CN108875780A - 基于图像数据的图像间差异对象的获取方法以及装置 - Google Patents

基于图像数据的图像间差异对象的获取方法以及装置 Download PDF

Info

Publication number
CN108875780A
CN108875780A CN201810426113.6A CN201810426113A CN108875780A CN 108875780 A CN108875780 A CN 108875780A CN 201810426113 A CN201810426113 A CN 201810426113A CN 108875780 A CN108875780 A CN 108875780A
Authority
CN
China
Prior art keywords
image
information
difference
profile
acquisition
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
Application number
CN201810426113.6A
Other languages
English (en)
Inventor
李炯城
江佳良
李竞
金龙
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.)
Guangdong Communications Services Co Ltd
China Communications Services Corp Ltd
Guangdong Planning and Designing Institute of Telecommunications Co Ltd
Original Assignee
Guangdong Communications Services Co Ltd
China Communications Services Corp Ltd
Guangdong Planning and Designing Institute of Telecommunications Co Ltd
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 Guangdong Communications Services Co Ltd, China Communications Services Corp Ltd, Guangdong Planning and Designing Institute of Telecommunications Co Ltd filed Critical Guangdong Communications Services Co Ltd
Priority to CN201810426113.6A priority Critical patent/CN108875780A/zh
Publication of CN108875780A publication Critical patent/CN108875780A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/752Contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种基于图像数据的图像间差异对象的获取方法、装置、计算机设备以及存储介质。所述方法包括:获取第一图像以及与所述第一图像匹配的第二图像;根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;根据所述轮廓差异信息确定目标差异对象;采用本方法能够减少图片间因不同拍摄条件导致差异对象的获取难度,提高基于图像数据的图像间差异对象的获取的效率以及准确率。

Description

基于图像数据的图像间差异对象的获取方法以及装置
技术领域
本申请涉及图像处理技术领域,特别是涉及一种基于图像数据的图像间差异对象的获取方法以及装置。
背景技术
目前,常常需要通过对比不同的图像获取差异信息,从而获取所需要的信息,但是,当图像的拍摄位置、拍摄角度等拍摄条件发生变化时,差异信息的获取难度大大增加,获取差异信息的效率以及准确率会大大降低。
例如,传统的公路违建物识别系统在复杂多变的场景下或者拍摄条件发生变化时,往往导致违建物的识别产生遗漏或者识别错误,准确性大大降低,为违建物的获知工作造成一定的难度。
发明内容
基于此,有必要针对上述基于图像数据的图像间差异对象的获取难度大、效率以及准确率低的技术问题,提供一种基于图像数据的图像间差异对象的获取方法以及装置。
一种基于图像数据的图像间差异对象的获取方法,包括以下步骤:
获取第一图像以及与所述第一图像匹配的第二图像;
根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据所述轮廓差异信息确定目标差异对象。
在其中一个实施例中,所述根据所述轮廓差异信息获取目标差异对象的步骤,还包括以下步骤:
根据所述轮廓差异信息获取轮廓差异度;
若所述轮廓差异度超过预设阈值,在所述第三图像上标注所述轮廓差异信息对应的区域,获得目标差异对象。
在其中一个实施例中,所述获取与所述第一图像匹配的第二图像的步骤,包括以下步骤:
获取所述第一图像的经纬度信息,根据所述经纬度信息筛选所述第二图像。
在其中一个实施例中,所述根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像的步骤,包括以下步骤:
以所述第一图像为参考对象对所述第二图像进行图像变换,获得所述第三图像,其中,所述图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
在其中一个实施例中,所述以所述第一图像为参考对象对所述第二图像进行图像变换的步骤,包括以下步骤:
将所述第一图像以及所述第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值;
根据所述第一灰度图像信息以及所述第二灰度图像信息,并利用梯度算法对所述预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵;
将所述中间扭曲矩阵与所述第二灰度图像信息相乘,获取变换图像信息,计算第一灰度图像信息以及变换图像信息间的误差系数;
若所述误差系数达到所述预设误差系数阈值,将所述中间扭曲矩阵作为目标扭曲矩阵应用于所述第二图像。
在其中一个实施例中,所述计算第一灰度图像信息以及变换图像信息间的误差系数的步骤之后,还包括以下步骤:
若所述误差系数未达到所述预设误差系数阈值,则跳转至利用梯度算法对所述预设运动模型矩阵的参数进行优化的步骤。
一种基于图像数据的图像间差异对象的获取装置,包括:
图像获取模块,用于获取第一图像以及与所述第一图像匹配的第二图像;
图像对齐处理模块,用于根据所述第一图像对所述第二图像进行图像对齐处理,获得第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
差异信息获取模块,用于分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
差异对象获取模块,用于根据所述轮廓差异信息确定目标差异对象。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取第一图像以及与所述第一图像匹配的第二图像;
根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据所述轮廓差异信息确定目标差异对象。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取第一图像以及与所述第一图像匹配的第二图像;
根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据所述轮廓差异信息确定目标差异对象。
上述基于图像数据的图像间差异对象的获取方法、装置、计算机设备和存储介质,对相互匹配的第一图像以及第二图像进行图像对齐处理,获取由第二图像处理所得、与第一图像对应区域一一对齐的第三图像,对对齐后的第一图像以及第三图像的轮廓信息进行对比,获取两张图像间轮廓差异的地方,从而获得图像间差异对象,通过图像对齐处理,减少图片间因不同拍摄条件导致差异对象的获取难度,提高基于图像数据的图像间差异对象的获取的效率以及准确率。
一种违章建筑物的识别方法,包括以下步骤:
利用上述的基于图像数据的图像间差异对象的获取方法获取目标差异对象;
根据所述目标差异对象识别违章建筑物,并获取所述违章建筑物的经纬度信息。
上述违章建筑物的识别方法,通过对相互匹配的两张图像进行图像对齐处理,对对齐后的图像的轮廓信息进行对比,获取两张图像间轮廓差异的地方,从而获得图像间差异对象,从而识别出违章建筑物,减少违建物的识别产生遗漏或者识别错误,提高识别准确率以及工作效率。
附图说明
图1为本发明一个实施例中基于图像数据的图像间差异对象的获取方法的应用环境图;
图2为本发明一个实施例中基于图像数据的图像间差异对象的获取方法的流程图;
图3为本发明一个实施例中轮廓差异信息的示意图;
图4为本发明一个实施例中以第一图像为参考对象对第二图像进行图像变换的流程图;
图5为本发明一个实施例中基于图像数据的图像间差异对象的获取装置的结构示意图;
图6为本发明一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于图像数据的图像间差异对象的获取方法,可以应用于如图1所示的应用环境中。该终端包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统,还包括基于图像数据的图像间差异对象的获取系统。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信,接收由摄像设备拍摄的图像数据,具体的,根据获得的图像获取图像间差异对象。其中,终端包括但不限于计算机、手提电脑等智能设备。
参见图2,图2为本发明一个实施例中基于图像数据的图像间差异对象的获取方法的流程图;在本实施例中,基于图像数据的图像间差异对象的获取方法包括以下步骤:
步骤S210:获取第一图像以及与第一图像匹配的第二图像。
本步骤中,第一图像以及第二图像间的拍摄时间不同;与第一图像匹配的第二图像可以是与第一图像的拍摄区域相似度或者重合度较高图像。
具体的,获取第一图像后,根据第一图像中图像信息的特征,获取与第一图像中图像信息特征重合度达到一定阈值的第二图像。
步骤S220:根据第一图像对第二图像进行图像对齐处理,获取第三图像,其中,第三图像中的区域与第一图像中相应的区域一一对齐。
本步骤中,以第一图像为参考模板,第二图像根据第一图像进行图像对齐处理,获得与第一图像共同区域对齐的第三图像。
步骤S230:分别获取第一图像以及第三图像中的轮廓信息并进行对比,获取轮廓差异信息。
本步骤中,获取图像中轮廓信息可以通过灰度化、二值化、模糊处理、边缘检测、腐蚀膨胀等图像处理技术获取图像中的轮廓信息。以二值化为例进行说明,在获得图像以后,将图像转换为灰度图像,再选定合适的阈值对图像进行二值化,从二值化后的灰度图像获取轮廓信息。
由于第一图像以及第三图像的共同区域是一一对齐的,获取第一图像以及第三图像的轮廓信息后,通过对将两幅图像的轮廓信息进行对比,获取两者间的轮廓差异信息。
例如,参见图3,图3为本发明一个实施例中轮廓差异信息的示意图;图中,第一图像310与第三图像320中共同区域是一一对齐的,获取第一图像310以及第三图像中320a中图像的轮廓信息并进行对比,获得轮廓差异信息,如图像320b中加粗的线条的差异轮廓321以及差异轮廓322。
步骤S240:根据轮廓差异信息确定目标差异对象。
上述基于图像数据的图像间差异对象的获取方法,对相互匹配的第一图像以及第二图像进行图像对齐处理,获取由第二图像处理所得、与第一图像对应区域一一对齐的第三图像,对对齐后的第一图像以及第三图像的轮廓信息进行对比,获取两张图像间轮廓差异的地方,从而获得图像间差异对象,通过图像对齐处理,减少图片间因不同拍摄条件导致差异对象的获取难度,提高基于图像数据的图像间差异对象的获取的效率以及准确率。
在其中一个实施例中,获取与第一图像匹配的第二图像的步骤,包括以下步骤:获取第一图像的经纬度信息,根据经纬度信息筛选第二图像。
本实施例中,图像的图像信息中包括经纬度信息,根据第一图像的经纬度信息,筛选出与第一图像的经纬度信息重合度达到一定阈值的图像,作为匹配的第二图像。通过图像信息中的经纬度信息筛选第一图像以及与之匹配的第二图像,能够最大程度上的保证第一图像与第二图像拍摄区域具有较高的相似度或者重合度。
考虑到差异对象有一定的体积大小,而诸如图像上出现的一些面积很小噪点轮廓并非差异对象,因此,在其中一个实施例中,根据轮廓差异信息获取目标差异对象的步骤,还包括以下步骤:根据轮廓差异信息获取轮廓差异度;若轮廓差异度超过预设阈值,在第三图像上标注轮廓差异信息对应的区域,获得目标差异对象。
本实施例中,轮廓差异度可以是差异轮廓的周长,也可以是差异轮廓所围区域的面值,相应的,预设阈值可以设置为轮廓的周长阈值,也可以设置为轮廓所围区域的面积阈值。
在获取轮廓差异信息后,根据轮廓差异信息计算获取差异轮廓的周长值作为轮廓差异度,或者根据轮廓差异信息计算获取差异轮廓所围区域的面积值作为轮廓差异度,当轮廓差异度超过预设阈值,则在第二图像上的差异轮廓所围区域为目标差异对象,使得目标差异对象的获取准确度大大提高。
以预设阈值可以设置为轮廓所围区域的面积阈值为例,在图三中,在对比第一图像310与第三图像320a中的轮廓信息后,可以获得差异轮廓321以及差异轮廓322,若差异轮廓321所围成的面积(即图3中差异轮廓321中的阴影部分)超过预设面积阈值,则差异轮廓321对应的阴影部分标注为目标差异对象,同理的,若差异轮廓322所围成的面积(即图3中差异轮廓322中的阴影部分)超过预设面积阈值,则差异轮廓322对应的阴影部分也被标注为目标差异对象。
在其中一个实施例中,根据第一图像对第二图像进行图像对齐处理,获取第三图像的步骤,包括以下步骤:以第一图像为参考对象对第二图像进行图像变换,获得第三图像,其中,图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
本实施例中,由于第一图像与第二图像拍摄位置、拍摄角度等拍摄条件不完全一致,以第一图像为参考,通过对第二图像执行旋转、平移、缩放、切变等图像变换操作,使得第二图像与第一图像中对应相同的区域一一对齐,并剔除对齐后第二图像中多余的边缘区域,获得第三图像。通过对第二图像的变换操作,使得第二图像与第一图像中对应相同的区域一一对齐,使得后续能够实现轮廓对比,提高效率,同时对多余的边缘区域进行剔除,能够减少差异对象的误判率。
参见图4,图4为本发明一个实施例中以第一图像为参考对象对第二图像进行图像变换的流程图。本实施例中,第一图像为参考对象对第二图像进行图像变换的步骤,包括以下步骤:
步骤S410:将第一图像以及第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值。
本步骤中,运动模型矩阵是指是指几何变换的映射矩阵,预设误差系数阈值是指优化运动矩阵参数的终止标准。
步骤S420:根据第一灰度图像信息以及第二灰度图像信息,并利用梯度算法对预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵。
步骤S430:将中间扭曲矩阵与第二灰度图像信息相乘,获取变换图像信息,计算第一灰度图像信息以及变换图像信息间的误差系数。
步骤S440:若误差系数达到预设误差系数阈值,将中间扭曲矩阵作为目标扭曲矩阵应用于第二图像。
本实施例中,以第一灰度图像信息为标准模板,利用梯度算法对运动模型矩阵的参数进行优化计算,查找第一灰度图像信息以及第二灰度图像信息之间的几何变换对应的运动模型矩阵。在运动模型矩阵参数进行优化计算过程中,当当前的运动模型矩阵应用于第二灰度图像信息获得的变换图像,与第一灰度图像信息的误差系数达到预设误差系数阈值时,即可认为当前的运动模型矩阵为第一灰度图像信息以及第二灰度图像信息之间的几何变换对应的运动模型矩阵,即获得扭曲矩阵,将扭曲矩阵应用于第二图像,实现对第二图像进行图像变换。
可选的,预设运动模型矩阵可以是放射变换模型,也可以选择为单应矩阵变换矩阵。
进一步的,当变换图像与第一灰度图像信息的误差系数还没有达到预设误差系数阈值时,则需要继续利用梯度算对预设运动模型矩阵的参数继续进行优化,因此,在其中一个实施例中,计算第一灰度图像信息以及变换图像信息间的误差系数的步骤之后,还包括以下步骤:若误差系数未达到预设误差系数阈值,则跳转至利用梯度算法对预设运动模型矩阵的参数进行优化的步骤。
上述对第二图像进行图像变换的过程,通过将原图像转换为灰度图寻找扭曲矩阵,使得图像变换在对比度和亮度方面对于光度失真是不变的,使图像对比度和亮度变化适应性增强,且在计算目标的扭曲矩阵使用的是简单的迭代方法,计算的复杂度低,处理速度快,大大提高基于图像数据的图像间差异对象的获取方法的效率。
应该理解的是,虽然图2以及图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
参见图5,图5为本发明一个实施例中基于图像数据的图像间差异对象的获取装置的结构示意图。本实施例中,基于图像数据的图像间差异对象的获取装置,包括:
图像获取模块510,用于获取第一图像以及与第一图像匹配的第二图像;
图像对齐处理模块520,用于根据第一图像对第二图像进行图像对齐处理,获得第三图像,其中,第三图像中的区域与第一图像中相应的区域一一对齐;
差异信息获取模块530,用于分别获取第一图像以及第三图像中的轮廓信息并进行对比,获取轮廓差异信息。
差异对象获取模块540,用于根据轮廓差异信息确定目标差异对象。
上述基于图像数据的图像间差异对象的获取装置,图像对齐处理模块520对相互匹配的第一图像以及第二图像进行图像对齐处理,获取由第二图像处理所得、与第一图像对应区域一一对齐的第三图像,差异信息获取模块530对对齐后的第一图像以及第三的轮廓信息进行对比,获取两张图像间轮廓差异的地方,从而获得图像间差异对象,通过图像对齐处理,减少图片间因不同拍摄条件导致差异对象的获取难度,提高基于图像数据的图像间差异对象的获取的效率以及准确率。
在其中一个实施例中,差异对象获取模块540根据轮廓差异信息获取轮廓差异度;在轮廓差异度超过预设阈值时,在第三图像上标注轮廓差异信息对应的区域,获得目标差异对象。
在其中一个实施例中,图像获取模块510获取第一图像的经纬度信息,根据经纬度信息筛选第二图像。
在其中一个实施例中,图像对齐处理模块520以第一图像为参考对象对第二图像进行图像变换,获得第三图像,其中,图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
在其中一个实施例中,图像对齐处理模块520将第一图像以及第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值;根据第一灰度图像信息以及第二灰度图像信息并利用梯度算法对预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵;将中间扭曲矩阵与第二灰度图像信息相乘,获取变换图像信息,计算第一灰度图像信息以及变换图像信息间的误差系数;若误差系数达到预设误差系数阈值,将中间扭曲矩阵作为目标扭曲矩阵应用于第二图像。
在其中一个实施例中,图像对齐处理模块520在误差系数未达到预设误差系数阈值,则利用梯度算法对预设运动模型矩阵的参数进行优化。
关于基于图像数据的图像间差异对象的获取装置的具体限定可以参见上文中对于基于图像数据的图像间差异对象的获取方法的限定,在此不再赘述。上述基于图像数据的图像间差异对象的获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于图像数据的图像间差异对象的获取方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一图像以及与第一图像匹配的第二图像;
根据第一图像对第二图像进行图像对齐处理,获取第三图像,其中,第三图像中的区域与第一图像中相应的区域一一对齐;
分别获取第一图像以及第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据轮廓差异信息确定目标差异对象。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:根据轮廓差异信息获取轮廓差异度;若轮廓差异度超过预设阈值,在第三图像上标注轮廓差异信息对应的区域,获得目标差异对象。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取第一图像的经纬度信息,根据经纬度信息筛选第二图像。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:以第一图像为参考对象对第二图像进行图像变换,获得第三图像,其中,图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:将第一图像以及第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值;根据第一灰度图像信息以及第二灰度图像信息,并利用梯度算法对预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵;将中间扭曲矩阵与第二灰度图像信息相乘,获取变换图像信息;计算第一灰度图像信息以及变换图像信息间的误差系数,若误差系数达到预设误差系数阈值,将中间扭曲矩阵作为目标扭曲矩阵应用于第二图像。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:若误差系数未达到预设误差系数阈值,则跳转至利用梯度算法对预设运动模型矩阵的参数进行优化的步骤。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一图像以及与第一图像匹配的第二图像;
根据第一图像对第二图像进行图像对齐处理,获取第三图像,其中,第三图像中的区域与第一图像中相应的区域一一对齐;
分别获取第一图像以及第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据轮廓差异信息确定目标差异对象。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据轮廓差异信息获取轮廓差异度;若轮廓差异度超过预设阈值,在第三图像上标注轮廓差异信息对应的区域,获得目标差异对象。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取第一图像的经纬度信息,根据经纬度信息筛选第二图像。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:以第一图像为参考对象对第二图像进行图像变换,获得第三图像,其中,图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:将第一图像以及第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值;根据第一灰度图像信息以及第二灰度图像信息,并利用梯度算法对预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵;将中间扭曲矩阵与第二灰度图像信息相乘,获取变换图像信息,计算第一灰度图像信息以及变换图像信息间的误差系数;若误差系数达到预设误差系数阈值,将中间扭曲矩阵作为目标扭曲矩阵应用于第二图像。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:若误差系数未达到预设误差系数阈值,则跳转至利用梯度算法对预设运动模型矩阵的参数进行优化的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明还提供一种违章建筑物的识别方法。违章建筑物的识别方法包括以下步骤:利用上述的基于图像数据的图像间差异对象的获取方法获取目标差异对象;根据所述目标差异对象识别违章建筑物,并获取所述违章建筑物的经纬度信息。
具体的,图像可以是通过无人机垂直拍摄的图像。通过无人机在两个不同的时刻对同一区域拍摄两组图像,两个不同时刻的时间间隔可以设置为一个月、三个月或者一个月。通过对前后两组图像进行匹配,获取第一图像以及与之匹配的第二图像,从而利用上述任一实施例中基于图像数据的图像间差异对象的获取方法获取第一图像以及第二图像间的目标差异对象,根据目标差异对象识别违章建筑物。
上述违章建筑物的识别方法,通过对相互匹配的两张图像进行图像对齐处理,对对齐后的图像的轮廓信息进行对比,获取两张图像间轮廓差异的地方,从而获得图像间差异对象,从而识别出违章建筑物以及获知违章建筑物的地理位置,减少违建物的识别产生遗漏或者识别错误,提高识别准确率以及工作效率,同时,该方法可以批量导入多个位置不同时间的图像,实现同一位置点在不同时间拍摄图像的交叉对比,实时获取违建物信息,提高违章建筑物识别的工作效率。
进一步的,可以根据违章建筑物的经纬度信息在二维地图上显示违章建筑物的位置点,生成违章建筑识别报告。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于图像数据的图像间差异对象的获取方法,其特征在于,包括以下步骤:
获取第一图像以及与所述第一图像匹配的第二图像;
根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
根据所述轮廓差异信息确定目标差异对象。
2.根据权利要求1所述的基于图像数据的图像间差异对象的获取方法,其特征在于,所述根据所述轮廓差异信息获取目标差异对象的步骤,还包括以下步骤:
根据所述轮廓差异信息获取轮廓差异度;
若所述轮廓差异度超过预设阈值,在所述第三图像上标注所述轮廓差异信息对应的区域,获得目标差异对象。
3.根据权利要求1所述的基于图像数据的图像间差异对象的获取方法,其特征在于,所述获取与所述第一图像匹配的第二图像的步骤,包括以下步骤:
获取所述第一图像的经纬度信息,根据所述经纬度信息筛选所述第二图像。
4.根据权利要求1所述的基于图像数据的图像间差异对象的获取方法,其特征在于,所述根据所述第一图像对所述第二图像进行图像对齐处理,获取第三图像的步骤,包括以下步骤:
以所述第一图像为参考对象对所述第二图像进行图像变换,获得所述第三图像,其中,所述图像变换包括旋转变换和/或平移变换和/或缩放变换和/或切变变换。
5.根据权利要求4所述的基于图像数据的图像间差异对象的获取方法,其特征在于,所述以所述第一图像为参考对象对所述第二图像进行图像变换的步骤,包括以下步骤:
将所述第一图像以及所述第二图像分别转换为第一灰度图像信息以及第二灰度图像信息,并获取预设运动模型矩阵以及预设误差系数阈值;
根据所述第一灰度图像信息以及所述第二灰度图像信息,并利用梯度算法对所述预设运动模型矩阵的参数进行优化,获取中间扭曲矩阵;
将所述中间扭曲矩阵与所述第二灰度图像信息相乘,获取变换图像信息,计算所述第一灰度图像信息以及所述变换图像信息间的误差系数;
若所述误差系数达到所述预设误差系数阈值,将所述中间扭曲矩阵作为目标扭曲矩阵应用于所述第二图像。
6.根据权利要求5所述的基于图像数据的图像间差异对象的获取方法,其特征在于,所述计算第一灰度图像信息以及变换图像信息间的误差系数的步骤之后,还包括以下步骤:
若所述误差系数未达到所述预设误差系数阈值,则跳转至利用梯度算法对所述预设运动模型矩阵的参数进行优化的步骤。
7.一种基于图像数据的图像间差异对象的获取装置,其特征在于,包括:
图像获取模块,用于获取第一图像以及与所述第一图像匹配的第二图像;
图像对齐处理模块,用于根据所述第一图像对所述第二图像进行图像对齐处理,获得第三图像,其中,所述第三图像中的区域与所述第一图像中相应的区域一一对齐;
差异信息获取模块,用于分别获取所述第一图像以及所述第三图像中的轮廓信息并进行对比,获取轮廓差异信息;
差异对象获取模块,用于根据所述轮廓差异信息确定目标差异对象。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的基于图像数据的图像间差异对象的获取方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的基于图像数据的图像间差异对象的获取方法的步骤。
10.一种违章建筑物的识别方法,其特征在于,包括以下步骤:
利用权利要求1至6中任一项所述的基于图像数据的图像间差异对象的获取方法获取目标差异对象;
根据所述目标差异对象识别违章建筑物,并获取所述违章建筑物的经纬度信息。
CN201810426113.6A 2018-05-07 2018-05-07 基于图像数据的图像间差异对象的获取方法以及装置 Pending CN108875780A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810426113.6A CN108875780A (zh) 2018-05-07 2018-05-07 基于图像数据的图像间差异对象的获取方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810426113.6A CN108875780A (zh) 2018-05-07 2018-05-07 基于图像数据的图像间差异对象的获取方法以及装置

Publications (1)

Publication Number Publication Date
CN108875780A true CN108875780A (zh) 2018-11-23

Family

ID=64327455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810426113.6A Pending CN108875780A (zh) 2018-05-07 2018-05-07 基于图像数据的图像间差异对象的获取方法以及装置

Country Status (1)

Country Link
CN (1) CN108875780A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110312164A (zh) * 2019-07-24 2019-10-08 Oppo(重庆)智能科技有限公司 视频处理方法、装置及计算机存储介质和终端设备
CN112132892A (zh) * 2019-06-24 2020-12-25 杭州海康威视系统技术有限公司 目标位置标注方法、装置及设备
WO2021003824A1 (zh) * 2019-07-11 2021-01-14 平安科技(深圳)有限公司 基于图像识别的违章建筑识别方法、装置
CN112419375A (zh) * 2020-11-18 2021-02-26 青岛海尔科技有限公司 特征点的匹配方法及装置、存储介质、电子装置
CN114004732A (zh) * 2021-06-22 2022-02-01 荣耀终端有限公司 图像编辑提示方法、装置、电子设备和可读存储介质
CN115098901A (zh) * 2022-06-27 2022-09-23 广东时谛智能科技有限公司 基于个人数据分析的确定鞋体各个部位材质的方法及装置
CN117877008A (zh) * 2024-03-13 2024-04-12 湖北神龙工程测试技术有限公司 一种基于人工智能的门窗性能检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385754A (zh) * 2010-08-30 2012-03-21 三星电子株式会社 一种物体跟踪方法和设备
CN103491351A (zh) * 2013-09-29 2014-01-01 东南大学 违章建筑物的智能视频监控方法
CN103546726A (zh) * 2013-10-28 2014-01-29 东南大学 违章用地的自动发现方法
CN103605978A (zh) * 2013-11-28 2014-02-26 中国科学院深圳先进技术研究院 基于三维实景数据的城市违章建筑识别系统及方法
CN104240287A (zh) * 2013-06-08 2014-12-24 北京思创贯宇科技开发有限公司 一种利用ct图像生成冠脉全景图的方法及系统
US20150199585A1 (en) * 2014-01-14 2015-07-16 Samsung Techwin Co., Ltd. Method of sampling feature points, image matching method using the same, and image matching apparatus
CN107564084A (zh) * 2017-08-24 2018-01-09 腾讯科技(深圳)有限公司 一种动图合成方法、装置及存储设备
CN107818580A (zh) * 2016-09-12 2018-03-20 达索系统公司 根据深度图对真实对象进行3d重建
CN107958209A (zh) * 2017-11-16 2018-04-24 深圳天眼激光科技有限公司 一种违建识别方法、系统及电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385754A (zh) * 2010-08-30 2012-03-21 三星电子株式会社 一种物体跟踪方法和设备
CN104240287A (zh) * 2013-06-08 2014-12-24 北京思创贯宇科技开发有限公司 一种利用ct图像生成冠脉全景图的方法及系统
CN103491351A (zh) * 2013-09-29 2014-01-01 东南大学 违章建筑物的智能视频监控方法
CN103546726A (zh) * 2013-10-28 2014-01-29 东南大学 违章用地的自动发现方法
CN103605978A (zh) * 2013-11-28 2014-02-26 中国科学院深圳先进技术研究院 基于三维实景数据的城市违章建筑识别系统及方法
US20150199585A1 (en) * 2014-01-14 2015-07-16 Samsung Techwin Co., Ltd. Method of sampling feature points, image matching method using the same, and image matching apparatus
CN107818580A (zh) * 2016-09-12 2018-03-20 达索系统公司 根据深度图对真实对象进行3d重建
CN107564084A (zh) * 2017-08-24 2018-01-09 腾讯科技(深圳)有限公司 一种动图合成方法、装置及存储设备
CN107958209A (zh) * 2017-11-16 2018-04-24 深圳天眼激光科技有限公司 一种违建识别方法、系统及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MARCUS HEBEL 等: "Change detection in urban areas by object-based analysis and on-the-fly comparison of multi-view ALS data", 《JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 *
丁明跃 主编: "《物联网识别技术》", 31 July 2012, 中国铁道出版社 *
唐菲菲 等: "基于记载LiDAR和GIS数据的建筑物变化信息自动检测方法", 《国土资源遥感》 *
杨磊主编: "《数字媒体技术概论》", 30 September 2017, 中国铁道出版社 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132892A (zh) * 2019-06-24 2020-12-25 杭州海康威视系统技术有限公司 目标位置标注方法、装置及设备
CN112132892B (zh) * 2019-06-24 2024-02-02 杭州海康威视系统技术有限公司 目标位置标注方法、装置及设备
WO2021003824A1 (zh) * 2019-07-11 2021-01-14 平安科技(深圳)有限公司 基于图像识别的违章建筑识别方法、装置
CN110312164A (zh) * 2019-07-24 2019-10-08 Oppo(重庆)智能科技有限公司 视频处理方法、装置及计算机存储介质和终端设备
CN112419375A (zh) * 2020-11-18 2021-02-26 青岛海尔科技有限公司 特征点的匹配方法及装置、存储介质、电子装置
CN114004732A (zh) * 2021-06-22 2022-02-01 荣耀终端有限公司 图像编辑提示方法、装置、电子设备和可读存储介质
CN115098901A (zh) * 2022-06-27 2022-09-23 广东时谛智能科技有限公司 基于个人数据分析的确定鞋体各个部位材质的方法及装置
CN117877008A (zh) * 2024-03-13 2024-04-12 湖北神龙工程测试技术有限公司 一种基于人工智能的门窗性能检测方法
CN117877008B (zh) * 2024-03-13 2024-05-17 湖北神龙工程测试技术有限公司 一种基于人工智能的门窗性能检测方法

Similar Documents

Publication Publication Date Title
CN108875780A (zh) 基于图像数据的图像间差异对象的获取方法以及装置
US9405960B2 (en) Face hallucination using convolutional neural networks
US8923564B2 (en) Face searching and detection in a digital image acquisition device
CN111160172B (zh) 泊车位检测方法、装置、计算机设备和存储介质
CN110248096A (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN108426640B (zh) 一种针对红外探测器缺损像元的校正方法
CN109635634B (zh) 一种基于随机线性插值的行人再识别数据增强方法
CN108805864A (zh) 基于图像数据的违章建筑物的获取方法以及装置
CN109313805A (zh) 图像处理装置、图像处理系统、图像处理方法和程序
US20210383166A1 (en) Method and apparatus for context-embedding and region-based object detection
CN110493527A (zh) 主体对焦方法、装置、电子设备和存储介质
CN110248097A (zh) 追焦方法、装置、终端设备、计算机可读存储介质
CN110555377B (zh) 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法
CN110191287B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN112801870B (zh) 一种基于网格优化的图像拼接方法,拼接系统及可读存储介质
CN108876806A (zh) 基于大数据分析的目标跟踪方法和系统、存储介质及设备
CN110490196A (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
CN114022560A (zh) 标定方法及相关装置、设备
CN112884782A (zh) 生物对象分割方法、装置、计算机设备和存储介质
CN111105351B (zh) 一种视频序列影像拼接方法及装置
CN110969176A (zh) 一种车牌样本扩增方法、装置和计算机设备
CN116625239B (zh) 一种基于图像处理的台阶孔检测方法、装置及系统
CN110688926B (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
CN110689007B (zh) 主体识别方法和装置、电子设备、计算机可读存储介质
CN114821356B (zh) 一种精确定位的光学遥感目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181123

RJ01 Rejection of invention patent application after publication