CN106603888A - 图像颜色提取处理结构 - Google Patents
图像颜色提取处理结构 Download PDFInfo
- Publication number
- CN106603888A CN106603888A CN201611261039.4A CN201611261039A CN106603888A CN 106603888 A CN106603888 A CN 106603888A CN 201611261039 A CN201611261039 A CN 201611261039A CN 106603888 A CN106603888 A CN 106603888A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- module
- segmentation
- blob
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/147—Scene change detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
- H04N5/2226—Determination of depth image, e.g. for foreground/background separation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了图像颜色提取处理结构,用于图像处理技术领域,传统彩色图像分割装置难以获得高质量、精细化的分割结果,且实时性不能满足大规模数据库要求的问题,所述装置包括:当接收到视频图像时,建立背景模型,提取所述视频图像的前景图像;对获得的所述前景图像进行颜色归一化处理,获得归一化后的图像并作为图像数据分割的对象;根据像素点间的颜色特征的不相似性量度,利用图像分割算法对图像各像素点进行聚类,将图像分割成一块块blob子区域,并提取各子区域对应的颜色和位置特征。本发明能够精确、有效的进行目标图像识别,并有较高的实时性能。如不特别说明,本发明所指的图像均为彩色图像。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种彩色图像颜色提取处理结构。
背景技术
随着多媒体技术的迅速发展,视频数据日趋庞大,如何对这些海量视频数据进行分析、搜索和识别,成为相关研究领域的重要挑战,特别是在智能监控和数字安防领域,越来越成为研究的热点和难点。为了对图像中的目标对象进行识别和跟踪,通常需要提取目标的图像特征进行比对,作为一种鲁棒性高的视觉特征,颜色特征对于物体本身的尺寸、方向和视角等因素依赖性较小,因而被广泛使用。
提取颜色特征的方法有很多,如采用图像分割的方法,将图像分成若干不同的色彩区域,然后存储其对应的特征以供后续查询和匹配。传统的图像分割技术,包括分水岭算法、区域分割及合并、频域技术等,在图像和视频处理的诸多应用中很有用,然而这些方法基本上都难以产生彩色图像的精细化分割结果,而且对于大规模的数据库满足不了实时性的要求。因此,有人提出基于GrabCut 理论的图像分割方法,但都是基于对全局图像进行操作,计算效率同样受到制约。
发明内容
本发明实施例的目的是针对传统图像分割方法难以获得高质量、精细化的分割结果,且实时性不能满足大规模数据库要求的问题,对传统方法进行改进和优化,而提出一种新的图像颜色提取处理结构。
为了实现前述发明目的,本发明实施例提出了图像颜色提取处理结构,所述装置是通过以下技术方案实现的:
图像颜色提取处理结构,所述装置包括:前景图像提取模块,用来当接收到视频图像时,建立背景模型,提取所述视频图像的前景图像;
图像归一化处理模块,用来对获得的所述前景图像进行颜色归一化处理,获得归一化后的图像并作为图像数据分割的对象;
图像分割模块,用来根据像素点间的颜色特征的不相似性量度,利用图像分割算法对图像各像素点进行聚类,将图像分割成一块块blob 子区域,并提取各子区域对应的颜色和位置特征,其中,所述子区域内部颜色差异小,子区域间的颜色差异大。
进一步优选地,所述装置还包括:特征信息拟合模块,用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状,其中,每个blob 块对应有RGB 颜色和空间坐标信息。
进一步优选地,所述装置还包括:特征信息索引模块,用来赋予每个blob 位置的预先确定的等分网格属性以使后续快速索引。
优选地,所述装置还包括:特征信息编码模块,用来对每个blob 的位置属性进行bit 位编码并将特征传输到相应的服务器进行上存储。
与现有技术相比,本发明实施例提出的图像颜色提取处理结构,能够精确、有效的用于行人等目标识别中的智能视频搜索的彩色图像特征提取、编码,因为只对前景区域处理,提高了实时性能,并对图像进行颜色归一化操作,从而弥补了不同点位的多个监控摄像机捕获的图像质量的差异性,改善了识别效果。另外,引入基于GrabCut 的图像分割算法提取颜色特征,并加以改进,使得图像分割更为精确。
另外,本发明实施例还拟合blob 区域成规则几何形状,最大程度地还原被分割对象的空间分布并易于表达和使用;另外,采用二进制编码,极大压缩存储空间,同时,将分割图像等分成若干个网格区域,最终分割出来的blob 都会有一个对应的网格属性,以后查找的时候都只在相应区域里面进行查找,缩少了搜索范围。
附图说明
图1 为本发明实施例1 图像颜色提取处理结构组成示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,为了实现前述发明目的,本发明实施例1提出了图像颜色提取处理结构,所述装置是通过以下技术方案实现。
所述构造连接方式如下:
所述装置包括:前景图像提取模块,用来当接收到视频图像时,建立背景模型,提取所述视频图像的前景图像;第一步将图像归一化处理模块,处理模块对获得的所述前景图像进行颜色归一化工序,获得归一化后的图像并作为图像数据分割的对象。
第二步将图像分割模块,用来根据像素点间的颜色特征的不相似性量度,利用图像分割算法对图像各像素点进行聚类,将图像分割成一块块blob子区域,并提取各子区域对应的颜色和位置特征。所述装置还包括:特征信息拟合模块,用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状,其中,每个blob块对应有RGB颜色和空间坐标信息。
第三部所述本发明还包括:特征信息索引模块,用来赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。所述本发明还包括:特征信息编码模块,用来对每个blob 的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
与现有技术相比,本发明实施例提出的图像颜色提取处理结构,能够精确、有效的用于行人等目标识别中的智能视频搜索的彩色图像颜色特征提取、编码,只对前景区域处理,提高了实时性能,并对图像进行颜色归一化操作,从而弥补了不同点位的多个监控摄像机捕获的图像质量的差异性,改善了识别效果。另外,引入基于GrabCut 的图像分割算法提取颜色特征,并加以改进,使得图像分割更为精确。
另外,本发明实施例还拟合blob 区域成规则几何形状,最大程度地还原被分割对象的空间分布并易于表达和使用;
另外,采用二进制编码,极大压缩存储空间,同时,将分割图像等分成若干个网格区域,最终分割出来的blob 都会有一个对应的网格属性,以后查找的时候都只在相应区域里面进行查找,缩少了搜索范围。
本发明所属领域的一般技术人员可以理解,本发明以上实施例仅为本发明的优选实施例之一,为篇幅限制,这里不能逐一列举所有实施方式,任何可以体现本发明权利要求技术方案的实施,都在本发明的保护范围内。
需要注意的是,以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,在本发明的上述指导下,本领域技术人员可以在上述实施例的基础上进行各种改进和变形,而这些改进或者变形落在本发明的保护范围内。
Claims (5)
1.图像颜色提取处理结构,其特征在于所述装置包括:前景图像提取模块、图像归一化处理模块、图像分割模块、特征信息索引模块、特征信息拟合模块、特征信息编码模块;所述前景图像提取模块,用来当接收到视频图像时,建立背景模型,提取所述视频图像的前景图像后交至图像归一化处理模块,用来对获得的所述前景图像进行颜色归一化处理,获得归一化后的图像并作为图像数据分割的对象;图像归一化处理后交至图像分割模块,用来根据像素点间的颜色特征的不相似性量度,利用图像分割算法对图像各像素点进行聚类,将图像分割成一块块blob子区域,并通过特征信息索引模块、特征信息拟合模块、特征信息编码模块提取各子区域对应的颜色和位置特征。
2.如权利要求1所述的图像颜色提取处理结构,其特征在于,所述装置还包括:特征信息拟合模块,用来对分割的子区域利用计算几何学方法拟合成较规则的几何形状,其中,每个blob 块对应有RGB 颜色和空间坐标信息。
3.如权利要求1所述的图像颜色提取处理结构,其特征在于,所述装置还包括:特征信息索引模块,用来赋予每个blob位置的预先确定的等分网格属性以使后续快速索引。
4.如权利要求1所述的图像颜色提取处理结构,其特征在于,所述装置还包括:特征信息编码模块,用来对每个blob的位置属性进行bit位编码并将特征传输到相应的服务器进行上存储。
5.如权利要求1所述的图像颜色提取处理结构,其特征在于,所述装置图像分割模块,用来根据像素点间的颜色特征的不相似性量度,利用图像分割算法对图像各像素点进行聚类,将图像分割成一块块blob子区域来实现的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261039.4A CN106603888A (zh) | 2016-12-30 | 2016-12-30 | 图像颜色提取处理结构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611261039.4A CN106603888A (zh) | 2016-12-30 | 2016-12-30 | 图像颜色提取处理结构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106603888A true CN106603888A (zh) | 2017-04-26 |
Family
ID=58581591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611261039.4A Pending CN106603888A (zh) | 2016-12-30 | 2016-12-30 | 图像颜色提取处理结构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106603888A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409386A (zh) * | 2018-10-25 | 2019-03-01 | 惠州学院 | 一种图像颜色特征提取系统 |
CN110019874A (zh) * | 2017-12-29 | 2019-07-16 | 上海全土豆文化传播有限公司 | 索引文件的生成方法、装置及系统 |
CN111596383A (zh) * | 2020-03-17 | 2020-08-28 | 杨文娟 | 基于大数据服务的黄沙预警平台 |
-
2016
- 2016-12-30 CN CN201611261039.4A patent/CN106603888A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019874A (zh) * | 2017-12-29 | 2019-07-16 | 上海全土豆文化传播有限公司 | 索引文件的生成方法、装置及系统 |
CN109409386A (zh) * | 2018-10-25 | 2019-03-01 | 惠州学院 | 一种图像颜色特征提取系统 |
CN111596383A (zh) * | 2020-03-17 | 2020-08-28 | 杨文娟 | 基于大数据服务的黄沙预警平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179324B (zh) | 基于颜色和深度信息融合的物体六自由度位姿估计方法 | |
WO2019169816A1 (zh) | 一种用于精细化识别车辆属性的深度神经网络及训练方法 | |
CN111797653B (zh) | 基于高维图像的图像标注方法和装置 | |
CN109345547B (zh) | 基于深度学习多任务网络的交通车道线检测方法及装置 | |
EP3499414B1 (en) | Lightweight 3d vision camera with intelligent segmentation engine for machine vision and auto identification | |
CN109711416B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
CN106933816A (zh) | 基于全局特征和局部特征的跨镜头目标检索系统及方法 | |
CN112766291B (zh) | 一种场景图像中特定目标对象的匹配方法 | |
CN102663398A (zh) | 一种彩色图像颜色特征提取方法及装置 | |
CN107688830B (zh) | 一种用于案件串并的现勘视觉信息关联图层生成方法 | |
CN111461036B (zh) | 一种利用背景建模增强数据的实时行人检测方法 | |
CN108537816A (zh) | 一种基于超像素和背景连接先验的显著物体分割方法 | |
TWI745204B (zh) | 基於深度學習之高效率光達物件偵測方法 | |
CN111915583A (zh) | 复杂场景中基于车载红外热像仪的车辆和行人检测方法 | |
CN104951440B (zh) | 一种图像处理方法及电子设备 | |
Alvarado-Robles et al. | An approach for shadow detection in aerial images based on multi-channel statistics | |
CN106603888A (zh) | 图像颜色提取处理结构 | |
CN103533332B (zh) | 一种2d视频转3d视频的图像处理方法 | |
CN110675442A (zh) | 一种结合目标识别技术的局部立体匹配方法及系统 | |
CN113033386B (zh) | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 | |
CN110688512A (zh) | 基于ptgan区域差距与深度神经网络的行人图像搜索算法 | |
TW201820260A (zh) | 全天候熱影像式行人偵測方法 | |
KR20130091918A (ko) | 오브젝트 인식 장치 및 방법 | |
CN111079516B (zh) | 基于深度神经网络的行人步态分割方法 | |
CN106022310B (zh) | 基于htg-hog和stg特征的人体行为识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170426 |
|
WD01 | Invention patent application deemed withdrawn after publication |