CN110400326A - 一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法 - Google Patents

Abstract

本发明公开了一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其识别方法包括，选取待识别图片，通过偶树复小波变换对图片进行图像特征提取，对进行图像特征提取后的图片利用Tophat算法识别图像局部轮廓信息，完成图像轮廓信息识别，输出图片，通过对偶复小波变换消除图像的背景虚警信息，获得更多的多尺度的细节特征，并且可以通过形态学的滤波算法计算的时候就能够达到图像背景抑制的效果，可有效的提高对图像轮廓识别的精度、识别的时间以及图像识别度，其更加的实用。

Description

一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法。

背景技术

现在很多的行业都已经应用了复杂背景图片局部轮廓信息识别的技术，这项技术是一种通用型的技术，能够直接影响着航天飞行、医学影响等很多领域的发展，在人们的生活中有很大的作用，复杂背景图片局部轮廓信息识别是利用对图像进行一些平滑滤波操作的方法，去掉在复杂背景图像中的噪声干扰和杂波干扰，从而提高复杂背景图像的局部轮廓信息的准确识别度。

在《基于局部特征和语义信息的扣件图像检测》中提到一种NSCT和SVD的图像局部轮廓信息识别方法，这种方法就是根据非下采样轮廓波变换的理论对复杂背景图像进行多尺度、多方向的分解，从而获得不同尺度和不同方向上的自带图像；如果想滤除掉背景杂波的干扰可以采用奇异值分解调节各个子带图像的矩阵系数；对于实现图像局部轮廓信息的识别可以采用对滤波后的图像进行NSCT的逆变换，但是这些方法有一个缺点就是识别的精准度有一点低。

在《基于kinect深度图像的目标定位与识别》中也说到一种基于Robinsonguard滤波器的图像轮廓信息识别方法，这种识别的方式采用的是形态学滤波算子的方法直接对复杂背景图像进行提取其特征，在通过Robinsonguard滤波器平滑去掉背景杂波，从而实现图像局部轮廓信息的识别，但是这种方法也有一个缺点就是在识别的时候会用很长的时间。

在《基于圆弧的原木轮廓的识别与验证》中说到一种基于时空域滤波的复杂背景图像轮廓信息识别方法，这种方法是通过导入滤波算法的方法对图像的复杂背景下对杂波进行去燥的处理，再利用相与操作算子对去燥进行进一步的处理，最后把背景中高度类似的干扰信号进行去掉，这种方法的缺点也是识别性很低。

综上所述的三种图像轮廓识别方法中存在均存在着一定的缺陷，有待于我们解决。

发明内容

为此，本发明实施例提供一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，以解决现有技术中对图像轮廓识别存在着识别的精度低、识别花费的时间长和识别性低的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，包括以下步骤：

步骤S100，选取待识别图片；

步骤S200，通过偶树复小波变换对图片进行图像特征提取；

步骤S300，对进行图像特征提取后的图片利用Tophat算法识别图像局部轮廓信息；

步骤S400，完成图像轮廓信息识别，输出图片。

作为本发明的一种优选方案，根据步骤S200，通过偶树复小波变换对图片进行图像特征提取的步骤包括：

步骤S201，对图像进行分解，提取多尺度的细节；

步骤S202，获取图像上的弱小目标，完成图像特征提取。

作为本发明的一种优选方案，所述多尺度细节提取的方式为：利用对偶树复小波变换的平移不变性、方向的选择性和精确的重构性来提取多尺度的细节。

作为本发明的一种优选方案，获取图像弱小目标的方式为：利用偶树复小波变化分解得到的图像小波系数对应与不同尺度上的细节分量来突出图像上的弱小目标，完成弱小目标的获取。

作为本发明的一种优选方案，根据步骤S300，利用Tophat算法识别图像局部轮廓信息的步骤包括：

步骤S301，通过灰度膨胀操作和腐蚀操作的方法填平图像边界上不平滑的凹陷部分；

步骤S302，将特征提取的图像与操作后的图像进行做差，获取图像的局部轮廓信息。

作为本发明的一种优选方案，所述腐蚀操作的结果包括：一是图像结构元素的值均为正，则输出的图像会比输入的弱小目标图像暗，二是如果输入图像中的弱小目标物体亮度细节的尺度比结构元素小，则其影响会被削弱。

作为本发明的一种优选方案，所述削弱程度由弱小目标物体亮细节周围的灰度值、结构元素的形状和结构元素的幅值决定。

作为本发明的一种优选方案，所述灰度膨胀计算公式为：

作为本发明的一种优选方案，所述灰度腐蚀运算公式为：

fΘb(s,t)＝min{f(s+x),(t+y)-b(x,y)|(s-x),(t+y)∈D_y,(x,y)∈D_b}。

本发明的实施方式具有如下优点：

本发明通过对偶复小波变换消除图像的背景虚警信息，获得更多的多尺度的细节特征，并且可以通过形态学的滤波算法计算的时候就能够达到图像背景抑制的效果，可有效的提高对图像轮廓识别的精度、识别的时间以及图像识别度，其更加的实用。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明的流程图；

图2为本发明中的轮廓识别原图；

图3为本发明中基于局部特征和语义信息的扣件图像检测效果图；

图4为本发明中基于kinect深度图像的目标定位与识别效果图；

图5为本发明中基于Tophat算法的背景抑制主观视觉效果图；

图6为图2的背景图像灰度处理结果示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，包括以下步骤：

步骤S100，选取待识别图片；

步骤S200，通过偶树复小波变换对图片进行图像特征提取；

步骤S300，对进行图像特征提取后的图片利用Tophat算法识别图像局部轮廓信息；

步骤S400，完成图像轮廓信息识别，输出图片。

根据步骤S200，通过偶树复小波变换对图片进行图像特征提取的步骤包括：

步骤S201，对图像进行分解，提取多尺度的细节；

步骤S202，获取图像上的弱小目标，完成图像特征提取。

所述多尺度细节提取的方式为：利用对偶树复小波变换的平移不变性、方向的选择性和精确的重构性来提取多尺度的细节，即利用提取的多尺度细节来提取图像中的特征，可有效的降低背景杂波的干扰虚警率。

获取图像弱小目标的方式为：利用偶树复小波变化分解得到的图像小波系数对应与不同尺度上的细节分量来突出图像上的弱小目标，完成弱小目标的获取，即采用此方式可以较为完整的保留图像的边缘信息，能够降低背景细节引发的虚警率，可有效的提高对于图像特征的提取精准度，其更加的实用。

根据步骤S300，利用Tophat算法识别图像局部轮廓信息的步骤包括：

步骤S301，通过灰度膨胀操作和腐蚀操作的方法填平图像边界上不平滑的凹陷部分；

步骤S302，将特征提取的图像与操作后的图像进行做差，获取图像的局部轮廓信息。

所述灰度膨胀计算公式为：

所述灰度腐蚀运算公式为：

fΘb(s,t)＝min{f(s+x),(t+y)-b(x,y)|(s-x),(t+y)∈D_y,(x,y)∈D_b}。

所述腐蚀操作的结果包括：一是图像结构元素的值均为正，则输出的图像会比输入的弱小目标图像暗，二是如果输入图像中的弱小目标物体亮度细节的尺度比结构元素小，则其影响会被削弱，所述削弱程度由弱小目标物体亮细节周围的灰度值、结构元素的形状和结构元素的幅值决定，通过腐蚀操作可消除图像信息中的孤立噪声点，平滑图像边界处的凸出部分，便于图像在处理后可得到更加准确的图像轮廓信息。

现有实施例：

即采用客观与主观的方式将基于Tophat算法的复杂背景图像局部轮廓信息识别方法与现有技术进行对比。

主观对比：

选取图2为轮廓识别原图，即分别通过基于局部特征和语义信息的扣件图像检测(图3)、基于kinect深度图像的目标定位与识别(图4)以及基于Tophat算法(图5)对图2进行处理，通过其效果展示图“图3至图5”可得知运用基于局部特征和语义信息的扣件图像检测的方法，在一定程度堵上抑制弱小目标周围区域的背景噪声干扰，运用基于kinect深度图像的目标定位与识别的方法，能够更好的突出弱小的目标，但其有很多残留的背景杂波存在，而采用基于Tophat算法的方式对图像进行处理，其背景中起伏波动较大的部分都能够得到平缓，杂波干扰也很好的进行了抑制，在处理主观视觉的时候效果是最好的。

客观对比：

对图1中的图像进行抑制方法性能的对比，其计算方法公式为：

SNR＝(ft－fb)/μ，

背景抑制后图像的信噪比增益的计算表达式为：

GSNR＝SNRo/SNR1，

背景抑制后图像的峰值信噪比的公式为：

计算背景抑制后图像的噪声抑制因子的表达式为：

计算背景抑制后图像的目标强度识别因子的公式为：

根据以上客观评价指标进行对比，结果如下：

四种不同方法的性能对比结果

根据图表的结果显示，用Tophat算法的识别方法是识别精准度最高的，几乎接近100％，这个结果说明这种方法是最可靠的。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (9)

1.一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，包括以下步骤：

步骤S100，选取待识别图片；

步骤S200，通过偶树复小波变换对图片进行图像特征提取；

步骤S300，对进行图像特征提取后的图片利用Tophat算法识别图像局部轮廓信息；

步骤S400，完成图像轮廓信息识别，输出图片。

2.根据权利要求1所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，根据步骤S200，通过偶树复小波变换对图片进行图像特征提取的步骤包括：

步骤S201，对图像进行分解，提取多尺度的细节；

步骤S202，获取图像上的弱小目标，完成图像特征提取。

3.根据权利要求2所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，所述多尺度细节提取的方式为：利用对偶树复小波变换的平移不变性、方向的选择性和精确的重构性来提取多尺度的细节。

4.根据权利要求2所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，获取图像弱小目标的方式为：利用偶树复小波变化分解得到的图像小波系数对应与不同尺度上的细节分量来突出图像上的弱小目标，完成弱小目标的获取。

5.根据权利要求1所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，根据步骤S300，利用Tophat算法识别图像局部轮廓信息的步骤包括：

步骤S301，通过灰度膨胀操作和腐蚀操作的方法填平图像边界上不平滑的凹陷部分；

步骤S302，将特征提取的图像与操作后的图像进行做差，获取图像的局部轮廓信息。

6.根据权利要求5所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，所述腐蚀操作的结果包括：一是图像结构元素的值均为正，则输出的图像会比输入的弱小目标图像暗，二是如果输入图像中的弱小目标物体亮度细节的尺度比结构元素小，则其影响会被削弱。

7.根据权利要求6所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，所述削弱程度由弱小目标物体亮细节周围的灰度值、结构元素的形状和结构元素的幅值决定。

8.根据权利要求5所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，所述灰度膨胀计算公式为：

9.根据权利要求5所述的一种基于Tophat算法的复杂背景图像局部轮廓信息识别方法，其特征在于，所述灰度腐蚀运算公式为：

fΘb(s,t)＝min{f(s+x),(t+y)-b(x,y)

|(s-x),(t+y)∈D_y,(x,y)∈D_b}。