CN104134213B - 一种数字图像中的目标定位方法以及装置 - Google Patents
一种数字图像中的目标定位方法以及装置 Download PDFInfo
- Publication number
- CN104134213B CN104134213B CN201410359215.2A CN201410359215A CN104134213B CN 104134213 B CN104134213 B CN 104134213B CN 201410359215 A CN201410359215 A CN 201410359215A CN 104134213 B CN104134213 B CN 104134213B
- Authority
- CN
- China
- Prior art keywords
- gabor
- target
- shape template
- filtering
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 61
- 238000010606 normalization Methods 0.000 claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 238000005520 cutting process Methods 0.000 claims abstract description 8
- 230000004807 localization Effects 0.000 claims description 17
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003667 anti-reflective effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种数字图像中的目标定位方法以及装置，所述方法包括：获取目标Gabor滤波形状模板，包括：对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像；根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图；在所述第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储所述形状模板及所述骨架特征；利用Gabor滤波结果进行形状匹配定位，包括：获得测试图像的第二Gabor滤波图；将所述形状模板在所述第二Gabor滤波图中遍历，将与所述骨架特征之间的相似度超过一预设阈值，且与所述形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
Description
技术领域
本发明涉及电子技术领域，尤其涉及一种数字图像中的目标定位方法以及装置。
背景技术
目标定位最常用的方法为图像匹配。图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。
灰度匹配以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配，利用两个信号的相关函数，评价它们的相似性以确定同名点，具体可以通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系；特征匹配是指通过分别提取两个或多个图像的特征(点、线、面等特征)，对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法，基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。
但是，无论是灰度匹配还是特征匹配，都需要根据样本图像和测试图像提取出目标图像才能够做出准确的定位，而测试图像中的目标图像会由于各种干扰因素，如待定位的目标反光或者角度发生变化等等造成目标图像不清晰，无法从测试图像中提取清晰的目标图像，继而造成定位不准确，抗干扰能力弱。
因此，现有技术中存在数字图像的目标定位方法存在抗干扰能力弱的技术问题。
发明内容
本发明实施例通过提供一种数字图像中的目标定位方法以及装置，用以解决现有技术中存在的数字图像的目标定位方法存在抗干扰能力弱的技术问题。
本发明实施例提供了一种数字图像中的目标定位方法，包括：
获取目标Gabor滤波形状模板，包括：对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像；根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图；在所述第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储所述形状模板及所述骨架特征；
利用Gabor滤波结果进行形状匹配定位，包括：获得测试图像的第二Gabor滤波图；将所述形状模板在所述第二Gabor滤波图中遍历，将与所述骨架特征之间的相似度超过一预设阈值，且与所述形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
可选地，所述根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图，具体为：
建立至少两个方向至少两个尺度的Gabor滤波器，并对所述归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果；
确定所述Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器；
利用所述第一Gabor滤波器对图像进行Gabor滤波，得到所述第一Gabor滤波图。
可选地，所述获得测试图像的第二Gabor滤波图，具体为：
通过所述第一Gabor滤波器对所述测试图像进行滤波，获得所述第二Gabor滤波图。
可选地，所述相似度的计算公式为：
其中，形状模板由M×N个像素点构成，u(x,y)代表模板中的像素，x＝0，…，M-1；y＝0，…，N-1；u(x，y)＝1表示模板中(x，y)坐标处为黑像素，u(x，y)＝0表示模板中(x，y)坐标处为白像素，(x0，y0)为形状模板在第二Gabor滤波图的坐标原点，v(x0+x,y0+y)代表第二Gabor滤波图中与形状模板重合区域的像素，v(x0+x,y0+y)＝1表示第二Gabor滤波图的重合区域中(x，y)坐标处为黑像素，v(x0+x，y0+y)＝0表示第二Gabor滤波图的重合区域中(x，y)坐标处为白像素，α和β为权重，其取值根据第二滤波结果中黑白像素的分布来确定。
本发明实施例另一方面还提供一种数字图像中的目标定位装置，包括：
获取单元，用于获取目标Gabor滤波形状模板，具体用于对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像，并根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图，并在所述第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储所述形状模板及所述骨架特征；
匹配定位单元，用于利用Gabor滤波结果进行形状匹配定位，具体用于获得测试图像的第二Gabor滤波图，并将所述形状模板在所述第二Gabor滤波图中遍历，将与所述骨架特征之间的相似度超过一预设阈值，且与所述形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
可选地，所述获取单元具体用于建立至少两个方向至少两个尺度的Gabor滤波器，并对所述归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果，并确定所述Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器，并利用所述第一Gabor滤波器对图像进行Gabor滤波，得到所述第一Gabor滤波图。
可选地，所述匹配定位单元具体用于通过所述第一Gabor滤波器对所述测试图像进行滤波，获得所述第二Gabor滤波图。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取目标Gabor滤波形状模板，以及利用测试图像的Gabor滤波结果进行形状匹配定位的技术方案，所以解决了现有技术中存在的数字图像的目标定位方法存在抗干扰能力弱的技术问题，定位时抗反光及拍摄条件变化的能力强，同时算法简洁、运行速度快，能够快速地对符合条件的目标进行定位。
附图说明
图1为本发明实施例提供的数字图像中的目标定位方法的流程图；
图2为本发明实施例提供的货车车厢连接处侧拍图像；
图3为本发明实施例提供的感兴趣的检测区域图；
图4为本发明实施例提供的感兴趣区域灰度归一化结果图；
图5为本发明实施例提供的不同v,u，K取值对应的Gabor滤波结果图；
图6为本发明实施例提供的对样本指定Gabor滤波器参数为v0＝6,u0＝4，K0＝11时滤波结果图；
图7为本发明实施例提供的从指定Gabor滤波结果途中裁剪出的软管模板图；
图8为本发明实施例提供的对测试图片进行指定Gabor滤波，计算模板匹配率，并基于区域、模板骨架特征一致性的目标定位结果图；
图9为本发明实施例提供的根据软管位置定位折角塞门部件结果图。
具体实施方式
本发明实施例通过提供一种数字图像中的目标定位方法以及装置，解决了现有技术中存在的数字图像的目标定位方法存在抗干扰能力弱的技术问题。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参考图1，图1是本发明实施例提供的数字图像中的目标定位方法的流程图，如图1所示，该方法包括：
S1：获取目标Gabor滤波形状模板，包括：
S11：对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像；
S12：根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对归一化后的灰度图像进行滤波获得第一Gabor滤波图；
S13：在第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储形状模板及骨架特征；
S2：利用Gabor滤波结果进行形状匹配定位，包括：
S21：获得测试图像的第二Gabor滤波图；
S22：将形状模板在第二Gabor滤波图中遍历，将与骨架特征之间的相似度超过一预设阈值，且与形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
在接下来的部分中，将以图2所示的货车车厢连接处侧拍的图像，来详细地介绍本发明实施例中的技术方案。
如图2所示，定位的目标为用浅色方框圈出的折角塞门部件，该部件结构较为复杂，阀门角度可能有变化，金属表面可能存在反光现象，不易进行直接定位。但在折角塞门的下方总连接一段软管(用深色方框圈出)，该软管方向为左斜向上(从下往上看)，角度变化范围在π/4至π/2度之间，通过定位软管位置，可以间接推算出折角塞门的位置，从而实现折角塞门的定位。
由于安装在铁路两侧的相机拍摄高度和角度基本保持不变，因此货车车厢连接处侧拍图像中软管的高度基本固定，只是由于车速的变化，软管在水平方向上位置会不断发生变化，但总是可以完整地呈现在图像中。因此可以减小检测范围，指定感兴趣的检测区域，只要确保软管总是出现其中即可。指定的感兴趣区域如图3所示。
得到感兴趣区域图后，就可以开始按照发明内容中的Gabor滤波形状模板的生成、利用特定Gabor滤波结果进行形状匹配两个环节实施软管位置的定位。
具体步骤如下：
S1：获取目标Gabor滤波形状模板：
S11：对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像：
具体来讲，为了克服不同光照条件下图象呈现的灰度差异，首先应对样本图象进行灰度均值、方差归一化。设mold、δold为归一化前图像的灰度均值和方差，mnew、δnew为归一化后图像的灰度均值和方差，Gold(x,y)、Gnew(x,y)为则归一化前后图像中(x，y)坐标处像素的灰度值，则本发明采用的灰度归一化算子为：
在本实施例中，计算I的均值mold和方差δold，指定归一化后期望的均值mnew和方差δnew，用公式(1)进行灰度归一化，归一化的结果存储为I1如图4所示，其中mnew＝100，δnew＝40。
S12：根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对归一化后的灰度图像进行滤波获得第一Gabor滤波图：
具体来讲，可以是首先，建立至少两个方向至少两个尺度的Gabor滤波器，并对归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果；接着，确定Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器；最后，利用第一Gabor滤波器对图像进行Gabor滤波，得到第一Gabor滤波图。
也就是说，首先建立多方向多尺度Gabor滤波器，二维Gabor函数可以表示为：
其中：
上式中，v的取值决定了Gabor滤波的波长，u的取值表示Gabor核函数的方向，K表示总的方向数。参数σ/k定了高斯窗口的大小，这里取应用中取M个频率(v＝0,1,...,M-1)，N个方向(即K＝N，u＝0,1,...,N-1)，则可以得到M×N个不同方向、不同尺度Gabor核函数Gabor(v,u，K)。
然后，观察对归一化后的图像进行不同方向不同尺度Gabor滤波得到的不同结果，根据所需定位目标的尺寸和朝向，反复修改Gabor滤波器的尺度和方向，最终指定Gabor滤波结果中目标最为显著对应的方向和尺度v0构造特定方向和尺度的单一Gabor滤波器Gabor(v0,u0，K0)。
最后，用Gabor(v0,u0，K0)对归一化后的样本图像进行Gabor滤波，得到包含目标的样本图片Gabor滤波图。
在本实施例中，样本归一化后的图像I1进行不同方向不同尺度Gabor滤波得到的不同结果，由于检测目标软管的方向为左斜向上(从下往上看)，角度变化范围在π/4至π/2度之间，因此可以设定公式(2)中u/K的取值范围为(0.25,0.5)之间，可能的取值包括1/3，2/5,3/7,4/9,4/11，5/11…。再修改v的取值，观察Gabor滤波结果中与软管目标对应最为显著的方向和尺度，不同方向不同尺度的Gabor滤波结果如图5。经过反复尝试，对样本归一化图像I1选择的Gabor滤波器参数为v0＝6,u0＝4，K0＝11。滤波结果如图6。
S13：在第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储形状模板及骨架特征：
在本实施例中，在图5中裁剪出对应软管的Gabor滤波结果部分作为形状模板I2存储在计算机中，形状模板如图7，并用两条直线段在形状模板的黑像素区域中逼近弯曲软管形状的骨架，描述两条直线段与模板在角度、长度上的相对关系作为模板容许的骨架特征记录下来。当然，模板容许的骨架特征将会根据实测图片的定位准确率情况有所变化，以尽量满足绝大多数图片的定位需求。
S2：利用Gabor滤波结果进行形状匹配定位，包括：
S21：获得测试图像的第二Gabor滤波图；
对测试图片感兴趣区域图进行灰度归一化，选择的Gabor滤波器参数为v0＝6,u0＝4，K0＝11对归一化后的图像进行Gabor滤波，得到测试图片感兴趣区域滤波结果图3。对测试图片感兴趣区域图进行灰度归一化处理，以及进行Gabor滤波的具体过程在前述实施例中已经进行了详细的介绍，在此为了说明书的介绍，就不再赘述了。
S22：将形状模板在第二Gabor滤波图中遍历，将与骨架特征之间的相似度超过一预设阈值、且与形状模板重合率最高的区域判定为目标所在区域，完成目标定位：
其中，相似度可以用ξ表征，具体为：
将形状模板在测试图片的Gabor滤波图中遍历，计算形状模板与测试图片当前区域的相似程度，设形状模板由M×N个像素点构成，u(x,y)(x＝0,…M-1；y＝0,…N-1)代表模板中的像素,u(x,y)＝1表示模板中(x,y)坐标处为黑像素，u(x,y)＝0表示模板中(x,y)坐标处为白像素，(x0，y0)为模板在测试图片的Gabor滤波图，即第二Gabor滤波图的坐标原点，v(x0+x,y0+y)(x＝0,…M-1；y＝0,…N-1)代表第二Gabor滤波图中与形状模板重合区域的像素，v(x0+x,y0+y)＝1表示第二Gabor滤波图的重合区域中(x,y)坐标处为黑像素，v(x0+x,y0+y)＝0表示第二Gabor滤波图的重合区域中(x,y)坐标处为白像素，则相似度ξ计算公式为：
上式的含义为：形状模板与测试图片当前区域的相似程度，用两者同为黑像素的点占模板中全体黑像素的比重，以及两者同为白像素的点占模板中全体白像素的比重加权和来度量。α和β为权重，根据测试图片的滤波结果中黑白像素的分布来确定。
在本实施例中，用S13中保存的形状模板在测试图片感兴趣区域滤波结果图中滑动，用上述相似度的计算公式来计算每一个遍历点覆盖区域的ξ(x,y)，其中取α＝1，β＝0。将计算结果大于阈值25％的遍历点坐标保存下来，并按照相似度ξ的大小进行排序。
然后，按照相似度ξ从大到小的顺序检查遍历点对应区域中黑像素区域的骨架特征，用两条直线段在对应区域中逼近黑像素聚集形成的区域骨架，描述两条直线段与模板在角度、长度上的相对关系。最终取骨架特征与模板容许的骨架特征相符且区域中黑像素与形状模板重合率最高的区域判定为目标所在区域。
对测试图片进行指定Gabor滤波，并基于区域、模板骨架特征一致性的目标定位结果如图8所示。它的定位结果为：在坐标为【219，197】处Gabor滤波模板区间匹配率0.868751,自下而上折线第一方向14,长度102.528045,第二方向12,长度169.811660，自下而上折线起始点坐标【220，400】，转折点坐标【259，299】，结束点坐标【359，142】。符合模板容许的骨架特征范围。
当然，模板容许的骨架特征范围是在大量定位测试中逐渐总结完善出来的，下表给出了对文件夹1和2中两个不同相机拍摄的各641张图片采用不同骨架特征范围对定位准确率的影响。
对软管定位最终采用的骨架特征容许范围为“折线逼近骨架，折线应向右偏，折线上半部分应比下半部分长，下半部分长度大于模板高的1/4，上半部分长度大于模板高的1/4,上半部分不能超出半个模板长”。根据软管位置估计折角塞门的位置如图9。采用形状模板I2，对相机1拍摄的641张图片定位准确率为97.97％，对相机2拍摄的641张图片定位准确率为97.50％。
通过上述部分可以看出，由于采用了获取目标Gabor滤波形状模板，以及利用测试图像的Gabor滤波结果进行形状匹配定位的技术方案，所以解决了现有技术中存在的数字图像的目标定位方法存在抗干扰能力弱的技术问题，定位时抗反光及拍摄条件变化的能力强，同时算法简洁、运行速度快，能够快速地对符合条件的目标进行定位。
基于同一发明构思，本发明实施例另一方面还提供一种数字图像中的目标定位装置，包括：
获取单元，用于获取目标Gabor滤波形状模板，具体用于对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像，并根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对归一化后的灰度图像进行滤波获得第一Gabor滤波图，并在第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储形状模板及骨架特征；
匹配定位单元，用于利用Gabor滤波结果进行形状匹配定位，具体用于获得测试图像的第二Gabor滤波图，并将形状模板在第二Gabor滤波图中遍历，将与骨架特征之间的相似度超过一预设阈值，且与形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
在具体实施过程中，获取单元具体用于建立至少两个方向至少两个尺度的Gabor滤波器，并对归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果，并确定Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器，并利用第一Gabor滤波器对图像进行Gabor滤波，得到第一Gabor滤波图。
在具体实施过程中，匹配定位单元具体用于通过第一Gabor滤波器对测试图像进行滤波，获得第二Gabor滤波图。
本发明实施例提供的数字图像中的目标定位装置与前述数字图像中的目标定位方法是基于同一发明构思下的两个方面，在前述部分中已经详细地介绍了数字图像中的目标定位方法的具体实施过程，本发明所属领域的普通技术人员能够了解本实施例中数字图像中的目标定位装置的具体结构以及实施过程，在此为了说明书的简洁，就不再赘述了。
上述本发明实施例中的技术方案，至少具有如下的技术效果或优点：
由于采用了获取目标Gabor滤波形状模板，以及利用测试图像的Gabor滤波结果进行形状匹配定位的技术方案，所以解决了现有技术中存在的数字图像的目标定位方法存在抗干扰能力弱的技术问题，定位时抗反光及拍摄条件变化的能力强，同时算法简洁、运行速度快，能够快速地对符合条件的目标进行定位。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种数字图像中的目标定位方法，其特征在于，包括：
获取目标Gabor滤波形状模板，包括：对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像；根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图；在所述第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储所述形状模板及所述骨架特征；
利用Gabor滤波结果进行形状匹配定位，包括：获得测试图像的第二Gabor滤波图；将所述形状模板在所述第二Gabor滤波图中遍历，将与所述骨架特征之间的相似度超过一预设阈值，且与所述形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
2.如权利要求1所述的目标定位方法，其特征在于，所述根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图，具体为：
建立至少两个方向至少两个尺度的Gabor滤波器，并对所述归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果；
确定所述Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器；
利用所述第一Gabor滤波器对图像进行Gabor滤波，得到所述第一Gabor滤波图。
3.如权利要求2所述的目标定位方法，其特征在于，所述获得测试图像的第二Gabor滤波图，具体为：
通过所述第一Gabor滤波器对所述测试图像进行滤波，获得所述第二Gabor滤波图。
4.如权利要求1-3中任一权项所述的目标定位方法，其特征在于，所述相似度的计算公式为：
其中，形状模板由M×N个像素点构成，u(x,y)代表模板中的像素，x＝0，…，M-1；y＝0，…，N-1；u(x，y)＝1表示模板中(x，y)坐标处为黑像素，u(x，y)＝0表示模板中(x，y)坐标处为白像素，(x0，y0)为形状模板在第二Gabor滤波图的坐标原点，v(x0+x,y0+y)代表第二Gabor滤波图中与形状模板重合区域的像素，v(x0+x,y0+y)＝1表示第二Gabor滤波图的重合区域中(x，y)坐标处为黑像素，v(x0+x，y0+y)＝0表示第二Gabor滤波图的重合区域中(x，y)坐标处为白像素，α和β为权重，其取值根据第二滤波结果中黑白像素的分布来确定。
5.一种数字图像中的目标定位装置，其特征在于，包括：
获取单元，用于获取目标Gabor滤波形状模板，具体用于对样本图像进行灰度均值、方差归一化处理，获得归一化后的灰度图像，并根据被测目标的朝向、尺寸，确定Gabor滤波器的方向、尺度，对所述归一化后的灰度图像进行滤波获得第一Gabor滤波图，并在所述第一Gabor滤波图中，裁剪出对应目标的滤波结果部分作为形状模板，并提取形状模板的骨架特征，存储所述形状模板及所述骨架特征；
匹配定位单元，用于利用Gabor滤波结果进行形状匹配定位，具体用于获得测试图像的第二Gabor滤波图，并将所述形状模板在所述第二Gabor滤波图中遍历，将与所述骨架特征之间的相似度超过一预设阈值，且与所述形状模板重合率最高的区域判定为目标所在区域，完成目标定位。
6.如权利要求5所述的目标定位装置，其特征在于，所述获取单元具体用于建立至少两个方向至少两个尺度的Gabor滤波器，并对所述归一化后的灰度图像进行滤波，获得至少两个方向至少两个尺度的Gabor滤波结果，并确定所述Gabor滤波结果中目标最为显著所对应的方向和尺度，并以此构造该方向和尺度的第一Gabor滤波器，并利用所述第一Gabor滤波器对图像进行Gabor滤波，得到所述第一Gabor滤波图。
7.如权利要求6所述的目标定位装置，其特征在于，所述匹配定位单元具体用于通过所述第一Gabor滤波器对所述测试图像进行滤波，获得所述第二Gabor滤波图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410359215.2A CN104134213B (zh) | 2014-09-02 | 2014-09-02 | 一种数字图像中的目标定位方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410359215.2A CN104134213B (zh) | 2014-09-02 | 2014-09-02 | 一种数字图像中的目标定位方法以及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104134213A CN104134213A (zh) | 2014-11-05 |
| CN104134213B true CN104134213B (zh) | 2017-02-15 |
Family
ID=51806882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410359215.2A Expired - Fee Related CN104134213B (zh) | 2014-09-02 | 2014-09-02 | 一种数字图像中的目标定位方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104134213B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105466941B (zh) * | 2015-11-27 | 2018-08-14 | 中国铁道科学研究院 | 一种基于钢轨的光带图像的钢轨检测方法及设备 |
| CN105894441A (zh) * | 2015-12-29 | 2016-08-24 | 乐视云计算有限公司 | 一种图像匹配方法及装置 |
| CN110047063B (zh) * | 2019-03-21 | 2023-05-16 | 深圳市燕麦科技股份有限公司 | 一种物料掉落的检测方法、装置、设备及存储介质 |
| CN111415447A (zh) * | 2019-12-10 | 2020-07-14 | 南京工业大学 | 一种多重认证的门禁系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101236602A (zh) * | 2007-02-02 | 2008-08-06 | 索尼株式会社 | 图像处理设备、图像处理方法和计算机程序 |
| CN101866427A (zh) * | 2010-07-06 | 2010-10-20 | 西安电子科技大学 | 织物瑕疵检测与分类方法 |
| CN102880862A (zh) * | 2012-09-10 | 2013-01-16 | Tcl集团股份有限公司 | 一种人脸表情的识别方法及系统 |
| CN103646234A (zh) * | 2013-11-15 | 2014-03-19 | 天津天地伟业数码科技有限公司 | 基于lgbph特征的人脸识别方法 |
-
2014
- 2014-09-02 CN CN201410359215.2A patent/CN104134213B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101236602A (zh) * | 2007-02-02 | 2008-08-06 | 索尼株式会社 | 图像处理设备、图像处理方法和计算机程序 |
| CN101866427A (zh) * | 2010-07-06 | 2010-10-20 | 西安电子科技大学 | 织物瑕疵检测与分类方法 |
| CN102880862A (zh) * | 2012-09-10 | 2013-01-16 | Tcl集团股份有限公司 | 一种人脸表情的识别方法及系统 |
| CN103646234A (zh) * | 2013-11-15 | 2014-03-19 | 天津天地伟业数码科技有限公司 | 基于lgbph特征的人脸识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104134213A (zh) | 2014-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104574393B (zh) | 一种三维路面裂缝图像生成系统和方法 | |
| US8340400B2 (en) | Systems and methods for extracting planar features, matching the planar features, and estimating motion from the planar features | |
| KR101870902B1 (ko) | 영상 처리 장치 및 영상 처리 방법 | |
| CN109690620A (zh) | 三维模型生成装置以及三维模型生成方法 | |
| US20180108143A1 (en) | Height measuring system and method | |
| CN104134213B (zh) | 一种数字图像中的目标定位方法以及装置 | |
| KR20150121179A (ko) | 실시간 스테레오 정합 | |
| CN110832542B (zh) | 识别处理设备、识别处理方法和程序 | |
| JP2008046903A (ja) | 対象個数検出装置および対象個数検出方法 | |
| CN111383257B (zh) | 一种车厢装卸率确定方法和装置 | |
| CN102737370A (zh) | 检测图像前景的方法及设备 | |
| Yan et al. | Depth map generation for 2d-to-3d conversion by limited user inputs and depth propagation | |
| CN102722702A (zh) | 多特征融合的粒子滤波视频目标跟踪方法 | |
| CN104949657A (zh) | 物体检测装置、物体检测方法、以及包括物体检测程序的计算机可读非瞬时性存储介质 | |
| Chen et al. | Automated bridge deck evaluation through UAV derived point cloud | |
| CN109697385A (zh) | 一种目标跟踪方法及装置 | |
| CN111325763A (zh) | 一种基于光场重聚焦的遮挡预测方法和装置 | |
| Min et al. | Non-contact and real-time dynamic displacement monitoring using smartphone technologies | |
| Li et al. | Elaborate scene reconstruction with a consumer depth camera | |
| Jazayeri et al. | Automated 3D object reconstruction via multi-image close-range photogrammetry | |
| JP2015148895A (ja) | 物体数分布推定方法 | |
| Zhao et al. | Binocular vision measurement for large-scale weakly textured ship hull plates using feature points encoding method | |
| Haggag et al. | LGT/VOT tracking performance evaluation of depth images | |
| CN117367404A (zh) | 基于动态场景下slam的视觉定位建图方法及系统 | |
| JP4918615B2 (ja) | 対象個数検出装置および対象個数検出方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhu Zongxiao Inventor after: Wang Guoyou Inventor after: Zhou Suiping Inventor after: Yuan Yunzhu Inventor after: Mu Xin Inventor after: Sheng Jianlong Inventor after: Zhang Zhijian Inventor after: Li Dongkai Inventor before: Zhu Zongxiao Inventor before: Wang Guoyou Inventor before: Zhou Suiping Inventor before: Yuan Yunzhu |
|
| COR | Change of bibliographic data | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160323 Address after: 430000 Hubei Province, Wuhan city Hongshan District Luoyu road Luxiang joint international 1601-1608 Applicant after: WUHAN HUAMU INFORMATION TECHNOLOGY Co.,Ltd. Applicant after: CHINA ACADEMY OF RAILWAY SCIENCES Address before: 430000 Hubei Province, Wuhan city Hongshan District Luoyu road Luxiang joint international 1601-1608 Applicant before: WUHAN HUAMU INFORMATION TECHNOLOGY Co.,Ltd. |
|
| 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: 20170215 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |