CN106951908B - 一种有效的目标识别装置 - Google Patents

Abstract

本发明提供了一种有效的目标识别装置，包括图像获取模块、特征提取模块、直方图获取模块和目标识别模块，所述图像获取模块用于采集目标图像，所述特征提取模块用于提取目标图像的颜色特征，所述直方图获取模块根据所述颜色特征获取颜色直方图，所述目标识别模块用于对所述颜色直方图进行赋权，并根据所述赋权的颜色直方图对所述目标图像进行识别。本发明的有益效果为：能够准确对图像中的目标进行识别。

Description

一种有效的目标识别装置

技术领域

本发明涉及目标识别技术领域，具体涉及一种有效的目标识别装置。

背景技术

近些年来，摄像头作为图像采集设备，被广泛的应用于各种领域，方便了消费者对信息的摄取，加快了信息的传递。但是，摄像头经常裸露在空气中，会减少摄像头的寿命，影响摄取画面的清晰度。现有技术中，摄像头一般都配有设置在摄像头外层的保护盖，起到保护摄像头的作用，传统的摄像头保护盖一般由透明塑料制成，在使用过程中，透明塑料对光线的透过率低；同时，因保护盖长期暴露在空气中，会被污染或被异物接触产生污渍，对摄像图像的清晰度产生影响。

视觉是人类获取外界信息和感知客观世界的主要来源，其所蕴含的信息量远远超过其他感官，图像的视觉特征表述方法是图像底层理解研究的关键技术，通过提高视觉特征的表述性能，能够更好地获取图像内容。

现有的视觉特征表述多建立在RGB颜色空间上，不符合人类视觉感知的特性，且在颜色特征提取过程中并未考虑色彩特征空间信息，不能有效对目标进行识别。

发明内容

针对上述问题，本发明旨在提供一种有效的目标识别装置。

本发明的目的采用以下技术方案来实现：

提供了一种有效的目标识别装置，包括图像获取模块、特征提取模块、直方图获取模块和目标识别模块，所述图像获取模块用于采集目标图像，所述特征提取模块用于提取目标图像的颜色特征，所述直方图获取模块根据所述颜色特征获取颜色直方图，所述目标识别模块用于对所述颜色直方图进行赋权，并根据所述赋权的颜色直方图对所述目标图像进行识别。

本发明的有益效果为：能够准确对图像中的目标进行识别。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图。

附图标记：

图像获取模块1、特征提取模块2、直方图获取模块3、目标识别模块4。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种有效的目标识别装置，包括图像获取模块1、特征提取模块2、直方图获取模块3和目标识别模块4，所述图像获取模块1用于采集目标图像，所述特征提取模块2用于提取目标图像的颜色特征，所述直方图获取模块3根据所述颜色特征获取颜色直方图，所述目标识别模块4用于对所述颜色直方图进行赋权，并根据所述赋权的颜色直方图对所述目标图像进行识别。

本实施例能够准确对图像中的目标进行识别。

优选的，所述图像获取模块1采用摄像头对目标图像进行采集，所述摄像头上安装有镜头保护盖，所述镜头保护盖包括设置在保护盖正面的增透膜和反面增透膜，所述增透膜主要成分为氟化镁，所述镜头保护盖正面的增透膜的表面还覆盖有一层防污膜，所述防污膜的主要成分为聚四氟乙烯。

本优选实施例在镜头保护盖正反面上设置增透膜，能够增加镜头的透光率，获取的图像质量更好，在镜头保护盖正面设置防污膜，使汗液、灰尘等不易在保护盖表面残留，易于清理。

优选的，所述特征提取模块2包括颜色转换单元和图像分割单元，所述颜色转换单元用于将图像从RGB颜色空间转换到CIELab颜色空间，所述转化公式为：

式中，R、G、B分别为RGB颜色空间中的红色、绿色、蓝色分量值，L为CIELab颜色空间中的亮度，a为CIELab颜色空间中的绿色到红色的相对色度，b为CIELab颜色空间中的蓝色到黄色的相对色度，其中，函数

所述图像分割单元用于将图像划分为大小相等的矩形子块，用于划分子块的图像I表示为：

式中，U_i表示图像的任意子块，f表示图像分割因子，f∈[2,5]且f为整数，i按照从左到右，从上向下的顺序依次取值为1到f²。

本优选实施例特征提取模块将图像转化到更符合人类视觉特征的CIELab颜色空间，可以更为准确地反映出不同色彩之间的视觉差异程度，通过对图像进行划分并设定图像分割因子，可以兼顾图像识别准确性和识别效率。

优选的，所述直方图获取模块3，用于获取图像直方图，具体采用如下方式获取：

(1)对CIELab颜色空间进行划分，采用如下划分方法：当L分量大于阈值T₁时或者小于阈值T₂时，不再考虑a分量和b分量，得到2个颜色区间，当L分量介于阈值T₁和T₂之间时，分别将a分量和b分量划分为四个区间，得到16个颜色区间，从而将CIELab颜色空间划分成了18个颜色区间；其中，T₁∈[90,100]，T₂∈[0,10]；

(2)定义隶属度函数σ_j,k＝1；

(3)求取图像的颜色直方图，图像子块的颜色直方图可表示为：

ZF(U_i)＝{z₁,z₂,…,z₁₈}

式中，ZF(U_i)表示图像子块的颜色直方图，z_j(j＝1,2,…,18)表示任一颜色区间上的像素分布情况，

σ_j,k代表第k个像素点属于第j个颜色区间的隶属度，N_i表示子块包含的像素个数；

图像的颜色直方图可表示为：ZF(I)＝{δ_iZF(U_i)，i＝1,2,…,f²}，式中，δ_i表示子块位置权值，

ZF(I)表示图像子块的颜色直方图。

本优选实施例直方图获取模块融入了像素颜色特征的空间分布信息并设置子块位置权值，获取了更为准确和符合人类视觉特征的直方图，进一步提高了视觉特征的表述能力。

优选的，所述目标识别模块4，用于对图像进行识别，包括色差计算单元、权值计算单元和图像对比单元，

所述色差计算单元用于计算像素点之间的颜色差异，计算中心像素点p_A和3×3邻域

内任意相邻像素点p_B的色差C：

式中，C(p_A,p_B)表示像素点p_A和p_B之间色差，μ为归一化因子；

所述权值计算单元用于计算每个子块的颜色权值；

所述图像对比单元用于根据图像相似度对比来实现图像识别。

所述计算每个子块的颜色权值，具体包括以下步骤：

第一步，计算每个像素点的颜色复杂度，

计算中心像素相对于3×3邻域

内其他8个相邻像素的颜色变化，得到中心像素点p_A的颜色复杂度F_A：

式中，F_A表示像素点p_A的颜色复杂度；

第二步，计算每个子块的颜色权值，在任意子块，通过计算每个像素颜色权值，得到子块的颜色权值Q_i：

式中，U_i表示图像的任意子块，Q_i表示子块的颜色权值，N_i表示子块包含的像素个数，γ表示子块中所有像素点的颜色复杂度标准差，F_A和F_k均为子块中的像素点。

所述根据图像相似度对比来实现图像识别，具体为，根据子块的颜色权值和直方图定义两幅图像I₁和I₂的相似度S：

式中，S(I₁,I₂)表示两幅图像I₁和I₂的相似度，

和

分别表示图像I₁和I₂第i个子块的第j个颜色区间的像素分布情况，计算待识别图像和样本图像相似度，选取相似度高的样本图像作为识别结果。

本优选实施例目标识别模块对颜色复杂度进行描述，反映出视觉系统感知不同颜色变化的敏感特性，根据子块的颜色权值和直方图计算辨识图像和样本图像之间的相似度，提高了图像的辨识精度。

采用本目标识别装置，当图像分割因子取不同值时，对识别结果进行统计，同未采用本发明相比，产生的有益效果如下表所示：

f	目标识别精度提高	目标识别时间缩短
			2	20％	31％
3	25％	25％
			4	30％	20％
5	32％	18％
			6	36％	12％

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种有效的目标识别装置，其特征是，包括图像获取模块、特征提取模块、直方图获取模块和目标识别模块，所述图像获取模块用于采集目标图像，所述特征提取模块用于提取目标图像的颜色特征，所述直方图获取模块根据所述颜色特征获取颜色直方图，所述目标识别模块用于对所述颜色直方图进行赋权，并根据所述赋权的颜色直方图对所述目标图像进行识别；

所述图像获取模块采用摄像头对目标图像进行采集，所述摄像头上安装有镜头保护盖，所述镜头保护盖包括设置在保护盖正面的增透膜和反面增透膜，所述增透膜主要成分为氟化镁，所述镜头保护盖正面的增透膜的表面还覆盖有一层防污膜，所述防污膜的主要成分为聚四氟乙烯；

所述特征提取模块包括颜色转换单元和图像分割单元，所述颜色转换单元用于将图像从RGB颜色空间转换到CIELab颜色空间，转化公式为：

式中，R、G、B分别为RGB颜色空间中的红色、绿色、蓝色分量值，L为CIELab颜色空间中的亮度，a为CIELab颜色空间中的绿色到红色的相对色度，b为CIELab颜色空间中的蓝色到黄色的相对色度，其中，函数

所述图像分割单元用于将图像划分为大小相等的矩形子块，用于划分子块的图像I表示为：

式中，U_i表示图像的任意子块，f表示图像分割因子，f∈[2,5]且f为整数，i按照从左到右，从上向下的顺序依次取值为1到f²；

所述直方图获取模块，用于获取图像直方图，具体采用如下方式获取：

(1)对CIELab颜色空间进行划分，采用如下划分方法：当L分量大于阈值T₁时或者小于阈值T₂时，不再考虑a分量和b分量，得到2个颜色区间，当L分量介于阈值T₁和T₂之间时，分别将a分量和b分量划分为四个区间，得到16个颜色区间，从而将CIELab颜色空间划分成了18个颜色区间；其中，T₁∈[90,100]，T₂∈[0,10]；

(2)定义隶属度函数σ_j,k＝1；

(3)求取图像的颜色直方图，图像子块的颜色直方图可表示为：

ZF(U_i)＝{z₁,z₂,…,z₁₈}

式中，ZF(U_i)表示图像子块的颜色直方图，z_j(j＝1,2,…,18)表示任一颜色区间上的像素分布情况，

σ_j,k代表第k个像素点属于第j个颜色区间的隶属度，N_i表示子块包含的像素个数；

图像的颜色直方图可表示为：ZF(I)＝{δ_iZF(U_i)，i＝1,2,…,f²}，式中，δ_i表示子块位置权值，

ZF(I)表示图像子块的颜色直方图；

所述目标识别模块，用于对图像进行识别，包括色差计算单元、权值计算单元和图像对比单元，

所述色差计算单元用于计算像素点之间的颜色差异，计算中心像素点p_A和3×3邻域

内任意相邻像素点p_B的色差C：

式中，C(p_A,p_B)表示像素点p_A和p_B之间色差，μ为归一化因子；

所述权值计算单元用于计算每个子块的颜色权值；

所述图像对比单元用于根据图像相似度对比来实现图像识别。

2.根据权利要求1所述的一种有效的目标识别装置，其特征是，所述计算每个子块的颜色权值，具体包括以下步骤：

第一步，计算每个像素点的颜色复杂度，

计算中心像素相对于3×3邻域

内其他8个相邻像素的颜色变化，得到中心像素点p_A的颜色复杂度F_A：

式中，F_A表示像素点p_A的颜色复杂度；

第二步，计算每个子块的颜色权值，在任意子块，通过计算每个像素颜色权值，得到子块的颜色权值Q_i：

式中，U_i表示图像的任意子块，Q_i表示子块的颜色权值，N_i表示子块包含的像素个数，γ表示子块中所有像素点的颜色复杂度标准差，F_A和F_k均为子块中的像素点。

3.根据权利要求2所述的一种有效的目标识别装置，其特征是，所述根据图像相似度对比来实现图像识别，具体为，根据子块的颜色权值和直方图定义两幅图像I₁和I₂的相似度S：

式中，S(I₁,I₂)表示两幅图像I₁和I₂的相似度，Q_i表示子块的颜色权值，

和

分别表示图像I₁和I₂第i个子块的第j个颜色区间的像素分布情况，计算待识别图像和样本图像相似度，选取相似度高的样本图像作为识别结果。

Images