CN109544556A - 一种图像特征提取方法 - Google Patents

一种图像特征提取方法 Download PDF

Info

Publication number
CN109544556A
CN109544556A CN201710856522.5A CN201710856522A CN109544556A CN 109544556 A CN109544556 A CN 109544556A CN 201710856522 A CN201710856522 A CN 201710856522A CN 109544556 A CN109544556 A CN 109544556A
Authority
CN
China
Prior art keywords
image
algorithm
blob
characteristic extracting
color
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
CN201710856522.5A
Other languages
English (en)
Inventor
张莹
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.)
Jiangsu Huaxia Intellectual Property Service Co Ltd
Original Assignee
Jiangsu Huaxia Intellectual Property Service 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 Jiangsu Huaxia Intellectual Property Service Co Ltd filed Critical Jiangsu Huaxia Intellectual Property Service Co Ltd
Priority to CN201710856522.5A priority Critical patent/CN109544556A/zh
Publication of CN109544556A publication Critical patent/CN109544556A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像特征提取方法，用于图像处理技术领域，传统彩色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，所述方法包括：一种图像特征提取方法，其特征在于，所述方法包括：对图像进行背景建模，从而提取图像的前景图；对前景图进行颜色归一化处理；利用分割算法将归一化处理后的图像分割成多个blob子区域；提取各blob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

一种图像特征提取方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像特征提取方法。
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特征提取方法。
为了达到上述发明目的，本发明实施例提出的一种图像特征提取方法是通过以下技术方案实现的：
一种图像特征提取方法，所述方法包括：
对图像进行背景建模，从而提取图像的前景图；
对前景图进行颜色归一化处理；
利用分割算法将归一化处理后的图像分割成多个blob子区域；
提取各blob子区域对应的颜色和位置特征。
所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函数模型，或基于贝叶斯网络的背景模型；
所述对获得的所述前景图像进行颜色归一化处理具体包括：像素颜色值对R，G，B 三通道亮度之和或者对三通道最大值进行归一。
所述图像分割算法包括基于GrabCut的算法、分水岭算法、区域分割及合并、形态学算法、Quadtree分割算法、并行区域算法、或频域算法。
当所述算法为基于GrabCut的算法时，所述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子区域具体包括：
根据待分割的对像建立一个无向权图G(V，E)，其中，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，自适应地迭代合并聚类。
所述方法还包括：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。
所述方法还包括：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。
所述方法还包括：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一种图像特征提取方法，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1一种图像特征提取方法的流程图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，为本发明实施例1一种图像特征提取方法的流程图，所述方法包括：
对图像进行背景建模，从而提取图像的前景图；
对前景图进行颜色归一化处理；
利用分割算法将归一化处理后的图像分割成多个blob子区域；
提取各blob子区域对应的颜色和位置特征。
在本发明实施例中，不同点位的摄像头实时提取视频信号，传输给特征提取服务器，不间断地提取颜色特征；
特征提取服务器接收到每帧视频图像时，建立和更新背景模型，同时提取前景对象，然后对获得的前景图像进行颜色归一化处理，得到的归一化后的图像作为分割的图像数据。由于提取的视频图像受图像背景噪声的干扰，既影响视频对象特征的精确提取，又降低了图像分割的实时性，而基于背景模型的前景提取技术可有效解决此类问题。
其中，景模型可以采用多种模型，如基于MRF的背景模型，混合高斯方法，概率密度函数(PDF) 模型，基于贝叶斯网络的背景建模等，本发明实施例不限制背景模型的具体实施方式。
另外，颜色归一化操作可使用像素颜色值对R，G，B 三通道亮度之和或者对三通道最大值进行归一。由于实际场景千差万别，光照、物体表面特性、环境光源等会对识别结果产生很大的影响。针对这个问题，本发明实施例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。
对图像进行分割，得到一个个blob子区域。根据像素点间的颜色特征的不相似性量度，对图像各像素点进行聚类，将图像分割成一块块子区域，子区域内部颜色差异小，子区域间的颜色差异大，并提取各子区域对应的颜色和位置特征。本发明实施例特别地，针对以前都是对全图进行分割的做法，只对提取的前景点进行处理，忽略背景区域，这样能极大地提高计算效率。可用的图像分割方法包括基于GrabCut 的算法、分水岭算法、区域分割及合并、形态学方法、Quadtree 分割技术、并行区域技术、频域技术等。
本发明实施例以改进的基于GrabCut的算法为例，根据待分割的图像建立一个无向权图G(V，E)，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，如各分量的绝对差和等。之后自适应地迭代合并聚类，最终得到的各子区域内部差异较小，区域间的差异较大。
对分割结果用计算几何学方法拟合成较规则的几何形状，矩形或者椭圆均可，每个blob块对应有RGB 颜色和空间坐标信息。由于以上步骤分割出来的区域并不规则，不利于存储和后续的匹配等处理，本发明实施例对不规则的blob 区域进行几何拟合，最大程度地还原被分割对象的空间分布。
为了后续能快速索引所需要的blob块，赋予每个blob所在的预先确定的等分网格属性，快速索引同样可以使用基于四叉树的空间索引方式。
本发明实施例方法还包括：对每个blob的位置属性采用按bit 位编码，压缩不用的bits，并将特征传输到相应的服务器进行上存储，以备后用。为了减少blob 位置信息的存储量，对其坐标采用按bit编码而非byte 编码的方式，极大地压缩了存储空间。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。
与现有技术相比，本发明实施例提出的一种图像特征提取方法，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图像特征提取、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 (6)

1.一种图像特征提取方法，其特征在于，所述方法包括：
对图像进行背景建模，从而提取图像的前景图；
对前景图进行颜色归一化处理，具体包括：像素颜色值对R，G，B 三通道亮度之和或者对三通道最大值进行归一；
利用分割算法将归一化处理后的图像分割成多个blob子区域，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；
提取各blob子区域对应的颜色和位置特征。
2.根据权利要求1所述的图像特征提取方法，其特征在于，所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函数模型，或基于贝叶斯网络的背景模型。
3.根据权利要求1所述的图像特征提取方法，其特征在于，所述图像分割算法包括基于GrabCut的算法、分水岭算法、区域分割及合并、形态学算法、Quadtree 分割算法、并行区域算法、或频域算法。
4.根据权利要求3所述的图像特征提取方法，其特征在于，当所述算法为基于GrabCut的算法时，所述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子区域具体包括：根据待分割的对像建立一个无向权图G(V，E)，其中，像素点为图的顶点，边连接相邻像素点，边的权重为两像素点的不相似性度量，自适应地迭代合并聚类。
5.根据权利要求1所述的图像特征提取方法，其特征在于，所述方法还包括：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。
6.根据权利要求5所述的图像特征提取方法，其特征在于，所述方法还包括：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。
CN201710856522.5A 2017-09-21 2017-09-21 一种图像特征提取方法 Pending CN109544556A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710856522.5A CN109544556A (zh) 2017-09-21 2017-09-21 一种图像特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710856522.5A CN109544556A (zh) 2017-09-21 2017-09-21 一种图像特征提取方法

Publications (1)

Publication Number Publication Date
CN109544556A true CN109544556A (zh) 2019-03-29

Family

ID=65827366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710856522.5A Pending CN109544556A (zh) 2017-09-21 2017-09-21 一种图像特征提取方法

Country Status (1)

Country Link
CN (1) CN109544556A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446888A (zh) * 2019-09-02 2021-03-05 华为技术有限公司 图像分割模型的处理方法和处理装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446888A (zh) * 2019-09-02 2021-03-05 华为技术有限公司 图像分割模型的处理方法和处理装置
WO2021042857A1 (zh) * 2019-09-02 2021-03-11 华为技术有限公司 图像分割模型的处理方法和处理装置

Similar Documents

Publication Publication Date Title
CN109961051B (zh) 一种基于聚类和分块特征提取的行人重识别方法
CN107093205B (zh) 一种基于无人机图像的三维空间建筑物窗户检测重建方法
CN105574534B (zh) 基于稀疏子空间聚类和低秩表示的显著性目标检测方法
WO2017190656A1 (zh) 行人再识别方法和装置
CN108537239B (zh) 一种图像显著性目标检测的方法
CN112766291B (zh) 一种场景图像中特定目标对象的匹配方法
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
CN111428748A (zh) 一种基于hog特征和svm的红外图像绝缘子识别检测方法
CN105528794A (zh) 基于混合高斯模型与超像素分割的运动目标检测方法
CN102663398A (zh) 一种彩色图像颜色特征提取方法及装置
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
CN111368742B (zh) 基于视频分析的双黄交通标线的重建识别方法及系统
CN112561899A (zh) 电力巡检图像识别方法
CN111968171A (zh) 基于人工智能的飞机油量测量方法及系统
CN111723773A (zh) 遗留物检测方法、装置、电子设备及可读存储介质
CN110751619A (zh) 一种绝缘子缺陷检测方法
CN114492619A (zh) 一种基于统计和凹凸性的点云数据集构建方法及装置
CN110766782A (zh) 基于多无人机视觉协同的大型施工场景实时重构方法
Yan et al. Insulator detection and recognition of explosion based on convolutional neural networks
CN111798435A (zh) 图像处理方法、工程车辆侵入输电线路监测方法及系统
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
CN111709317A (zh) 一种基于显著性模型下多尺度特征的行人重识别方法
CN106603888A (zh) 图像颜色提取处理结构
CN109544556A (zh) 一种图像特征提取方法
CN106340038B (zh) 一种基于单目图像中物体的深度次序推理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190329