机视觉的一个基本研究问题。图像特征的设计是否恰当直接影响着分类器的性能。实际使用较多的图像特征有Harr特征，Hog特征，Sift特征等。

在某些应用领域如行人检测，边缘是最重要的信息之一，因而设计出合适的图像边缘特征至关重要。目前较为成功的边缘特征是Hog特征，Hog特征以直方图的方式统计图像中各个点的边缘方向分布，达到了描述边缘的目的，因而取得了较好的结果。但是，Hog特征的缺点是计算速度慢，这限制了它在实际中的应用。

发明内容

本发明的目的是提出一组新的图像边缘特征。

本发明要解决的技术问题是，在保证性能和效果的情况下，可以有一种计算量小，速度快的边缘特征度量方法。

为解决上述技术问题，本发明采取以下技术方案：提出了一组新的边缘特征，其中的Gredge特征用来计算区域边缘方向，该特征计算区域的边缘方向十分简单，假设要计算矩形区域R的边缘方向，具体地，分别计算出这块矩形区域的上下左右四块大小相同的区域的平均灰度值(通过图像积分灰度图来计算)，记为g_up、g_down、g_left、g_right那么可以用公式：

$\mathrm{angle}=\arctan \left(\frac{g_{\mathrm{right}}-g_{\mathrm{left}}}{g_{\mathrm{down}}-g_{\mathrm{up}}}\right)$

度量出区域R的边缘方向。arctan的计算是整个计算中最为耗时的一步了，但是由于g_right-g_left、g_down-g_up范围固定，arctan的计算可以借助于查表。

可以看出本发明所述的计算区域边缘方向的方法实现简单，且计算量很小，那么速度相对于现有的Hog可以快很多。

附图说明

图1——本发明中Gredge特征示意图

具体实施方式

下面进一步阐述本发明所述的这组特征。

Gredge特征用来描述灰度图片中某矩形区域的边缘方向与基准方向的差异程度，所以其属性包括矩形区域R和基准角度β_base，矩形区域是指矩形框左上角坐标(x，y)和矩形框高度(height)，宽度(width)，而基准角度β_base的范围是(-90，90]。

计算Gredge特征的特征值，需要分为四步。

第一步，以矩形框区域为中心，求其上下左右四个大小相同的区域，具体地，假设矩形区域R的位置为(x，y，w，h)，其中x和y是矩形框左上角的坐标，w是矩形框的宽度，h是矩形框的高度，那么R的上下左右四个块的位置就是：up(x，y-h，w，h)、down(x，y+h，w，h)、left(x-w，y，w，h)、right(x+w，y，w，h)，求四个区域的平均灰度值，记为g_up、g_down、g_left、g_right，具体地，平均灰度值的计算可以借助访问灰度积分图。这一步的工作量就是四次访问灰度积分图，然后做简单的加减法。

第二步，计算水平和垂直方向边缘，记为d_x、d_y，则公式如下：

d_x＝g_right-g_left    (1)

d_y＝g_down-g_up    (2)

第三步，计算边缘方向角β_curr，公式如下：

${\mathrm{\β}}_{\mathrm{curr}}=\left\{\begin{array}{cc}\mathrm{notexist}& d_x=0,d_y=0\\ 90& d_x\≠0,d_y=0\\ \arctan \left(\frac{d_x}{d_y}\right)\×\frac{1}{\mathrm{\π}}\×180& \mathrm{others}\end{array}\right.---\left(3\right)$

具体地，由于d_x、d_y为整型，且范围固定为[-255，255]，arctan求角度可以借助于查表。这样唯一耗时的求角度计算就变成了简单的查表。

第四步，计算Gredge特征值，用以下公式：

$f_{\mathrm{gredge}}=\left\{\begin{array}{cc}100& {\mathrm{\β}}_{\mathrm{curr}}\mathrm{doesnotexist}\\ |{\mathrm{\β}}_{\mathrm{curr}}-{\mathrm{\β}}_{\mathrm{base}}|& |{\mathrm{\β}}_{\mathrm{curr}}-{\mathrm{\β}}_{\mathrm{base}}|\≤90\\ 180-|{\mathrm{\β}}_{\mathrm{curr}}-{\mathrm{\β}}_{\mathrm{base}}|& |{\mathrm{\β}}_{\mathrm{curr}}-{\mathrm{\β}}_{\mathrm{base}}|>90\end{array}\right.---\left(4\right)$

从上面的四步可以看出Gredge特征值的计算量非常小。

Mapare特征用来度量两个位置边缘强度的绝对差异，其属性为矩形区域R_a和矩形区域R_b，其特征值的计算步骤分为两步。

第一步，分别对矩形框区域R_a和R_b求其上下左右四个大小相同的区域的平均灰度值，记为g_up、g_down、g_left、g_right；

第二步，计算R_a的水平和垂直边缘d_x、d_y，公式如(1)、(2)；

第三步，计算R_a的边缘强度m_a，用如下公式：

$m=\sqrt{\frac{d_x^4+d_y^4}{d_x^2+d_y^2}}---\left(5\right)$

由于d_x、d_y范围固定为[-255，255]，且为整数，则可以创建表来查询边缘强度；

第四步，对区域R_b求边缘强度m_b，计算步骤与求区域R_a的边缘强度一致；

第五步，计算Mapare特征值，用以下公式：

f_mapare＝m_a-m_b    (6)

Matrast特征可以加强对光照变化的鲁棒性，其属性与Mapare特征相同，为矩形区域R_a和R_b，其计算边缘强度m_a、m_b的方法也可参考Mapare特征。

Matrast特征值的计算用如下公式：

$f_{\mathrm{matrast}}=\left\{\begin{array}{cc}\frac{m_a-m_b}{m_a+m_b}& m_a+m_b>0\\ 0& m_a+m_b=0\end{array}\right.---\left(7\right)$

本发明介绍的三种特征优缺点互补，而且三者的计算量都相对比较小，一起使用可以达到理想的效果，实际使用中这三种特征可以与分类器结合起来使用。强分类器由一组弱分类器组成，每个弱分类器中含有一个特征f、一个极性p和一个阀值θ，弱分类器的输出如下面公式所示：

$h(x,f,p,\mathrm{\&theta;})=\left\{\begin{array}{cc}1& \mathrm{ifpf}\left(x\right)<\mathrm{p\&theta;}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(8\right)$

其中，x表示图片，f(x)表示图片上对应于特征f的特征值，特征f可以是f_gredge、f_mapare、f_matrast中的一种。极性p和阀值θ是通过分类器训练过程得到。

本发明和目前较为成功的Hog特征相比，优点是显而易见的，计算量要少很多，速度更快，而且对图像边缘检测的结果可以达到实际应用中的要求，所以在某些应用领域，例如行人检测，该组特征可以代替Hog特征，并且能够满足实际应用需要。

Claims (7)

1.一组新的图像边缘特征，包括Gredge特征、Mapare特征、Matrast特征，这三个特征互相补充，共同描述图像中的边缘；

所述Gredge特征用来描述边缘方向；

所述Mapare特征和Matrast特征用来度量边缘强度。

2.如权利要求1所述一组新的图像边缘特征，其特征在于将这组特征与分类器结合起来使用，可以快速地利用边缘信息对图像进行分类。

3.一种用来描述边缘方向的Gredge特征，其计算某矩形区域边缘方向的主要步骤如下：

(1)以矩形框区域为中心，通过积分图求其上下左右四个大小

相同的矩形区域的平均灰度值，记为g_up、g_down、g_left、g_right；

(2)计算水平和垂直方向边缘，记为d_x、d_y，则公式如下：

d_x＝g_right-g_left

d_y＝g_down-g_up；

(3)计算边缘方向角度β_curr，可以用以下公式(除去d_y为0的特殊情况)：

${\mathrm{\&beta;}}_{\mathrm{curr}}=\arctan \left(\frac{d_x}{d_y}\right)\&times;\frac{1}{\mathrm{\&pi;}}\&times;180.$

4.根据权利要求2所述一种用来描述边缘方向的Gredge特征，其特征在于步骤(3)中，求角度β_curr可以通过查表完成。

5.一种度量两个区域边缘强度的绝对差异的Mapare特征，假设这两个区域为矩形区域R_a和R_b，其特征值的计算步骤如下：

(1)计算R_a和R_b的边缘强度，记为m_a、m_b，则

(2)计算Mapare特征值，记为f_mapare，则f_mapare＝m_a-m_b。

6.如权利要求4所述一种度量两个区域边缘强度绝对差异的Mapare特征，其特征在于步骤(1)中，求边缘强度m可以查表计算。

7.Matrast特征度量两个区域R_a和R_b的边缘强度时较Mapare特征可以加强对光照变化的鲁棒性，假设R_a和R_b的边缘强度为m_a、m_b，则其特征值的计算为： $f_{\mathrm{matrast}}=\frac{m_a-m_b}{m_a+m_b}.$