CN104424636A - 一种图像分割方法、图像检索方法和电子设备 - Google Patents
一种图像分割方法、图像检索方法和电子设备 Download PDFInfo
- Publication number
- CN104424636A CN104424636A CN201310390882.2A CN201310390882A CN104424636A CN 104424636 A CN104424636 A CN 104424636A CN 201310390882 A CN201310390882 A CN 201310390882A CN 104424636 A CN104424636 A CN 104424636A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- area
- statistics
- angle 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种图像分割方法、图像检索方法和电子设备，图像检索方法包括：对输入的第二图像进行纹理分析，基于纹理分析的结果将第二图像分割为不同的区域；统计每个区域内的区域统计特征和相应的边缘角点特征；根据第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，数据库中保存有第一图像和对应第一图像的每个区域的区域描述集，区域描述集中包括区域统计特征和边缘角点特征；通过检索数据库得到匹配第二图像中区域的对应区域描述集，并根据匹配的区域描述集在第一图像中的对应区域分布，提取满足预设匹配度的第一图像作为图像检索结果并输出。通过本发明，能实现基于图像分割的图像检索，从而实现快速、高效、准确的匹配相似场景。
Description
技术领域
本发明涉及图像分割和图像检索技术领域，尤其涉及一种图像分割方法、图像检索方法和电子设备。
背景技术
在大量图像中自动找到与当前拍摄图像中相似的场景，是机器人环境感知与自主定位的基础，如何高效准确的描述当前场景，并将之与数据库中的图像进行匹配，以快速找到相似场景，是目前亟待解决的问题。
发明内容
有鉴于此，本发明的主要目的在于提供一种图像分割方法、图像检索方法和电子设备，以至少实现基于图像分割的图像检索，从而实现快速、高效、准确的匹配相似场景。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供了一种图像分割方法，应用于电子设备，该方法包括：
获取第一图像并对所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域；
统计每个所述区域内的区域统计特征和相应的边缘角点特征；
将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
本发明实施例还提供了一种图像检索方法，应用于电子设备，该方法包括：
对输入的第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域；
统计每个所述区域内的区域统计特征和相应的边缘角点特征；
根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征；
通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
本发明实施例还提供了一种电子设备，包括：
图像获取单元，用于获取第一图像；
区域分割单元，用于对获取的所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域；
特征统计单元，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
保存单元，用于将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
本发明实施例还提供了一种电子设备，包括：
图像获取单元，用于获取输入的第二图像；
区域分割单元，用于对输入的所述第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域；
特征统计单元，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
检索单元，用于根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征；通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
本发明所提供的一种图像分割方法、图像检索方法和电子设备，首先根据图像的纹理信息，并利用图分割的方法将图像分为不同的区域，然后对每个区域分别提取区域统计特征和边界角点特征，由于区域统计特征能够反映对应区域的整体信息，边界角点特征能够反映区域间的连接关系，因此区域统计特征和边界角点特征的组合能够充分反应场景的结构信息；从而，基于区域统计特征和边界角点特征匹配的图像检索，能够达到快速、高效、准确的匹配相似场景的目的。
附图说明
图1为本发明实施例的一种图像分割方法的流程图；
图2为本发明实施例的一种图像检索方法的流程图；
图3为本发明实施例的一种电子设备的组成结构示意图；
图4为本发明实施例的一种特征统计单元的组成结构示意图；
图5为本发明实施例的另一种电子设备的组成结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
本发明实施例提供的一种图像分割方法，应用于电子设备，如图1所示，该方法主要包括以下步骤：
步骤101，获取第一图像并对所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域。
由于本实施例的方法应用于电子设备中，因此所述步骤101也可描述为：电子设备获取第一图像并对所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域。
本发明实施例中，电子设备可以根据所述第一图像的纹理信息，利用基于图的分割方法（graph-based image segmentation methods）将所述第一图像分割为不同的区域。本发明实施例适用的基于图的分割方法可以为以下之一：归一化分割（Normalized Cut）、最小生成树（minimum spanning tree）、随机游走（random walker）等等。
步骤102，统计每个所述区域内的区域统计特征和相应的边缘角点特征。
由于本实施例的方法应用于电子设备中，因此所述步骤102也可描述为：电子设备统计每个所述区域内的区域统计特征和相应的边缘角点特征。具体包括：
统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图（HOG，Histograms of OrientedGradients）和区域形状信息组成对应所述区域的区域统计特征；
基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，所述区域内的颜色直方图用于反映所述区域的颜色分布情况，所述统计每个区域内的颜色直方图可以采用以下方式：统计每个所述区域内的各像素点的灰度值，并根据各像素点的灰度值统计每个所述区域内的颜色直方图。具体的，根据各像素点的灰度值统计每个所述区域内的颜色直方图的方法可以为：根据各像素点的灰度值，统计各灰度值的像素点分布，并依此统计所述区域内各灰度值的分布概率。
所述区域内的方向梯度直方图用于反映所述区域的梯度纹理信息，所述统计每个区域内的方向梯度直方图可以采用以下方式：统计每个所述区域内的各特征点的梯度值，并根据各特征点的梯度值统计每个所述区域内的方向梯度直方图。具体的，根据各特征点的梯度值统计每个所述区域内的方向梯度直方图的方法可以为：根据各特征点的梯度值，统计各梯度值的特征点分布，并依此统计所述区域内各梯度值的分布概率。
所述区域内的区域形状信息用于反映所述区域的形状特征，所述统计每个所述区域内的区域形状信息可以采用以下方式：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
优选的，所述基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征，包括：
基于所述分割的区域，采用canny算子进行各区域的边缘提取，并保证所述边缘的连续性；
在提取边缘后，对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，角点特征用于反映区域间的相关性，因此所述角点检测是在区域的边缘检测得到的，具体可采用ORB特征或快速鲁棒特征（SURF，Speeded UpRobust Features）检测的方法对提取的边缘进行角点特征检测。
步骤103，将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
由于本实施例的方法应用于电子设备中，因此所述步骤103也可描述为：电子设备将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
电子设备在统计完第一图像的每个区域的区域统计特征和边缘角点特征后，首先将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，然后将所述第一图像和所述第一图像的每个区域的区域描述集对应保存。较佳的，所述第一图像及其对应的每个区域的区域描述集可以采用kd-tree的方式进行保存。
本发明实施例提供的一种图像检索方法，应用于电子设备，如图2所示，该方法主要包括以下步骤：
步骤201，获取第二图像并对所述第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域。
由于本实施例的方法应用于电子设备中，因此所述步骤201也可描述为：电子设备获取第二图像并对所述第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域。
本发明实施例中，电子设备可以根据所述第一图像的纹理信息，利用基于图的分割方法（graph-based image segmentation methods）将所述第一图像分割为不同的区域。本发明实施例适用的基于图的分割方法可以为以下之一：归一化分割（Normalized Cut）、最小生成树（minimum spanning tree）、随机游走（random walker）等等。
步骤202，统计每个所述区域内的区域统计特征和相应的边缘角点特征。
由于本实施例的方法应用于电子设备中，因此所述步骤202也可描述为：电子设备统计每个所述区域内的区域统计特征和相应的边缘角点特征。具体包括：
统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、HOG和区域形状信息组成对应所述区域的区域统计特征；
基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，所述区域内的颜色直方图用于反映所述区域的颜色分布情况，所述统计每个区域内的颜色直方图可以采用以下方式：统计每个所述区域内的各像素点的灰度值，并根据各像素点的灰度值统计每个所述区域内的颜色直方图。具体的，根据各像素点的灰度值统计每个所述区域内的颜色直方图的方法可以为：根据各像素点的灰度值，统计各灰度值的像素点分布，并依此统计所述区域内各灰度值的分布概率。
所述区域内的方向梯度直方图用于反映所述区域的梯度纹理信息，所述统计每个区域内的方向梯度直方图可以采用以下方式：统计每个所述区域内的各特征点的梯度值，并根据各特征点的梯度值统计每个所述区域内的方向梯度直方图。具体的，根据各特征点的梯度值统计每个所述区域内的方向梯度直方图的方法可以为：根据各特征点的梯度值，统计各梯度值的特征点分布，并依此统计所述区域内各梯度值的分布概率。
所述区域内的区域形状信息用于反映所述区域的形状特征，所述统计每个所述区域内的区域形状信息可以采用以下方式：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
优选的，所述基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征，包括：
基于所述分割的区域，采用canny算子进行各区域的边缘提取，并保证所述边缘的连续性；
在提取边缘后，对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，角点特征用于反映区域间的相关性，因此所述角点检测是在区域的边缘检测得到的，具体可采用ORB特征或SURF检测的方法对提取的边缘进行角点特征检测。
步骤203，根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征。
由于本实施例的方法应用于电子设备中，因此所述步骤203也可描述为：电子设备根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征。
数据库采用kd-tree的方式存储时，电子设备可以采用检索kd-tree方法进行检索操作。
需要说明的是，所述检索是将第二图像的每个区域的区域统计特征和边缘角点特征与所述数据库中保存的区域的区域统计特征和边缘角点特征进行相似的匹配，且与所述第二图像的同一区域匹配的数据库中的区域可能会有多个，这些多个匹配的区域可能分别属于不同的所述第一图像。
步骤204，通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
由于本实施例的方法应用于电子设备中，因此所述步骤204也可描述为：电子设备通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
较佳的，根据匹配的区域描述集在第一图像中的对应区域分布，可以采用WTA（Winner-Take-All）的方式，提取满足预设匹配度的第一图像作为图像检索结果。
较佳的，所述根据匹配的区域描述集在第一图像中的对应区域分布，提取满足预设匹配度的第一图像作为图像检索结果，也可具体为：
将包含所述匹配的区域描述集所对应的区域最多的至少一个所述第一图像作为图像检索结果；当所述图像检索结果中包括至少一个所述第一图像时，将所述第一图像按照其所包含的所述匹配的区域的数量从大到小的顺序进行排列。
本发明实施例的区域划分方法更加符合场景的结构信息；由区域内部的统计特征和边缘处的角点特征共同构成区域的信息描述，因此能够更好的反映区域间的连接关系，更好的适用于场景识别，实现更好的场景识别效果。基于区域统计特征和边界角点特征匹配的图像检索，能够达到快速、高效、准确的匹配相似场景的目的。
对应上述图像分割方法，本发明实施例还提供了一种用于执行所述图像分割方法的电子设备，如图3所示，该电子设备包括：
图像获取单元10，用于获取第一图像；
区域分割单元20，用于对获取的所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域；
特征统计单元30，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
保存单元40，用于将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
作为一种较佳实施方式，如图4所示，特征统计单元30包括：
区域特征统计子单元31，用于统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
边缘角点提取子单元32，用于基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，所述区域内的颜色直方图用于反映所述区域的颜色分布情况；优选的，区域特征统计子单元31进一步用于通过以下方式统计每个所述区域内的颜色直方图：统计每个所述区域内的各像素点的灰度值，并根据各像素点的灰度值统计每个所述区域内的颜色直方图。具体的，根据各像素点的灰度值统计每个所述区域内的颜色直方图的方法可以为：根据各像素点的灰度值，统计各灰度值的像素点分布，并依此统计所述区域内各灰度值的分布概率。
所述区域内的方向梯度直方图用于反映所述区域的梯度纹理信息；优选的，区域特征统计子单元31进一步用于通过以下方式统计每个所述区域内的方向梯度直方图：统计每个所述区域内的各特征点的梯度值，并根据各特征点的梯度值统计每个所述区域内的方向梯度直方图。具体的，根据各特征点的梯度值统计每个所述区域内的方向梯度直方图的方法可以为：根据各特征点的梯度值，统计各梯度值的特征点分布，并依此统计所述区域内各梯度值的分布概率。
所述区域内的区域形状信息用于反映所述区域的形状特征；优选的，所述区域特征统计子单元31进一步用于通过以下方式统计每个所述区域内的区域形状信息：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
优选的，边缘角点提取子单元32进一步用于，基于所述分割的区域，采用canny算子进行各区域的边缘提取，并保证所述边缘的连续性；在提取边缘后，对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
其中，角点特征用于反映区域间的相关性，因此所述角点检测是在区域的边缘检测得到的，具体可采用ORB特征或SURF检测的方法对提取的边缘进行角点特征检测。
对应上述图像检索方法，本发明实施例还提供了一种用于执行所述图像检索方法的电子设备，如图5所示，该电子设备包括：
图像获取单元10，用于获取输入的第二图像；
区域分割单元20，用于对输入的所述第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域；
特征统计单元30，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
检索单元50，用于根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征；通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
作为一种较佳实施方式，如图4所示，特征统计单元30包括：
区域特征统计子单元31，用于统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
边缘角点提取子单元32，用于基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
优选的，区域特征统计子单元31进一步用于通过以下方式统计每个所述区域内的区域形状信息：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
优选的，检索单元50进一步用于，将包括所述匹配的区域描述集所对应的区域最多的至少一个所述第一图像作为图像检索结果；当所述图像检索结果中包括至少一个所述第一图像时，将所述第一图像按照其所包含的所述匹配的区域的数量从大到小的顺序进行排列。
数据库采用kd-tree的方式存储时，检索单元50可以采用检索kd-tree方法进行检索操作。
需要说明的是，实际应用中同一台电子设备可以同时具备执行图像分割方法和图像检索方法的能力，那么，此类电子设备包括上述的图像获取单元10、区域分割单元20、特征统计单元30、保存单元40和检索单元50，各单元的功能和结构参见前述图3、图4和图5的实施例所述，此处不再赘述。
综上所述，本发明实施例首先根据图像的纹理信息，并利用图分割的方法将图像分为不同的区域，然后对每个区域分别提取区域统计特征和边界角点特征，由于区域统计特征能够反映对应区域的整体信息，边界角点特征能够反映区域间的连接关系，因此区域统计特征和边界角点特征的组合能够充分反应场景的结构信息；从而，基于区域统计特征和边界角点特征匹配的图像检索，能够达到快速、高效、准确的匹配相似场景的目的。另外，本发明实施例的区域划分方法更加符合场景的结构信息；由区域内部的统计特征和边缘处的角点特征共同构成区域的信息描述，能够更好的反映区域间的连接关系，实现更好的场景识别效果。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法、装置和电子设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种图像分割方法，应用于电子设备，其特征在于，该方法包括：
获取第一图像并对所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域；
统计每个所述区域内的区域统计特征和相应的边缘角点特征；
将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
2.根据权利要求1所述图像分割方法，其特征在于，所述统计每个所述区域内的区域统计特征和相应的边缘角点特征，包括：
统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
3.根据权利要求2所述图像分割方法，其特征在于，所述统计每个所述区域内的区域形状信息包括：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
4.一种图像检索方法，应用于电子设备，其特征在于，该方法包括：
对输入的第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域；
统计每个所述区域内的区域统计特征和相应的边缘角点特征；
根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征；
通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
5.根据权利要求4所述图像检索方法，其特征在于，所述统计每个所述区域内的区域统计特征和相应的边缘角点特征，包括：
统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
6.根据权利要求5所述图像检索方法，其特征在于，所述统计每个所述区域内的区域形状信息包括：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
7.根据权利要求4、5或6所述图像检索方法，其特征在于，所述根据匹配的区域描述集在第一图像中的对应区域分布，提取满足预设匹配度的第一图像作为图像检索结果，包括：
将包含所述匹配的区域描述集所对应的区域最多的至少一个所述第一图像作为图像检索结果；当所述图像检索结果中包括至少一个所述第一图像时，将所述第一图像按照其所包含的所述匹配的区域的数量从大到小的顺序进行排列。
8.一种电子设备，其特征在于，包括：
图像获取单元，用于获取第一图像；
区域分割单元，用于对获取的所述第一图像进行纹理分析，基于纹理分析的结果将所述第一图像分割为不同的区域；
特征统计单元，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
保存单元，用于将每个所述区域的区域统计特征和边缘角点特征保存为对应区域的区域描述集，保存所述第一图像并对应保存所述第一图像的每个区域的区域描述集。
9.根据权利要求8所述电子设备，其特征在于，所述特征统计单元包括：
区域特征统计子单元，用于统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
边缘角点提取子单元，用于基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
10.根据权利要求9所述电子设备，其特征在于，所述区域特征统计子单元进一步用于通过以下方式统计每个所述区域内的区域形状信息：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
11.一种电子设备，其特征在于，包括：
图像获取单元，用于获取输入的第二图像；
区域分割单元，用于对输入的所述第二图像进行纹理分析，基于纹理分析的结果将所述第二图像分割为不同的区域；
特征统计单元，用于统计每个所述区域内的区域统计特征和相应的边缘角点特征；
检索单元，用于根据所述第二图像的每个区域的区域统计特征和边缘角点特征检索数据库，所述数据库中保存有第一图像和对应所述第一图像的每个区域的区域描述集，所述区域描述集中包括区域统计特征和边缘角点特征；通过所述检索数据库得到匹配所述第二图像中区域的对应区域描述集，并根据所述匹配的区域描述集在所述第一图像中的对应区域分布，提取满足预设匹配度的所述第一图像作为图像检索结果并输出。
12.根据权利要求11所述电子设备，其特征在于，所述特征统计单元包括：
区域特征统计子单元，用于统计每个所述区域内的颜色直方图、方向梯度直方图和区域形状信息，所述每个区域内的颜色直方图、方向梯度直方图和区域形状信息组成对应所述区域的区域统计特征；
边缘角点提取子单元，用于基于所分割的区域进行边缘提取，并对所提取的边缘进行角点特征检测，得到对应每个所述区域的边缘角点特征。
13.根据权利要求12所述电子设备，其特征在于，所述区域特征统计子单元进一步用于通过以下方式统计每个所述区域内的区域形状信息：
统计每个所述区域内的像素面积，并确定所述像素面积的外界矩形面积，所述外界矩形面积为包括所述像素面积的最小矩形的面积；
每个所述区域内的区域形状信息包括所述区域内的像素面积、外界矩形面积，或者包括所述区域内的像素面积、外界矩形面积、以及所述像素面积与对应外界矩形面积的比值，或者包括所述区域内的像素面积与对应外界矩形面积的比值。
14.根据权利要求11、12或13所述电子设备，其特征在于，所述检索单元进一步用于，将包含所述匹配的区域描述集所对应的区域最多的至少一个所述第一图像作为图像检索结果；当所述图像检索结果中包括至少一个所述第一图像时，将所述第一图像按照其所包含的所述匹配的区域的数量从大到小的顺序进行排列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310390882.2A CN104424636A (zh) | 2013-08-30 | 2013-08-30 | 一种图像分割方法、图像检索方法和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310390882.2A CN104424636A (zh) | 2013-08-30 | 2013-08-30 | 一种图像分割方法、图像检索方法和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104424636A true CN104424636A (zh) | 2015-03-18 |
Family
ID=52973523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310390882.2A Pending CN104424636A (zh) | 2013-08-30 | 2013-08-30 | 一种图像分割方法、图像检索方法和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104424636A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105374282A (zh) * | 2015-11-17 | 2016-03-02 | 立德高科(北京)数码科技有限责任公司 | 采用分层叠加方式生成的全息标签、生成方法与系统 |
| CN106294354A (zh) * | 2015-05-14 | 2017-01-04 | 中兴通讯股份有限公司 | 一种机顶盒视频输出图像内容的搜索方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1227430A2 (en) * | 2001-01-24 | 2002-07-31 | Eastman Kodak Company | System and method for determining image similarity |
| CN103020630A (zh) * | 2012-12-05 | 2013-04-03 | 曙光信息产业(北京)有限公司 | 图像特征的处理方法和装置 |
-
2013
- 2013-08-30 CN CN201310390882.2A patent/CN104424636A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1227430A2 (en) * | 2001-01-24 | 2002-07-31 | Eastman Kodak Company | System and method for determining image similarity |
| CN103020630A (zh) * | 2012-12-05 | 2013-04-03 | 曙光信息产业(北京)有限公司 | 图像特征的处理方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 刘鹏宇: ""基于内容的图像特征提取算法的研究"", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106294354A (zh) * | 2015-05-14 | 2017-01-04 | 中兴通讯股份有限公司 | 一种机顶盒视频输出图像内容的搜索方法及装置 |
| CN105374282A (zh) * | 2015-11-17 | 2016-03-02 | 立德高科(北京)数码科技有限责任公司 | 采用分层叠加方式生成的全息标签、生成方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126379A (zh) | 一种目标检测方法与装置 | |
| CN105279484A (zh) | 对象检测方法和对象检测装置 | |
| CN107223242B (zh) | 用于在多个已存储图像中搜索相似图像的方法 | |
| CN105069457B (zh) | 图像识别方法和装置 | |
| Zhou et al. | Water-Filling: a novel way for image structural feature extraction | |
| CN110163109B (zh) | 一种车道线标注方法及装置 | |
| CN104951440B (zh) | 一种图像处理方法及电子设备 | |
| CN104217417A (zh) | 一种视频多目标跟踪的方法及装置 | |
| CN108563651A (zh) | 一种多视频的目标搜索方法、装置及设备 | |
| CN104951765A (zh) | 基于形状先验信息和视觉对比度的遥感图像目标分割方法 | |
| Lu et al. | Generating fluent tubes in video synopsis | |
| An et al. | Content-based image retrieval using color features of salient regions | |
| CN112686122B (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
| CN104424636A (zh) | 一种图像分割方法、图像检索方法和电子设备 | |
| Aljahdali et al. | Classification of image database using SVM with Gabor Magnitude | |
| CN116797830A (zh) | 一种基于YOLOv7的图像风险分类方法及装置 | |
| Winter et al. | Differential feature distribution maps for image segmentation and region queries in image databases | |
| CN116012393A (zh) | 一种纸箱点云分割方法、装置以及处理设备 | |
| Hameed et al. | An efficient multistage CBIR based on Squared Krawtchouk-Tchebichef polynomials | |
| Desai et al. | Shape Based Features Extracted Using Wavelet Decomposition and Morphological Operators. | |
| KR101106448B1 (ko) | 지능 영상 감시를 위한 이동 객체 실시간 검출 방법 | |
| Kekre et al. | Performance evaluation of bins approach in YCbCr color space with and without scaling | |
| Salehian et al. | Fast content based color image retrieval system based on texture analysis of edge map | |
| Ko et al. | Automatic object-of-interest segmentation from natural images | |
| CN112884884A (zh) | 一种候选区域生成方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150318 |