CN110298823A

CN110298823A - 一种基于mser算法的红外图像辅助标注方法

Info

Publication number: CN110298823A
Application number: CN201910520115.6A
Authority: CN
Inventors: 谢宗霞; 王而川
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2019-06-17
Filing date: 2019-06-17
Publication date: 2019-10-01

Abstract

本发明提供一种基于MSER算法的红外图像辅助标注方法，包括以下步骤：1)导入需要标注的图像，并预先设置矩形框长宽比范围、长宽范围、非零像素比阈值；2)对图像进行灰度变化，并取反值灰度；3)创建两个MSER对象，并对灰度图和反值灰度图执行MSER检测；4)获取两次MSER检测后的点集，形成MAT图像，并对两个图像进行位与操作，获得新的MAT图像；5)对新的MAT图像进行连接缝隙，寻找外部轮廓，并针对轮廓画出最小外界矩形，并显示的图片上；6)根据MSER算法产生的红外图像标注框，进行进一步标注；本发明在传统图像标注工具基础上，增加了MSER算法；提高了标注速度和准确度，减少人力消耗。

Description

一种基于MSER算法的红外图像辅助标注方法

技术领域

本发明涉及图像标注技术，具体设计的是一种基于MSER算法的红外图像辅助标注方法，主要用作红外图像中辅助人为目标标注。

背景技术

近几年来，随着人工智能的飞速发展，计算机视觉在各行各业的应用得到了快速的发展，人工智能算法离不开大量的数据，而计算机视觉中的目标检测算法的训练前，需要标注大量的图像数据，用于标注。传统的标注软件，笨拙，且需要人工去发现图像中的目标。红外图像目标具有更加隐蔽、不清晰的特点。标注大量红外图片对标注人员视力、精力都是极大的损耗。MSER算法对红外图像处理，具有很大的优势，可以显著的分辨出红外图像中的目标，利用轮廓处理，自动标注出可能存在目标的区域。将MSER对红外图像的处理算法集成到传统的图像标注工具中，具有很大的实际应用价值。

发明内容

为此，本发明的目的在于提供一种基于MSER算法的红外图像辅助标注方法；本发明在传统图像标注工具基础上，增加了MSER算法，MSER算法对灰度图像中目标有突出显示的操作；本发明在红外图像目标标注过程中，可以增加标注速度和准确度，减少人力消耗，较少认为标注位置不准确的问题，并有助于后期训练效果的优化。

为了解决现有技术中存在的问题，本发明采用如下技术方案予以实施：

一种基于MSER算法的红外图像辅助标注方法，包括步骤：

1)导入需要标注的图像，并预先设置矩形框长宽比范围、长宽范围、非零像素比阈值；

2)对图像进行灰度变化，并取反值灰度；

3)创建两个MSER对象，并对灰度图和反值灰度图执行MSER检测；

4)获取两次MSER检测后的点集，形成MAT图像，并对两个图像进行位与操作，获得新的MAT图像；

5)对新的MAT图像进行连接缝隙，寻找外部轮廓，并针对轮廓画出最小外界矩形，并显示的图片上；

6)根据MSER算法产生的红外图像标注框进行进一步标注。

所述步骤1)中导入需要标注的图像，并预先设置矩形框长宽比范围、长宽范围、非零像素比阈值：

1.1)通过预先设置的长宽比范围、长宽范围、非零像素比阈值；

1.2)对MSER算法处理后形成的矩形框进行约束，过滤掉不符合条件的矩形框。

本发明提供的方法，在红外图像标注过程中：对标注图像进行MSER算法处理，并针对处理后的图像进行轮廓处理，通过矩形框，画出可能存在目标的位置。从而达到辅助标注人员人为标注的功能。

有益效果

1、本发明将红外图片的处理算法MSER集成到了传统的目标标注软件，标注过程中，首先对待标注图片，进行MSER处理，并画出轮廓，对可能存在目标的区域标注矩形框。标注矩形框的精度优于人为标注，并标注准确度很高，不存在误标注。

2、本发明辅助人为对红外图像中的目标进行标注，将较少标注人员工作量，提高标注速度和精度，有助于优化目标检测算法效果，提高检测的精度。

3、在多次实验中，本发明辅助标注对标注速度提高了1倍以上，并精度和准确度高于人为标注，大量较少了标注人员精力消耗，并提高了工作成绩。

附图说明

图1为本发明标注的示意图；

图2为本发明MSER算法流程图；

图3为本发明MSER红外图片处理效果图；

具体实施方法

为了使本发明的目的、技术方案和有点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明利用图像处理技术，将红外图像的灰色图处理，显示出图像中可能存在目标的区域，并对区域求轮廓，画矩形标注出来，从而实现辅助人为对目标标注。

本发明得算法集成在了传统的图像标注工具LabelImg中，并标注了大量的无人机红外数据，标注单类别目标，速度提高4倍以上，标注多类型目标，速度提高1倍以上，仅仅通过双击切换类别，大量较少了劳动时间，并增加了准确度。

请参阅图1～图3所示，本发明提供了一种基于MSER算法的红外图像辅助标注方法，包括步骤：

准备：标注工具采用LabelImg，在人为标注之前，通过MSER算法对图像进行预处理，产生标注框，辅助人为标注。图像预处理的步骤为：

以标注红外人员为例，视觉为30米，俯仰45度；长宽比为2-5；长范围：30-60；宽度为：10-20；非零像素阈值为0.01.

2)对图像进行灰度变化，并取反值灰度；灰度变化使用opencv方法cvtColor(image,gray,CV_BGR2GRAY)；其中image为原图，gray为灰度图；取反值灰度使用gray_neg＝255–gray；

3)创建两个MSER对象，并对灰度图和反值灰度图执行MSER检测；

cv::Ptr<cv::MSER>mesr1＝cv::MSER::create(2,10,5000,0.5,0.3)；

cv::Ptr<cv::MSER>mesr2＝cv::MSER::create(2,2,400,0.1,0.3)；

std::vector<cv::Rect>box1；

std::vector<cv::Rect>box2；

//MSER+检测

mesr1->detectRegions(gray,regcontours,box1)；

//MSER-操作

mesr2->detectRegions(gray_neg,charcontours,box2)；

resultMat＝mserMat&mserNegMat；其中mserMat和mserNegMat为MSRE处理后点集组成的图像；

4)对新的MAT图像进行连接缝隙，寻找外部轮廓，并针对轮廓画出最小外界矩形，并显示的图片上；

主要利用cv::morphologyEx链接缝隙；cv::findContours()寻找外部轮廓；

cv::boundingRect()找出外界矩形；

6)标注人员根据MSER算法产生的红外图像标注框，进行进一步标注，包括：双击标注框选择类别以及拖动修改标注框大小。本发明在传统图像标注工具基础上，增加了MSER算法，MSER算法对灰度图像中目标有突出显示的操作。

对于本实例而言，利用MSER算法对图像的预处理，预先形成了标注框，标注框准确度高于人为标注，且不错在错误标注的情况。本发明辅助人为标注，增加了准确度，提高了效率，证明是可行且有益的方法。

以上说书仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内的所作的任何修改、等同替换和改进等，均为包含在本发明的保护范围内。

Claims

1.一种基于MSER算法的红外图像辅助标注方法，其特征在于，包括步骤：

2)对图像进行灰度变化，并取反值灰度；

3)创建两个MSER对象，并对灰度图和反值灰度图执行MSER检测；

6)根据MSER算法产生的红外图像标注框，进行进一步标注。

2.如权利要求1所述的一种基于MSER算法的红外图像辅助标注方法，其特征在于，所述步骤1)中导入需要标注的图像，并预先设置矩形框长宽比范围、长宽范围、非零像素比阈值；通过预先设置的长宽比范围、长宽范围、非零像素比阈值，对MSER算法处理后形成的矩形框进行约束，过滤掉不符合条件的矩形框。

3.如权利要求1所述的一种基于MSER算法的红外图像辅助标注方法，其特征在于，所述步骤6)中，根据MSER算法产生的红外图像标注框，进行进一步标注。