CN109858502A

CN109858502A - 一种基于图像目标特征描述的方法

Info

Publication number: CN109858502A
Application number: CN201910171771.XA
Authority: CN
Inventors: 陈泓宇; 林桐羽; 王谷乔
Original assignee: Wuxi Zhong Chuang Future Technology Application Co Ltd
Current assignee: Wuxi Zhong Chuang Future Technology Application Co Ltd
Priority date: 2019-03-07
Filing date: 2019-03-07
Publication date: 2019-06-07

Abstract

本发明涉及一种基于图像目标特征描述的方法，该方法包括步骤1：检测输入图像中的感兴趣目标，计算目标的质心和方向角；步骤2：识别所述感兴趣目标的轮廓，计算所述轮廓上的多个像素中的各像素与所述质心的距离和相对角；步骤3：根据所述方向角校正所述计算出的各像素的相对角；步骤4：根据所述方向角将以所述质心为中心的360度范围等分为多个角度区间，根据由各所述角度区间覆盖的范围将所述轮廓上的像素分成多个组；选择每个组中的像素的距离最大值作为该组的特征值；并对这些组的特征值进行归一化形成感兴趣目标的特征描述符。基于本申请方法对提取的特征值进行标准化，所得到的特征描述符具有平移不变性，尺度不变性和旋转不变性的特征。

Description

一种基于图像目标特征描述的方法

技术领域

本发明涉及图像处理领域，尤其涉及一种基于图像目标特征描述的方法。

背景技术

在现有技术中，基于图像的目标特征描述的方法可以分为三类。第一类是以物体的特征点为中心，利用局部相邻梯度方向信息生成几何不变的特征描述符向量，如尺度不变特征(SIFT)或加速鲁棒特征等。第二类是利用对象的纹理特征信息对局部梯度信息进行统计，生成鲁棒特征描述符，如定向梯度直方图特征描述的方法(HOG)。第三类利用对象的轮廓信息来生成对象的形状特征描述符，例如傅里叶描述符或中心距离描述符(DtC)。然而，他们都使用高维特征向量来执行特征描述。例如，SIFT使用128维特征向量来描述每个特征点；SURF使用64维特征向量；HOG特征描述符使用至少400维的特征向量来对梯度的直方图进行统计；并且DtC描述符使用160维特征向量来描述对象的形状特征。而通过高维特征向量不仅可以增加系统的计算量，对内存的需求也会增加。另一方面，传统的特征描述的方法并非100％几何不变。例如，在HOG特征描述符的情况下，在对梯度的直方图进行统计之前，必须首先借助附加算法确定对象的主方向。而在DtC描述符的情况下，目标的方向角必须事先转到与参考图像相同方向，以便之后可以生成对应的特征描述符。所有这些要求增加了目标识别算法的复杂性，同时增加了系统成本并降低了方法的实用性。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的之一在于提出一种基于图像目标特征描述的方法。

本发明提供的基于图像目标特征描述的方法，其包括步骤1：检测输入图像中的感兴趣目标，计算目标的质心和方向角；步骤2：识别所述感兴趣目标的轮廓，并且计算所述轮廓上的多个像素当中的每个像素与所述质心的距离和相对角；步骤3：根据所述方向角校正所述计算出的各像素的相对角；步骤4：根据所述方向角将以所述质心为中心的360度范围等分为多个角度区间，并且根据由每个所述角度区间覆盖的范围将所述轮廓上的像素分成多个组；选择每个组中的像素的距离最大值作为该组的特征值；并且对这些组的特征值进行归一化形成感兴趣目标的特征描述符。

作为一种优选的方案，所述步骤1进一步包括：对感兴趣目标的图像进行二值化以生成二值化图像；计算多个较低所述二值化图像的二阶矩，所述二阶矩包括零阶矩和一阶矩；通过使用所述较低阶矩来计算所述感兴趣目标的质心；通过使用所述二阶矩来计算相对于所述感兴趣目标的质心的多个中心矩；所述中心矩包括一阶中心矩和二阶中心矩；并通过使用中心矩计算感兴趣目标的方向角。

作为一种优选的方案，所述步骤2进一步包括：搜索所述二值化图像中的多个像素中的每一个像素周围的多个邻近像素，并判定该像素相邻像素值是否为零，如果相邻像素之一的像素值为零，则确定该像素位于感兴趣目标的轮廓上。

作为一种优选的方案，所述步骤3包括：将各像素的相对角减去所述方向角。

作为一种优选的方案，所述步骤4包括：将所述特征值中的每个特征值除以所述特征值中的最大值。

作为一种优选的方案，所述步骤1中输入图像是具有限速标志的道路图像，在所述输入图像中检测所述感兴趣目标的步骤包括：将所述具有限速标志的道路图像中的限速标志作为感兴趣目标，并将所述具有限速标志的道路图像转换到HSV空间；通过色彩阈值算法对所述HSV空间的图像进行处理生成所述空间的二值化掩码，其中所述二值化掩码表示属于特定颜色的具有限速标志的道路图像中的区域；对所述二值化掩码执行轮廓检测算法以获得所述特定颜色的区域的轮廓，并在轮廓内检测符合预定尺寸的区域作为感兴趣的目标。

作为一种优选的方案，将所述具有限速标志的道路图像中的限速标志作为感兴趣目标还包括：对感兴趣目标的图像进行二值化以生成二值化图像；通过连通分量分析法对二值化图像中的连通分量进行提取并作为感兴趣目标，从而计算感兴趣目标的质心和方向角度。

作为一种优选的方案，所述图像处理装置包括：存储装置，存储多个模块；以及处理器，耦合到所述存储装置并被配置为加载和执行所述存储装置中的所述模块，所述模块包括：

目标检测模块，检测输入图像中的感兴趣目标，计算目标的质心和方向角；

轮廓识别模块，识别所述感兴趣目标的轮廓，并且计算所述轮廓上的多个像素当中的每个像素与所述质心的距离和相对角；

方向校正模块，根据所述方向角校正所述计算出的各像素的相对角；

特征描述模块，根据所述方向角将以所述质心为中心的360度范围等分为多个角度区间，并且根据由每个所述角度区间覆盖的范围将所述轮廓上的像素分成多个组；选择每个组中的像素的距离最大值作为该组的特征值；并且对这些组的特征值进行归一化形成感兴趣目标的特征描述符。

与现有技术相比，在本发明提出的基于图像的目标特征描述的方法，使用矩来表示图像中的感兴趣目标的形状并相应地计算其质心和方向角；然后，识别感兴趣目标的轮廓，并且计算轮廓上的每个像素与质心的距离和相对角度；生成表示相对角度和距离的直方图，其中角度范围被划分为多个间隔以便从每个间隔中提取特征值；最后，将由提取的特征值形成的特征向量标准化以用作感兴趣目标的特征描述符；在固定的角度范围内，该特征描述符具有平移不变性，尺度不变性和旋转不变性的特征。该方法仅使用低维特征值来描述对象的形状特征，可将该方法移植到嵌入式平台，然后使平台即使在有限的性能下也能够实现检测并瞬间识别图像中的物体，实用性强。

附图说明

本发明上述的和附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种基于图像目标特征描述的方法的流程示意图。

图2为本发明实施例提供的一种基于图像目标特征描述的图像处理装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明提供的基于图像目标特征描述的方法，包括以下步骤：

步骤1：检测输入图像中的感兴趣目标，计算目标的质心和方向角；其中输入图像可以是根据通过图像捕获装置获取，或者直接从网络中下载得到的输入图像。

其中，图像的感兴趣目标或感兴趣区域(ROI)，使用较低阶矩的公式来计算质心，并且使用中心矩的公式来计算方向角。

首先引入低阶矩阵，中心矩的计算公式。

假设图像平面中存在非零值，则可以计算出唯一的矩集合M_pq。也就是说，唯一性的矩集合对应着唯一的图像，而在离散化之后，该集合可以被应用于基于图像的目标描述。

(1)其中低阶矩的计算公式为：

M_pq＝∑_x∑_yx_py_qI(x,y),p,q＝0,1,2…其中，I(x，y)表示二值化或灰度图像，而p和q表示图像矩的阶数，在计算零阶矩M₀₀和一阶矩M₁₀和M₀₁之后根据公式2获取质心位置：

基于此获取图像的质心位置后，根据质心位置计算图像的中心矩，具体计算公式为：

u_pq＝∑_x∑_y(x-x^～)^p(y-y^～)^qI(x,y),p,q＝0,1,2… (3)

中心矩u_pq具有平移不变性的特征。因此在计算一阶中心矩u₁₁和二阶矩u₂₀和u₀₂之后，可以用于计算基于图像的对象的方向角θ，如公式4所示：

u₁₁＝M₁₁-x^～M₀₁，u₂₀＝M₂₀-x^～M₁₀，u₀₂＝M₀₂-y^～M₀₁，

其中方向角的范围是|θ|<45°。

因此，可以首先对感兴趣目标的图像进行二值化生成二值化图像，然后计算二值化图像的较低阶矩并将其用于计算感兴趣目标的质心。然后，通过质心来计算相对于感兴趣目标的质心的多个中心矩以及感兴趣目标的方向角。

例如，I(x，y)表示二值化ROI图像，并且p和q表示矩的阶数，则在该实施例中，使用上述公式(1)来计算零阶矩M₀₀和一阶矩M₁₀和M₀₁，并且通过公式(2)用于计算ROI的质心P_c的位置(x^～,y^～)，计算出的质心具有平移不变性的特征。根据二值化ROI的质心位置(x^～,y^～)计算从物体轮廓到质心P_c的距离。在本实施例中，进一步根据公式(3)用于计算ROI图像的一阶矩u₁₁和二阶矩u₂₀和u₀₂，并且根据上述公式(4)用于计算表示ROI的倾斜状态的ROI的角度θ_c。

例如，所述输入图像为具有限速标志的道路图像，图像处理装置将具有限速标志的道路图像的颜色空间转换为HSV(Hue，Saturation，Value)颜色空间，并且对HSV颜色空间的具有限速标志的道路图像执行颜色阈值算法以生成二值化具有限速标志的道路图像的掩模。二值化掩模用于表示属于特定颜色的具有限速标志的道路图像中的区域。接下来图像处理装置对二值化掩模执行轮廓检测算法以获得特定颜色的区域的轮廓。之后，图像处理设备在轮廓内检测满足预定尺寸(例如，100像素)和/或预定宽高比的区域作为感兴趣对象。由此，图像处理装置识别具有限速标志的道路图像中的限速标志。

为了识别限速标志的内容，在检测到限速标志之后，图像处理设备还对限速标志的图像执行二值化处理以生成二值化图像。然后，通过连通分量分析，将二值化图像中的连通分量提取出来作为感兴趣目标。

步骤2：识别所述感兴趣目标的轮廓，并且计算所述轮廓上的多个像素当中的每个像素与所述质心的距离和相对角；

在获取了ROI图像的质心和方向角之后，轮廓识别模块识别感兴趣目标的轮廓，并计算轮廓上多个像素中各个像素与质心位置之间的距离以及相对角度。在本实施例中，基于围绕每个搜索像素的四个方向上的相邻像素的值进行确定，检测ROI图像中像素值为1的像素。

具体来说，例如，轮廓识别模块搜索围绕上述二值化ROI图像中的多个像素中的每一个像素的多个相邻像素(例如，在左上方，下方，左侧的四个相邻像素以及像素的右侧)，并确定这些相邻像素的像素值是否为零。如果相邻像素的像素值至少一个为零，则轮廓识别模块确定该像素位于感兴趣目标的轮廓上。通过重复上述确定过程，轮廓识别模块最终完成识别感兴趣目标的轮廓。

在本实施例中，在定位了ROI的轮廓像素之后，计算每个轮廓像素与质心的距离γ和相对角度θ。假设质心P_c的位置是(x～,y^～)，并且轮廓像素P₁的位置是(x₁,y₁)，则根据三角函数计算轮廓像素P₁到质心P_c的距离γ1和相对角度θ1。如下所示：

搜索ROI轮廓的全部像素，并依此计算ROI轮廓像素到质心的距离和相对角度。假设ROI轮廓像素的数目是n，则将轮廓像素到质心的距离集合定义为(γ₁，γ₂…γ_n)，轮廓像素到质心的相对角集合定义为(θ₁，θ₂…θ_n)，并将其作为ROI图像的特征集。

步骤3，根据所述方向角校正所述计算出的各像素的相对角；

在获得每个轮廓像素与质心的距离和相对角度之后，方向校准模块通过使用先前计算的方向角来校准计算出每个像素的相对角。

通常情况下，提取出来的ROI图像可能会存在图像倾斜的情况，因此需要我们对轮廓像素与质心的相对角集合进行补偿或校正。将集合(θ₁，θ₂…θ_n)中的各个角度减去倾斜状态的ROI的方向角θ_c，获取新的相对角集合，将其表示为通过上述方法实现对各像素相对较的方向校正，使得轮廓像素与质心的相对角都校正为以ROI图像的方向角为基准。

步骤4，根据所述方向角将以所述质心为中心的360度范围等分为多个角度区间，并且根据由每个所述角度区间覆盖的范围将所述轮廓上的像素分成多个组；选择每个组中的像素的距离最大值作为该组的特征值；并且对这些组的特征值进行归一化形成感兴趣目标的特征描述符。

具体而言，依据上述计算获取的轮廓像素到质心的距离集合以及轮廓像素到质心的相对角集合获取相对角度与质心距离的直方图，其中将x轴表示为相对角，y轴表示为轮廓像素到质心的距离，由于每个ROI方向上的轮廓像素个数不相同，因此将x轴的0-2π等分为36个组，在每个组中确定获取一个特征值，在收集到36个组的特征值之后，获得36个维度的特征值以形成特征向量，然后将该特征向量的36维的特征值全部除以36维的特征值中的最大值以形成特征向量，获得归一化特征向量，从而将不同尺度的ROI归一化到半径γ＝1的圆内，得到尺度不变的特征描述符。

综上所述，本发明的基于图像的目标特征描述的方法通过将从轮廓到质心的距离和角度特征描述的方法进行组合，得到平移不变，尺度不变和可以在有限的角度范围内提供旋转不变的特征描述符。在大量的特征数据用于训练SVM分类器之后，SVM的分类和识别能力得到增强。特别是，由于本发明的特征描述的方法在分类和识别率方面提高了系统性能，因此它不仅适用于上述限速标志的分类和识别，还可以扩展到描述和识别其他对象的特征。此外，由于本发明的特征描述的方法仅使用低维特征值来描述对象的形状特征，所以该方法可移植到嵌入式平台，然后使平台即使在有限的性能下也能够实现检测并瞬间识别图像中的物体。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims

1.一种基于图像目标特征描述的方法，其特征在于，所述基于图像目标特征描述的方法包括：步骤1：检测输入图像中的感兴趣目标，计算目标的质心和方向角；

步骤3：根据所述方向角校正所述计算出的各像素的相对角；

步骤4：根据所述方向角将以所述质心为中心的360度范围等分为多个角度区间，并且根据由每个所述角度区间覆盖的范围将所述轮廓上的像素分成多个组；选择每个组中的像素的距离最大值作为该组的特征值；并且对这些组的特征值进行归一化形成感兴趣目标的特征描述符。

2.如权利要求1所述的基于图像目标特征描述的方法，其特征在于，所述步骤1进一步包括：对感兴趣目标的图像进行二值化以生成二值化图像；计算多个较低所述二值化图像的二阶矩，所述二阶矩包括零阶矩和一阶矩；通过使用所述较低阶矩来计算所述感兴趣目标的质心；通过使用所述二阶矩来计算相对于所述感兴趣目标的质心的多个中心矩；所述中心矩包括一阶中心矩和二阶中心矩；并通过使用中心矩计算感兴趣目标的方向角。

3.如权利要求1所述的基于图像目标特征描述的方法，其特征在于，所述步骤2进一步包括：搜索所述二值化图像中的多个像素中的每一个像素周围的多个邻近像素，并判定该像素相邻像素值是否为零，如果相邻像素之一的像素值为零，则确定该像素位于感兴趣目标的轮廓上。

4.如权利要求1所述的基于图像目标特征描述的方法，其特征在于，所述步骤3包括：将各像素的相对角减去所述方向角。

5.如权利要求1所述的基于图像目标特征描述的方法，其特征在于，所述步骤4包括：将所述特征值中的每个特征值除以所述特征值中的最大值。

6.如权利要求1所述的基于图像目标特征描述的方法，其特征在于，所述步骤1中输入图像是具有限速标志的道路图像，在所述输入图像中检测所述感兴趣目标的步骤包括：将所述具有限速标志的道路图像中的限速标志作为感兴趣目标，并将所述具有限速标志的道路图像转换到HSV空间；通过色彩阈值算法对所述HSV空间的图像进行处理生成所述空间的二值化掩码，其中所述二值化掩码表示属于特定颜色的具有限速标志的道路图像中的区域；对所述二值化掩码执行轮廓检测算法以获得所述特定颜色的区域的轮廓，并在轮廓内检测符合预定尺寸的区域作为感兴趣的目标。

7.根据权利要求6所述的基于图像目标特征描述的方法，其特征在于，将所述具有限速标志的道路图像中的限速标志作为感兴趣目标还包括：对感兴趣目标的图像进行二值化以生成二值化图像；通过连通分量分析法对二值化图像中的连通分量进行提取并作为感兴趣目标，从而计算感兴趣目标的质心和方向角度。