CN105678326B - 一种基于曲率的二维目标轮廓的编码方法 - Google Patents

一种基于曲率的二维目标轮廓的编码方法 Download PDF

Info

Publication number
CN105678326B
CN105678326B CN201511033247.4A CN201511033247A CN105678326B CN 105678326 B CN105678326 B CN 105678326B CN 201511033247 A CN201511033247 A CN 201511033247A CN 105678326 B CN105678326 B CN 105678326B
Authority
CN
China
Prior art keywords
curvature
degrees
code
horizontal direction
curve
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.)
Active
Application number
CN201511033247.4A
Other languages
English (en)
Other versions
CN105678326A (zh
Inventor
杜娟
陈芳
胡跃明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201511033247.4A priority Critical patent/CN105678326B/zh
Publication of CN105678326A publication Critical patent/CN105678326A/zh
Application granted granted Critical
Publication of CN105678326B publication Critical patent/CN105678326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/753—Transform-based matching, e.g. Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明公开了一种基于曲率的二维目标轮廓的编码方法，本发明通过对离散后的目标轮廓像素点均匀分为12个相对位置，设计了6种码值，运用这种编码方法对目标轮廓的曲率进行提取，建立相邻像素点之间的相对位置关系。这种方法可以避免传统轮廓编码方法使编码发生改变发现象，同时减少计算的复杂性。在目标匹配中，可以较好地进行平面曲线轮廓匹配，而且可以很好地解决有遮挡情况下的匹配问题。

Description

一种基于曲率的二维目标轮廓的编码方法
技术领域
本发明涉及模式识别中物体形状识别领域，具体涉及一种基于曲率的二维目标轮廓的编码方法。
背景技术
为了能更好地识别目标的形状，编码方法对于目标的刚体变化要具有不变形，而且同时尽可能多的保持目标的原有信息。目前常用的编码方法有利用位置坐标和链码描述目标物体轮廓信息的编码方法和基于傅里叶描述子边界描述方法。而利用位置和链码描述目标物体轮廓信息的方法在物体发生刚体变化时，目标的编码会发生较大的改变，对目标重建造成很大的阻碍；基于傅里叶描述子边界描述方法对目标物体刚体变化具有不变性，但是需要进行复杂的傅里叶运算，在实现不变性的归一化的同时会丢失一些信息，而且会受到选择的起始点的影响。此外，轮廓不变矩描述方法、自回归模型法、几何相关函数法和神经网络法随都能描述目标物体的轮廓边界信息，但是会造成大量信息的丢失，不利于对轮廓曲线的恢复。
然而微分几何在目标物体刚体变化中刚体轮廓像素点之间的相对位置不变，即刚体变化的不变性。在此基础上提取各像素点的曲率，对目标物体轮廓进行编码，以此来达到计算简单，信息丢失少和方便重建的目的。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种基于曲率的二维目标轮廓的编码方法。
本发明采用如下技术方案：
一种基于曲率的二维目标轮廓的编码方法，包括如下步骤：
S1平面闭合曲线起始点的确定，定义给定平面闭合曲线C：r＝r(s)＝{x(s),y(s)}，令起始点P0(x0，y0)，x0＝max{x|(x,y)∈C}，y0＝min{y|x＝x0,(x,y)∈C}，定义逆时针为曲率提取运动的正方向；
S2平面闭合曲线曲率符号的确定，曲率表示某点P的弯曲程度，是非负值，定义曲线C：r＝r(s)上的邻近两点P1(s+Δs)和P2(s-Δs)作线段P1P2，当Δs→0时，若线段P1P2在目标轮廓闭合曲线内，则为正；若线段P1P2在目标轮廓闭合曲线外，则为负；其他情况，则为0；
S3将给定的目标平面闭合曲线轮廓边缘离散化，并以逆时针排列的像素点坐标P0，P1，…，PN来描述目标轮廓，其中P0＝PN；
S4平面曲线离散后，将相对位置平均分为12个方向，每相邻两个方向之间的夹角是30度，以水平正方向的编码为0，依次每隔30度的，按照逆时针方向编码为1-11，设Pn为原点O点，则Pn-1，Pn+1和Pn三点的位置关系有12种可能，方向编码为0-11，用数字序列anbn表示它们之间的关系。
根据离散点Pn的曲率近似公式得到平面曲线离散各
个点的曲率，其中α是Pn-1，Pn+1两点切线的夹角，Pn-1Pn是Pn-1、Pn两点间的距离，PnPn+1是Pn、Pn+1两点间的距离，设像素点间的长度计算Δl为：当i/3＝0时，Δl＝1；当i/3＝1、2时，根据上述曲率计算与Pn-1PnPn+1的位置关系，将132种可能性归纳成六种情况，每个曲率用一个数字代替；
S5将各个点曲率存放在线性表内，第一个元素为起始点的方向位，从第二个元素开始，依次存放P1，P2，…，PN各点曲率；所述起始点的方向位有5种可能，其方向编码为4、5、6、7、8，本方法用2、1、0、-1、-2分别对应其5个方向编码作为初始编码；
S6曲率重建，根据编码的方式及存储在线性表内的曲线的曲率信息，得出下一个点的位置对应关系。
所述S4中根据上述曲率近似公式得出六种情况下的曲率描述，具体为：当切线夹角成30度时，数字序列差为1，曲率编码为5；当切线夹角成60度时，数字序列差为2，曲率编码为4；当切线夹角成90度时，数字序列差为3，曲率编码为3；当切线夹角成120度时，数字序列差为4，曲率编码为2；当切线夹角成150度时，数字序列差为5，曲率编码为1；当切线夹角成180度时，数字序列差为6，曲率编码为0。
所述S6中先确定起始点P0，利用方向位确定P1的位置，将线段P0P1的方向记为an，得到对应关系确定bn的方向，直到n＝N为止。
所述方向序列anbn表示Pn-1，Pn，Pn+1间的关系，kn是离散点的曲率，则分析各种情况下的数字序列(an，kn)，归纳出bn与(an，kn)之间的对应关系如下：当an+kn＝6时，bn为0；当an+kn＝7或-5时，bn为1；当an+kn＝8或-4时，bn为2；当an+kn＝9或-3时，bn为3；当an+kn＝10或-2时，bn为4；当an+kn＝11或-1时，bn为5；当an+kn＝12或0时，bn为6；当an+kn＝13或1时，bn为7；当an+kn＝14或2时，bn为8；当an+kn＝15或3时，bn为9；当an+kn＝16或4时，bn为10；当an+kn＝17时，bn为0。
所述平面曲线离散后，将相对位置平均分为12个方向，每相邻两个方向之间的夹角是30度，以水平正方向即与水平方向成0度的方向的编码为0，依次每隔30度的，按照逆时针方向编码为1-11，方向编码为1即与水平方向成30度，方向编码为2即与水平方向成60度，方向编码为3的方向即与水平方向成90度，方向编码为4的方向即与水平方向成120度，方向编码为5的方向即与水平方向成150度，方向编码为6的方向即与水平方向成180度，方向编码为7的方向即与水平方向成210度，方向编码为8的方向即与水平正方向成240度，方向编码为9的方向即与水平方向成270度，方向编码为10的方向即与水平方向成300度，方向编码为11的方向即与水平方向成330度。
本发明的有益效果：
本发明相比于现有的编码方法具有提取边缘信息方法简单，存储量小，重建方便的特点。在目标匹配中，可以较好地进行平面曲线轮廓匹配，而且可以很好地解决有遮挡情况下的匹配问题。
附图说明
图1是本发明的工作流程图；
图2是本发明的曲率近似计算示意图；
图3是本发明的二维目标轮廓离散后相邻点间的位置方向关系图；
图4是本发明的曲线重建流程图；
图5是本发明实施例当bn＝0时的数字序列(an，kn)的示意图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，一种基于曲率的二维目标轮廓的编码方法，包括如下步骤：
S1平面闭合曲线起始点的确定，定义平面闭合曲线C：r＝r(s)＝{x(s),y(s)}，令起始点P0(x0，y0)，x0＝max{x|(x,y)∈C}，y0＝min{y|x＝x0,(x,y)∈C}，定义逆时针为曲率提取运动的正方向。即对目标轮廓曲线选取横坐标最大，纵坐标最小的像素点作为曲率提取的起始点，逆时针方向为正方向。
S2平面闭合曲线曲率符号的确定，曲率表示某点P的弯曲程度，是非负值，定义曲线C：r＝r(s)上的邻近两点P1(s+Δs)和P2(s-Δs)作线段P1P2，当Δs→0时，若线段P1P2在目标轮廓闭合曲线内，则为正；若线段P1P2在目标轮廓闭合曲线外，则为负；其他情况，则为0；
S3将给定的目标平面闭合曲线轮廓边缘离散化，并以逆时针排列的像素点坐标P0，P1，…，PN来描述目标轮廓，其中P0＝PN；
S4如图3所示，平面曲线离散后，将相对位置平均分为12个方向，每相邻两个方向之间的夹角是30度，以水平正方向即与水平方向成0度的方向的编码为0，依次每隔30度的，按照逆时针方向编码为1-11，方向编码为1即与水平方向成30度，方向编码为2即与水平方向成60度，方向编码为3的方向即与水平方向成90度，方向编码为4的方向即与水平方向成120度，方向编码为5的方向即与水平方向成150度，方向编码为6的方向即与水平方向成180度，方向编码为7的方向即与水平方向成210度，方向编码为8的方向即与水平正方向成240度，方向编码为9的方向即与水平方向成270度，方向编码为10的方向即与水平方向成300度，方向编码为11的方向即与水平方向成330度。
设Pn为原点O点，则Pn-1，Pn+1和Pn三点的位置关系有12种可能，方向编码为0-11，用数字序列anbn表示它们之间的关系，所述an是Pn-1Pn的曲率对应的方向序列，bn是PnPn+1的曲率对应的方向序列。例如28意味着：Pn-1是方向编码为2的顶点，Pn+1是方向编码为8的顶点。根据排列组合原理，共存在种可能性。
如图2所示，根据离散点的曲率近似公式
得到平面曲线离散各个点的曲率，其中α是Pn-1，Pn+1两点切线的夹角，Pn-1Pn是Pn-1、Pn两点间的距离，PnPn+1是Pn、Pn+1两点间的距离，设像素点间的长度计算Δl为：当i/3＝0时，Δl＝1；当i/3＝1、2时， 根据上述曲率计算与Pn- 1PnPn+1的位置关系，将132种可能性归纳成六种情况，每个曲率用一个数字代替；
根据上述曲率得出六种情况下的曲率描述；
具体为：当切线夹角成30度时，数字序列差为1，曲率编码为5；当切线夹角成60度时，数字序列差为2，曲率编码为4；当切线夹角成90度时，数字序列差为3，曲率编码为3；当切线夹角成120度时，数字序列差为4，曲率编码为2；当切线夹角成150度时，数字序列差为5，曲率编码为1；当切线夹角成180度时，数字序列差为6，曲率编码为0。
如表1所示：
表1二维目标轮廓离散后相邻点形成的曲率表
S5将离散化提取到的曲线各像素点的曲率存放在一维线性表中，定义线性表的第一个元素为起始点的方向位，若起始点的方向为方向编码4时，则方向位记为2；若起始点的方向编码6时，方向位记为0；若起始点的方向编码7时，方向位记为-1；若起始点的方向为图3中的方向编码8时，则方向位记为-2；从第二个元素开始，存储P1，P2，…，PN的曲率值。
S6如图4所示，在图像重建过程中，根据S5中编码的方式及S4中存储在线性表内的曲线的曲率信息，得出下一个点的位置对应关系。
具体是先确定起始点P0，利用方向位确定P1的位置，将线段P0P1的方向记为an，再根据表2的对应关系确定bn的方向，循环该步骤，直到n＝N为止。所述方向序列anbn表示Pn-1，Pn+1和Pn间的关系，kn是离散点的曲率，则分析各种情况下的数字序列(an，kn)，归纳出bn与(an，kn)之间的对应关系如下：当an+kn＝6时，bn为0；当an+kn＝7或-5时，bn为1；当an+kn＝8或-4时，bn为2；当an+kn＝9或-3时，bn为3；当an+kn＝10或-2时，bn为4；当an+kn＝11或-1时，bn为5；当an+kn＝12或0时，bn为6；当an+kn＝13或1时，bn为7；当an+kn＝14或2时，bn为8；当an+kn＝15或3时，bn为9；当an+kn＝16或4时，bn为10；当an+kn＝17时，bn为0。如图5所示，bn＝0时的数字序列(an，kn)情况，此时的kn由相邻三点的角度确定(如表1)，表2中其他bn值的对应关系，可类似推出。
表2二维目标轮廓离散后曲率值bn的确定
本发明相比于现有的编码方法具有提取边缘信息方法简单，存储量小，重建方便的特点。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种基于曲率的二维目标轮廓的编码方法，适用于物体形状识别领域，其特征在于，该编码方法对目标物体轮廓的曲率进行提取，建立相邻像素点之间的相对位置关系，实现平面曲线轮廓匹配，包括如下步骤：
S1平面闭合曲线起始点的确定，定义给定平面闭合曲线C：r＝r(s)＝{x(s)，y(s)}，令起始点P0(x0，y0)，x0＝max{x|(x，y)∈C}，y0＝min{y|x＝x0，(x，y)∈C}，定义逆时针为曲率提取运动的正方向；
S2平面闭合曲线曲率符号的确定，曲率表示某点P的弯曲程度，是非负值，定义曲线C：r＝r(s)上的邻近两点P1(s+Δs)和P2(s-Δs)作线段P1P2，当Δs→0时，若线段P1P2在目标轮廓闭合曲线内，则为正；若线段P1P2在目标轮廓闭合曲线外，则为负；其他情况，则为0；
S3将给定的目标平面闭合曲线轮廓边缘离散化，并以逆时针排列的像素点坐标P0，P1，…，PN来描述目标轮廓，其中P0＝PN；
S4平面曲线离散后，将相对位置平均分为12个方向，每相邻两个方向之间的夹角是30度，以水平正方向的编码为0，依次每隔30度的，按照逆时针方向编码为1-11，设Pn为原点0点，则Pn-1，Pn+1和Pn三点的位置关系有12种可能，方向编码为0-11，用数字序列anbn表示它们之间的关系，所述an是线段Pn-1Pn对应的方向序列，bn是线段PnPn+1对应的方向序列；
根据离散点Pn的曲率近似公式
得到平面曲线离散各个点的曲率，其中α是Pn-1，Pn+1两点切线的夹角，|Pn-1Pn|是Pn-1、Pn两点间的距离，|PnPn+1|是Pn、Pn+1两点间的距离，根据上述曲率得出六种情况下的曲率描述；
S5将各个点曲率存放在线性表内，第一个元素为起始点的方向位，从第二个元素开始，依次存放P1，P2，…，PN各点曲率；所述起始点的方向位有5种可能，其方向编码为4、5、6、7、8，本方法用2、1、0、-1、-2分别对应其5个方向编码作为初始编码；
S6曲率重建，根据编码的方式及存储在线性表内的曲线的曲率信息，得出逆时针曲线下一个点的位置对应关系。
2.根据权利要求1所述的编码方法，其特征在于，所述S4中根据上述曲率近似公式得出六种情况下的曲率描述，具体为：当切线夹角成30度时，数字序列差|an_bn|＝1，曲率编码为5；当切线夹角成60度时，数字序列差|an_bn|＝2，曲率编码为4；当切线夹角成90度时，数字序列差|an_bn|＝3，曲率编码为3；当切线夹角成120度时，数字序列差|an_bn|＝4，曲率编码为2；当切线夹角成150度时，数字序列差|an_bn|＝5，曲率编码为1；当切线夹角成180度时，数字序列差|an_bn|＝6，曲率编码为0。
3.根据权利要求1所述的编码方法，其特征在于，所述S6中先确定起始点P0，利用方向位确定P1的位置，将线段P1P0的方向记为a1，得到对应关系确定b1的方向，根据存储在线性表内的曲线的曲率信息对曲线进行循环重建，直到n＝N为止。
4.根据权利要求3所述的编码方法，其特征在于，所述数字序列anbn表示Pn-1，Pn，Pn+1间的关系，kn是离散点的曲率，则分析各种情况下的数字序列(an，kn)，归纳出bn与(an，kn)之间的位置曲率对应关系如下：当an+kn＝6时，bn为0；当an+kn＝7或-5时，bn为1；当an+kn＝8或-4时，bn为2；当an+kn＝9或-3时，bn为3；当an+kn＝10或-2时，bn为4；当an+kn＝11或-1时，bn为5；当an+kn＝12或0时，bn为6；当an+kn＝13或1时，bn为7；当an+kn＝14或2时，bn为8；当an+kn＝15或3时，bn为9；当an+kn＝16或4时，bn为10；当an+kn＝17时，bn为0。
5.根据权利要求1所述的编码方法，其特征在于，所述平面曲线离散后，将相对位置平均分为12个方向，每相邻两个方向之间的夹角是30度，以水平正方向即与水平方向成0度的方向的编码为0，依次每隔30度的，按照逆时针方向编码为1-11，方向编码为1即与水平方向成30度，方向编码为2即与水平方向成60度，方向编码为3的方向即与水平方向成90度，方向编码为4的方向即与水平方向成120度，方向编码为5的方向即与水平方向成150度，方向编码为6的方向即与水平方向成180度，方向编码为7的方向即与水平方向成210度，方向编码为8的方向即与水平正方向成240度，方向编码为9的方向即与水平方向成270度，方向编码为10的方向即与水平方向成300度，方向编码为11的方向即与水平方向成330度。
CN201511033247.4A 2015-12-31 2015-12-31 一种基于曲率的二维目标轮廓的编码方法 Active CN105678326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511033247.4A CN105678326B (zh) 2015-12-31 2015-12-31 一种基于曲率的二维目标轮廓的编码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511033247.4A CN105678326B (zh) 2015-12-31 2015-12-31 一种基于曲率的二维目标轮廓的编码方法

Publications (2)

Publication Number Publication Date
CN105678326A CN105678326A (zh) 2016-06-15
CN105678326B true CN105678326B (zh) 2019-12-10

Family

ID=56298565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511033247.4A Active CN105678326B (zh) 2015-12-31 2015-12-31 一种基于曲率的二维目标轮廓的编码方法

Country Status (1)

Country Link
CN (1) CN105678326B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0171151B1 (ko) * 1995-03-20 1999-03-20 배순훈 곡률 계산 기법을 이용한 이미지 윤곽 근사화 장치
KR0181075B1 (ko) * 1996-05-08 1999-04-01 배순훈 적응 윤곽선 부호화 방법
KR100209419B1 (ko) * 1996-07-09 1999-07-15 전주범 영상신호로 표현된 객체의 윤곽선 부호화 방법
US7570802B2 (en) * 2001-12-27 2009-08-04 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Automated centerline detection algorithm for colon-like 3D surfaces
US7596243B2 (en) * 2005-09-16 2009-09-29 Sony Corporation Extracting a moving object boundary
CN101470808B (zh) * 2007-12-24 2011-11-02 北大方正集团有限公司 一种获取平面几何形状特征信息的方法及装置
CN101750031B (zh) * 2009-12-09 2011-08-10 华中科技大学 一种二维轮廓形状的测量方法及测量装置
KR20140108726A (ko) * 2012-02-27 2014-09-12 아셀산 엘렉트로닉 사나이 베 티카렛 아노님 시르케티 이미지들 상의 객체 윤곽선들의 스케일 불변 특징들을 식별하기 위한 방법 및 시스템

Also Published As

Publication number Publication date
CN105678326A (zh) 2016-06-15

Similar Documents

Publication Publication Date Title
CN101847163B (zh) 一种多特征融合的外观设计专利图像检索方法
Patel et al. Latent space sparse subspace clustering
CN108921019B (zh) 一种基于GEI和TripletLoss-DenseNet的步态识别方法
Daliri et al. Shape recognition based on kernel-edit distance
CN108154519A (zh) 眼底图像中血管的分割方法、装置及存储介质
CN106845384B (zh) 一种基于递归模型的手势识别方法
CN106022355B (zh) 基于3dcnn的高光谱图像空谱联合分类方法
CN103218791B (zh) 基于稀疏自适应字典的图像去噪方法
CN106022228B (zh) 一种基于网格纵横局部二值模式的三维人脸识别方法
CN110084238B (zh) 基于LadderNet网络的指静脉图像分割方法、装置和存储介质
CN108509886B (zh) 基于静脉像素点判定的掌静脉识别方法
CN109711378B (zh) 人脸表情自动识别方法
CN104331885A (zh) 一种基于投票线聚类的圆形目标检测方法
Zhao et al. Bisecting k-means clustering based face recognition using block-based bag of words model
CN110880010A (zh) 基于卷积神经网络的视觉slam闭环检测算法
CN104809457A (zh) 一种基于区域化隐函数特征的三维人脸识别方法及系统
CN103761768A (zh) 一种三维重建的立体匹配方法
CN105138974A (zh) 一种基于Gabor编码的手指多模态特征融合方法
CN108154066A (zh) 一种基于曲率特征递归神经网络的三维目标识别方法
CN111199558A (zh) 一种基于深度学习的图像匹配方法
CN103729882A (zh) 一种基于三维曲线匹配的点云相对位姿估计方法
CN102087742B (zh) 基于图像处理的甲骨碎片缀合方法
CN104376312A (zh) 基于词袋压缩感知特征提取的人脸识别方法
CN104657944A (zh) 基于参考影像纹理约束的压缩感知遥感图像重建方法
Kang et al. Local segmentation of touching characters using contour based shape decomposition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant