CN110929084B - 一种图像形状特征描述符的获取方法及装置 - Google Patents
一种图像形状特征描述符的获取方法及装置 Download PDFInfo
- Publication number
- CN110929084B CN110929084B CN201911303350.4A CN201911303350A CN110929084B CN 110929084 B CN110929084 B CN 110929084B CN 201911303350 A CN201911303350 A CN 201911303350A CN 110929084 B CN110929084 B CN 110929084B
- Authority
- CN
- China
- Prior art keywords
- line
- interval
- intervals
- image
- center
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像形状特征描述符的获取方法及装置。其中方法包括步骤:S1,对图像色块连通域进行获取平滑线向区间边界心轮线及相关数据的处理;S2,将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;S3,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数、转换后心心线线长比例数和心心线角度数比例数;S4,对上述的比例数进行数值区间分类,生成图像形状特征描述符。装置包括第一获取模块、转换模块、第二获取模块、生成模块。该方法及装置可提高图像检索的查全率、查准率,增强图像识别检索中相同或近似图像的匹配效果,且计算量较小、处理速度快。
Description
技术领域
本发明涉及图像识别领域,特别涉及一种图像形状特征描述符的获取方法及装置。
背景技术
图像特征描述符一般是用来描述图像特征点,现有技术已公开的图像特征描述符一般是一组向量,包括特征点的位置、方向、尺度等信息。常见的特征点是图像中一些稳定点,如角点、边缘点、暗区中的亮点、亮区中的暗点等。一组良好的描述符应该具有区分性和共同性,区分性是指描述符能将一幅图像与另一幅图像相区别的特征点反映出来,使该描述符对于该图像是唯一的;共同性是指描述符能将某一图像与其他相同或相近的图像以同一特征点反映出来,使该描述符对于相同或近似的图像拥有共同的特征点,以实现相同和近似图像的良好匹配。
图像特征的准确描述,是图像识别技术上首要解决的问题,图像形状特征是图像特征描述最常用的一种。相同或近似的图像匹配需要基于一定的条件,例如:特征点计量单位的统一,两图像应具备可比性等。
现有技术已公开的图像形状特征描述符主要方法,如第201510355712X号《描述符生成方法及装置》、第2007800379730号《用于图像识别的图像描述符》、第2012100456918号《图像描述符生成方法和系统、图像检测方法和系统》、第201710553007X号《一种图像轮廓线描述符的获取方法、装置》、第201711444394X号《图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法》等。
现有的特征描述符通常是基于某一标准而提取的特征向量,在一定的范围内可以实现相同或近似图像的匹配,但对不同图像特征点计量单位和描述的条件可能不统一,导至出现许多视觉认为相同或近似的图像无法在图像检索中找出,造成相同或近似的图像查全率、查准率不高和匹配效果不理想的缺陷。
为此,本案发明人此前提出了一种图像形状特征描述符的获取方法,其申请号为2019109592144,从图像重心点、图像色块连通域重心点、图像色块连通域的心轮线、图像色块连通域之间的心心线的线长及线角、色块连通域的线向区间角度数等特征多层次多方面对待处理图像特征进行识别和描述,丰富了图像特征的描述。可应用于广泛的图像检索,有效增强了图像检索的匹配效果。
然而,其在步骤S1中,需要获取平滑后的轮廓线,需要在进行平滑处理时对轮廓线上所有像素点进行修正处理,计算量巨大,影响处理速度。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种图像形状特征描述符的获取方法及装置,旨在解决需要获取平滑后的轮廓线而导致计算量巨大,影响处理速度的问题。
为了达到上述目的,本发明采取了以下技术方案:
一种图像形状特征描述符的获取方法,包括步骤:
S1,提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理;
S2,将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;
S3,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数;
S4,对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符。
所述的图像形状特征描述符的获取方法中,步骤S1中,对色块连通域进行获取线向区间边界心轮线及相关数据的处理的步骤包括:
S101,计算输入图像色块连通域轮廓线上像素点的心轮线的线长;
S102,计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向;
S103,划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间;
S104,获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域。
所述的图像形状特征描述符的获取方法中,步骤S2中,将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换的具体方法包括:
S201,计算转换前各线向区间的边界心轮线的起点、终点和图像重心点的相对坐标;
S202,计算转换后各线向区间的边界心轮线的起点、终点和图像重心点在图像有效区域为图像标准像素尺寸中的坐标值。
所述的图像形状特征描述符的获取方法中,步骤S3中,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数的具体方法包括:
S301,计算转换后线向区间的边界心轮线线长;
S302,计算转换后线向区间的区间角;
S303,计算转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数。
所述的图像形状特征描述符的获取方法中,步骤S3中,获取转换后心心线线长比例数和心心线角度数比例数的具体方法包括:
S304,计算转换后各色块连通域的心心线线长;
S305,计算转换后心心线角度数;
S306,心心区间划分;
S307,计算转换后心心线线长比例数和心心线角度数比例数。
所述的图像形状特征描述符的获取方法中,步骤S4中,所述数值区间分类包括:等份区间分类和交替区间分类。
所述的图像形状特征描述符的获取方法中,步骤S4中,生成图像形状特征描述符具体包括:
S401,生成色块连通域的图像形状特征描述符;
S402,生成色块连通域之间关系的图像形状特征描述符。
所述的图像形状特征描述符的获取方法中,生成色块连通域的图像形状特征描述符包括生成边界心轮线线长的比例数的集合和线向区间角度数的比例数的集合;
生成色块连通域之间关系的图像形状特征描述符包括生成心心线线长的比例数的集合和心心线夹角的比例数的集合。
一种图像形状特征描述符的获取装置,包括:
第一获取模块,用于提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理;
转换模块,用于将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;
第二获取模块,用于获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数;
生成模块,用于对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符。
所述的图像形状特征描述符的获取装置中,所述第一获取模块包括:第一计算单元,用于计算输入图像色块连通域轮廓线上像素点的心轮线的线长;第二计算单元,用于计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向;
第一获取单元,用于划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间;
第二获取单元,用于获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域。
有益效果:
本发明提供的一种图像形状特征描述符的获取方法及装置,与现有技术相比具有以下优点:
第一,从图像重心点、图像色块连通域重心点、图像色块连通域的心轮线、图像色块连通域之间的心心线的线长及线角、色块连通域的边界心轮线线长和线向区间角度数等特征多层次多方面对待处理图像特征进行识别和描述,丰富了图像特征的描述。可应用于广泛的图像检索,有效增强了图像检索的匹配效果;
第二,将经组合的边界心轮线线长的比例数的集合、线向区间角度数的比例数的集合、图像心心线线长的比例数的集合、图像心心线线角的比例数的集合作为待处理图像的图像形状特征描述符,能有效解决相同或近似图像的共同性特征描述的稳定性问题,克服传统轮廓特征线提取技术方法可能会造成图像检索中相同或近似图像的漏检缺陷,提高图像识别检索中相同或近似图像的匹配效果;
第三,基于图像色块连通域的边界心轮线线长和线向区间角度数,图像色块连通域与图像色块连通域之间的图像心心线线长和图像心心线线角值提取的图像形状特征,与传统的图像轮廓特征线提取技术方法相比,具有图像特征信息描述更全面的优点,避免图像形状关键特征信息的遗漏;
第四,无需因为获取平滑后的轮廓线而对轮廓线上所有像素点进行修正处理,计算量较小,处理速度快。
附图说明
图1为本发明提供的图像形状特征描述符的获取方法的流程图。
图2为通过传统方法提取的图像轮廓线的局部特征示意图。
图3为本发明提供的图像形状特征描述符的获取方法中,转换后线向区间的区间角的象限划分示意图。
图4为本发明提供的图像形状特征描述符的获取方法中,心心线的示意图。
图5为本发明提供的图像形状特征描述符的获取装置的结构示意图。
图6为本发明提供的图像形状特征描述符的获取装置中,第一获取模块的结构示意图。
图7为本发明提供的图像形状特征描述符的获取装置中,转换模块的结构示意图。
图8为本发明提供的图像形状特征描述符的获取装置中,第二获取模块的结构示意图。
图9为本发明提供的图像形状特征描述符的获取装置中,生成模块的结构示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式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方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
请参阅图1-4,本发明提供的一种图像形状特征描述符的获取方法,包括步骤:
S1,提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理。
输入图像的来源可以包括:通过电脑设备、摄像功能的手机、照相机、摄像头或集合有摄像头或存储图像的其他设备所获取的图像均可用于本技术方法的输入图像。
运用现有技术(例如第201710553007X号《一种图像轮廓线描述符的获取方法、装置》所述的方法)可直接提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据,并获取色块连通域的重心点的位置数据。图2随机给出了传统方法提取的图像轮廓线的局部特征示意图。
从图2可以看出:轮廓线并不是平滑的曲线,在线上呈现一些不规则的锯牙状线形,或其他不规则的线形。
输入图像这些不规则的线形,使轮廓线呈现不平滑的状态,这些不平滑的轮廓线正是本实施例的处理对象。
为了获取稳定性较好的图像特征点,需要对轮廓线进行平滑处理。
其中,相关数据包括各线向区间边界心轮线的起点(即色块连通域的重心点)、终点坐标,图像重心点坐标,图像有效区域等。
对色块连通域进行获取线向区间边界心轮线及相关数据的处理的步骤包括:
S101,计算输入图像色块连通域轮廓线上像素点的心轮线的线长。
提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据并获取色块连通域的重心点后,计算每一个色块连通域轮廓线上所有像素点的心轮线线长,并计算出该色块连通域轮廓线上的心轮线线长平均值,并自线长最大值的心轮线为起点,按原轮廓线沿顺时针方向重新编心轮线序号。
其中,心轮线是指色块连通域的轮廓线上的像素点与该色块连通域的重心点的连线。
该色块连通域轮廓线上有多少个像素点就有相对应条数的心轮线。
心轮线的线长按下式计算获取:
其中,p1p2表示心轮线的线长(又称两像素点间的距离),x2、y2表示轮廓线上像素点的坐标, x1、y1表示色块连通域的重心点坐标。
计算出各心轮线的线长后,标记每个色块连通域心轮线的线长的最大值。
S102,计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向。
按照算术平均数计算每个色块连通域心轮线线长的平均值。
按照前述的心轮线序号,逐条计算相邻心轮线之间的线长差。
相邻心轮线的线长差按下式计算获取:
S=an+1-an
其中,S表示相邻心轮线的线长差,an表示新编的心轮线序号为第n号的心轮线的线长值,an+1表示新编的心轮线序号为第n+1号的心轮线的线长值(注:任一色块连通域的轮廓线均呈闭环状态,尾点与起点是相邻的,因此,当该第n号为最大号或尾号时,第n+1号则取心轮线序号的最小号即起始号,如第n号为最大号100号,第n+1号则取心轮线序号的最小号即1号)。
当相邻心轮线的线长差的值为正数时,反映心轮线线长逐条递增,记其方向为正向,反映相邻心轮线之间的线长将增加“S”值的长度;当相邻心轮线的线长差的值为负数时,反映心轮线线长逐条递减,记其方向为负向,反映相邻心轮线之间的线长将减少“S”值的长度;当相邻心轮线的线长差的值为零时,反映心轮线线长不增不减,记其方向为0向,反映相邻心轮线之间的线长相等。例如圆的轮廓线,其心轮线的线长应是相等的。
S103,划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间。
S1031、初步线向区间的划分
初步线向区间是指针对相邻心轮线线长关系曲线所分割出的若干线段范围,反映了轮廓线某一线段间的增减趋向,初步线向区间具体划分规则是将相邻心轮线线长的递增或递减方向相一致的连续线段作为一个初步线向区间。
初步线向区间具体划分方法:
以心轮线线长最大值所在区间作为首个初步线向区间,初步线向区间号可标记为1,沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差方向,若线长差方向均为同向的,将该线长差方向相同的一组心轮线标记为首个初步线向区间;若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时,则标记当前心轮线为另一个初步线向区间,该初步线向区间号可标记为“上一初步线向区间号+1”;继续沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差方向,直至所有心轮线检查完毕,若线长差方向均为同向的,将该线长差方向相同的一组心轮线标记为上条心轮线所在的初步线向区间;若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时,则标记当前心轮线为另一个初步线向区间,该初步线向区间号可标记为“上一初步线向区间号+1”。
为了便于观察某线向区间的波动性,需要针对每一初步线向区间的波动性进一步划分为稳定区间和非稳定区间。
初步线向区间进一步划分为稳定区间和非稳定区间的规则:
稳定区间:如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数达到或超过区间预设值,该线向区间为稳定区间。
非稳定区间:如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数小于区间预设值,该线向区间为非稳定区间。
其中,所述区间预设值可在大于1个像素点范围内取值。
某一初步线向区间内的相邻的心轮线条数或区间内轮廓线像素点数越多,说明该区间心轮线线长增长或下降的方向越稳定。
S1032、对非稳定区间进行吸收合并处理
非稳定区间的轮廓线具有波动性较强的特点,不能正确反映图像色块的关键性共同特征和其轮廓线的整体趋向。
初步线向区间按相邻心轮线线长的递增或递减方向是否一致,将初步线向区间划分为同向区间、反向区间及零向区间。
同向区间是指相邻或相近的两个区间内的相邻心轮线线长(考虑增长幅度时)的递增或递减方向是一致的,则将该两个区间称为同向区间。
反向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是不一致的,则将该两个区间称为反向区间。
零向区间是指相邻或相近的两个区间内的相邻心轮线线长值相等的,则将该两个区间称为零向区间。
对非稳定区间进行吸收合并处理的具体方法:
1)当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时,则将该非稳定区间由任一相邻稳定区间吸收合并;
当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是同向区间时,则将该多个非稳定区间由任一相邻稳定区间吸收合并;
其中,连通域心轮线条数的预设值可在大于该连通域心轮线总条数2%内取值。
2)当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时,则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并;
当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是反向区间时,则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该多个非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并。
3)当一个非稳定区间的相邻两区间均是非稳定区间时,不做区间合并。
4)当多个非稳定区间的心轮线条数大于该连通域心轮线条数的预设值时,不做区间合并。
上述处理的目的是:吸收合并后使该非稳定区间的递减或递增方向与合并一方的稳定区间的递减或递增方向相一致。
S1033、对过大的稳定区间的再分割
稳定区间的再分割是指修正前稳定区间角度数过大(注:过大幅度根据需求来设定)或拥有的心轮线条数大于该连通域心轮线条数的预设值时而对其进行再分割的行为。其作用是减少过度平滑。
修正前稳定区间角度数是指该修正前该区间中一边界心轮线与另一边界心轮线相交角的度数。
一般对修正前稳定区间的区间角度数大于预设的区间角度数时称为过大的稳定区间。
过大的稳定区间增加了线性平滑幅度,在线性平滑处理过程中可能造成一些必要的图像特征丢失,为解决该问题需要对过大的稳定区间进行区间再分割,具体方法:
当过大的稳定区间的区间角度数大于预设的区间角度数且小于其2倍时,将该过大的稳定区间平分为2个稳定区间;
当过大的稳定区间的区间角度数大于预设的区间角度数的2倍且小于其3倍时,将该过大的稳定区间平分为3个稳定区间;
当过大的稳定区间的区间角度数大于预设的区间角度数n倍且小于n+1倍时,将该过大的稳定区间平分为n个稳定区间;以此类推。
将上述合并、分割处理后的初步线向区间作为线向区间,并标记各区间的边界心轮线。
S104,获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域。
根据上述得到的线向区间和标记的各区间的边界心轮线,获取边界心轮线终点、边界心轮线起点(即色块连通域重心点)的坐标数据,同时获取图像重心点坐标,图像有效区域等数据。
S2,将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换。
线向区间的边界心轮线起点是指该区间所在色块连通域的重心点。
线向区间的边界心轮线终点是指该区间所在色块连通域的轮廓线上对应的像素点。
预设标准像素尺是指根据应用需求而设定的图像有效区域的水平像素和垂直像素的像素长度。为使该标准的形状具有唯一性,一般取水平像素和垂直像素的像素长度相等(如,水平像素和垂直像素的像素长度一般取100*100,但不限于此),即图像有效区域均为正方形,但不限于此。
线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换的具体方法:
S201,计算转换前各线向区间的边界心轮线的起点、终点和图像重心点的相对坐标。
该相对坐标可以参照下式获取:
Xn=xn÷XL
Yn=yn÷YL
其中,Xn表示转换前第n个像素点的x轴相对坐标值,xn表示转换前第n个像素点的x轴坐标值,XL表示转换前图像有效区域在水平方向上像素点的数量长度,Yn表示转换前第n个像素点的Y轴相对坐标值,yn表示转换前第n个像素点的y轴坐标值,YL表示转换前图像有效区域在垂直方向上像素点的数量长度。
S202,计算转换后各线向区间的边界心轮线的起点、终点和图像重心点在图像有效区域为图像标准像素尺寸中的坐标值。
该坐标值可以按下式获取:
XBn=Xn÷XBL
YBn=Yn÷YBL
其中,XBn表示第n个像素点在图像有效区域为图像标准像素尺寸中的x轴的坐标值(即转换后的x轴坐标值),Xn表示转换前第n个像素点的x轴相对坐标值,XBL表示图像有效区域为图像标准像素尺寸在水平方向上像素点的数量长度;YBn表示第n个像素点在图像有效区域为图像标准像素尺寸中的y轴的坐标值(即转换后的y轴坐标值),Yn表示转换前第n个像素点的y轴相对坐标值,XBL表示图像有效区域为图像标准像素尺寸在垂直方向上像素点的数量长度。
上述处理可以将图像有效区域尺寸转换为统一规格的图像尺寸,即标准像素尺寸。并将平滑后的色块连通域轮廓线中的线向区间的分界点和图像色块连通域重心点和图像重心点进行图像标准像素尺寸的坐标转换,该处理能使图像大小尺寸不同,长宽比例不同的相同或高度近似的图像的上述特征点具有共同性。
S3,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数。
1)获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数的具体方法包括:
S301,计算转换后线向区间的边界心轮线线长。
根据上述所获取的各特征点在图像有效区域为图像标准像素尺寸中的相对坐标值,重新计算各边界心轮线线长,边界心轮线的线长按下式计算获取:
其中,Gn表示转换为统一规格的图像标准像素尺寸后第n条边界心轮线的线长,ox表示转换为统一规格的图像标准像素尺寸后的色块连通域重心点的x轴坐标值,ax表示转换为统一规格的图像标准像素尺寸后的轮廓线上像素点的x轴坐标值,oy表示转换为统一规格的图像标准像素尺寸后的色块连通域重心点的y轴坐标值,ay表示转换为统一规格的图像标准像素尺寸后的轮廓线上像素点的y轴坐标值。
S302,计算转换后线向区间的区间角。
转换后线向区间的区间角按所处的象限划分如图3所示:
线向区间的区间角按所处各象限的区间角计算公式如下:
第1象限:∠Gn=36°-arctan[(yi-yo)÷(xi-xo)]*180÷π
第2象限:∠Gn=180°+arctan[(yi-yo)÷(xi-xo)]*180÷π
第3象限:∠Gn=180°-arctan[(yi-yo)÷(xi-xo)]*180÷π
第4象限:∠Gn=arctan[(yi-yo)÷(xi-xo)]*180÷π
其中,∠Gn表示第n区间的区间角,yi表示该区间中轮廓线像素点的y轴坐标值,yo表示图像色块连通域重心点的y轴坐标值,xi表示转换为统一规格的图像标准像素尺寸后第i条心轮线非重心一端的x轴坐标值,xo表示转换为统一规格的图像标准像素尺寸后图像色块连通域重心点的x轴坐标值,arctan表示反正切函数。
边界心轮线所处各象限的区间角也可以将以上计算替换为反正弦函数或反余弦函数而获取。
S303,计算转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数。
获取在图像有效区域为图像标准像素尺寸中的各线向区间的边界心轮线线长和区间角后,应将该边界心轮线的线长和区间角转换为边界心轮线的线长比例数和区间角比例数。
a、边界心轮线的线长比例数是指图像标准像素尺寸下该边界心轮线线长占基准边界心轮线线长的比例数;
转换后边界心轮线的线长比例数的具体获取方法:
首先,选择基准边界心轮线线长,基准边界心轮线线长采用图像标准像素尺寸下该色块连通域心轮线平均线长;
然后,按下式计算转换后边界心轮线的线长比例数:
R=(Ni×ei)÷(M×E)
其中,R表示转换后边界心轮线的线长比例数,Ni表示图像标准像素尺寸下第i条边界心轮线线长,ei表示第i条边界心轮线所在区间的心轮线条数(为权数),M表示图像标准像素尺寸下该色块连通域心轮线平均线长,E表示该色块连通域心轮线总条数。
b、区间角度数比例数是指图像标准像素尺寸下该转换后线向区间的区间角度数占基准区间角度数的比例数;
转换后区间角比例数的具体获取方法:
首先,选择基准区间角度数,基准区间角度数采用图像标准像素尺寸下该色块连通域的平均区间角度数;
然后,按下式计算转换后区间角度数比例数:
F=(Vi×ei)÷(W×E)
其中,F表示转换后区间角度数比例数,Vi表示图像标准像素尺寸下第i个区间的区间角度数,ei表示第i条边界心轮线所在区间的心轮线条数(为权数),W表示图像标准像素尺寸下该色块连通域的平均区间角度数,E表示该色块连通域心轮线总条数。
2)获取转换后心心线线长比例数和心心线角度数比例数的具体方法包括:S304,计算转换后各色块连通域的心心线线长。
心心线是指图像重心点与各色块连通域重心点的连线。
根据上述所获取的各特征点在图像有效区域为图像标准像素尺寸中的相对坐标值,重新计算各心心线线长,心心线的线长按下式计算获取:
其中,Qn表示转换为统一规格的图像标准像素尺寸后心心线的线长,Ox表示转换为统一规格的图像标准像素尺寸后的图像重心点的x轴坐标值,bx表示转换为统一规格的图像标准像素尺寸后的色块连通域重心点的x轴坐标值,Oy表示转换为统一规格的图像标准像素尺寸后的图像重心点的y轴坐标值,by表示转换为统一规格的图像标准像素尺寸后的色块连通域重心点的y轴坐标值。
S305,计算转换后心心线角度数。
心心线角是指两条相邻心心线相交的角。
转换后心心线角度数参照S302所述方法计算获取。
S306,心心区间划分。
心心区间是指由两条相邻心心线作为边界线所分割出区间。因此,心心线角又是心心区间的区间角或心心区间角。
S307,计算转换后心心线线长比例数和心心线角度数比例数。
在图像有效区域转为图像标准像素尺寸后,应将心心线的线长和心心线角转换为心心线线长比例数和心心线角度数比例数。
a、心心线线长比例数是指图像标准像素尺寸下该条心心线线长占基准心心线线长的比例数;
转换后心心线线长比例数的具体获取方法:
首先,选择基准心心线线长,基准心心线线长采用图像标准像素尺寸下心心线平均线长;
然后,按下式计算转换后心心线线长比例数:
S=Ki/U
其中,S表示转换后心心线线长比例数,Ki表示图像标准像素尺寸下第i条心心线线长,U表示图像标准像素尺寸下心心线平均线长。
b、心心线角度数比例数是指图像标准像素尺寸下该心心区间的区间角度数占基准区间角度数的比例数;
转换后心心线角度数比例数的具体获取方法:
首先,选择基准区间角度数,基准区间角度数采用图像标准像素尺寸下心心线角的平均区间角度数;
然后,按下式计算转换后区间角度数比例数:
T=Hi/P
其中,T表示转换后心心线角度数比例数,Hi表示图像标准像素尺寸下第i个心心区间的区间角度数,P表示图像标准像素尺寸下心心线角的平均区间角度数。
S4,对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符。
所述数值区间分类包括:等份区间分类和交替区间分类。
等份区间是指将数量值划分为若干等份,每一等份称为一个等份区间。具体的等份数可根据应用需求进行设定。
交替区间是指某一等份区间与另一等份区间分界点在一定的偏离值范围内的区间,该区间处于两个等份区间相接之间,将该区间称为交替区间。
由于等份区间的划分会存在边界的问题,如果当某一数值刚好落入等份区间边界或相近边界时,那么即使很接近的特征点也可能会落入不同的等份区间,造成特征信息的不同,在图像特征中难以实现匹配。因此,实际应用中,也可以采用交替区间划分法。
举例说明:
假设将比例数0%至100%划分为10个等份,那么该等份区间就是:0~≦10%,>10%~≦20%,>20%~≦30%,>30%~≦40%,……,>90%~≦100%。
上述等份区间之间的相接点分别是:0%、10%、20%、30%、40%、……、90%、100%。
假设偏离值取±2%时,那么该交替区间就是:
≧0~≦2%,≧8%~≦12%,≧18%~≦22%,≧28%~≦32%,……,≧98%~≦100%。
表示等份区间或交替区间的字符可以取该区间的任意一数值或其他符号;
例如,可取等份区间或交替区间的某一中间值,为了简化描述符,比例数中的“%”可以约定省略;或者取字符a、b……;或者取字符1、2……等,但不限于此。该数值或字符只是代表对应区间的代号,只需满足不同区间代号不同即可。
生成图像形状特征描述符具体包括:
S401,生成色块连通域的图像形状特征描述符;
S402,生成色块连通域之间关系的图像形状特征描述符。
其中,生成色块连通域的图像形状特征描述符包括生成边界心轮线线长的比例数的集合和线向区间角度数的比例数的集合;
生成色块连通域之间关系的图像形状特征描述符包括生成心心线线长的比例数的集合和心心线夹角的比例数的集合。
a、生成边界心轮线线长的比例数的集合
以每一色块连通域中最大的边界心轮线线长的比例数作为首个数值,将色块连通域内各边界心轮线线长的比例数按连通域轮廓线的顺时针方向依次排序,获得一组比例数,将该组比例数的集合作为该色块连通域的边界心轮线线长的图像形状特征描述符;
将所有色块连通域的边界心轮线线长的图像形状特征描述符的集合作为图像形状特征描述符之一。
b、生成线向区间角度数的比例数的集合
以每一色块连通域中最大的线向区间角度数的比例数作为首个数值,将色块连通域内各线向区间角度数的比例数按连通域轮廓线的顺时针方向依次排序,获得一组比例数,将该组比例数的集合作为该色块连通域的线向区间角度数的图像形状特征描述符;
将所有色块连通域的线向区间角度数的图像形状特征描述符的集合作为图像形状特征描述符之一。
c、生成心心线线长的比例数的集合
心心线是指色块连通域的重心点与图像重心点的连线。
以图4为例,OA、OB、OC、OD、OE、……、OH都是心心线。
心心线线长的比例数是指心心线线长占基准心心线线长的比例数。其中,基准心心线线长取心心线的最大线长。
具体的,以图像中最大的图像心心线线长的比例数作为首个数值,将图像中各心心线线长的比例数按以图像重心点为原点的心心线顺时针方向依次排序,获得一组比例数,将该组比例数的集合作为作为图像形状特征描述符之一。
d、生成心心线线长的比例数的集合
心心线夹角是指相邻心心线相交的夹角。
以图4为例,∠AOB、∠BOC、∠COD、∠DOE、……、∠HOA都是图像心心线夹角。
心心线夹角的比例数是指心心线夹角占基准心心线夹角的比例数;其中,基准心心线夹角取心心线夹角的最大值。
具体的,以图像中最大的图像心心线夹角的比例数作为首个数值,将图像中各心心线夹角的比例数按以图像重心点为原点的心心线顺时针方向依次排序,获得一组比例数,将该组比例数的集合作为图像形状特征描述符之一。
为例方便理解,举例对以上产生方法产生的图像形状特征描述符的数据集的计算过程进行说明:
示例1
假设某图的某一色块连通域内的线向区间共有8个,平滑后标准像素尺寸下边界心轮线线长分别为:65.3,78.2,54.6,43.4,28.3,63.5,68.1,75.1,其线向区间角度数分别为:89,36,22,33,90,35,22,33,假设等份区间的数量值划分等份为5%且偏离值取±1%时,求其“边界心轮线线长的比例数等份区间值Ⅰa和交替区间值Ⅰb的集合”和“线向区间角度数的比例数等份区间值Ⅱa和交替区间值Ⅱb的的集合”的图像描述符。
解:
(一)、求“边界心轮线线长的比例数等份区间值Ⅰa和交替区间值Ⅰb的集合”(1)确定基准边界心轮线线长
计算该连通域心轮线长度的平均值:
(65.3+78.2+54.6+43.4+28.3+63.5+68.1+75.1)/8=59.5625
该连通域心轮线长度的平均值:为59.5625,将该值作为基准边界心轮线线长。
(2)计算边界心轮线的线长比例数
边界心轮线的线长比例数是指图像标准像素尺寸下该边界心轮线线长占基准边界心轮线线长的比例数,因此,各边界心轮线的线长比例数计算结果如下:
65.3所在心轮线:65.3÷59.5625=1.0964=109.64%
78.2所在心轮线:78.2÷59.5625=1.3129=131.29%
54.6所在心轮线:54.6÷59.5625=0.9167=91.67%
43.4所在心轮线:43.4÷59.5625=0.7287=72.87%
28.3所在心轮线:28.3÷59.5625=0.4751=47.51%
63.5所在心轮线:63.5÷59.5625=1.0661=106.61%
68.1所在心轮线:68.1÷59.5625=1.1433=114.33%
75.1所在心轮线:75.1÷59.5625=1.2609=126.09%
(3)将边界心轮线线长的比例数进行描述字符转换:
根据区间分类规则,将上述比例数109.64%、131.29%、91.67%、72.87%、47.51%、106.61%、114.33%、126.09%以按等份区间进行描述符转换得:108%,133%,93%,73%,48%,108%,113%,128%;
简化写为:108,133,93,73,48,108,113,128;
检查上述边界心轮线的线长比例数是否存在交替区间描述符转换条件,其中,符合交替区间描述符转换条件的有:109.64%,114.33%,则在等份区间进行描述符基础上对相关字符进行置换得:110%,133%,93%,73%,48%,108%,115%,128%;
简化写为:110,133,93,73,48,108,115,128;
(4)排序与生成色块连通域的边界心轮线线长比例数的图像形状特征描述符按前述边界心轮线线长的比例数的集合描述具体方法得(即以最大值为首个数):
等份区间值分别为:128,108,133,93,73,48,108,113;
交替区间值分别为:128,110,133,93,73,48,108,115;
图像描述符记为:
Ⅰa:133,93,73,48,108,113,128,108
Ⅰb:133,93,73,48,108,115,128,110。
(二)、求“线向区间角度数的比例数等份区间值Ⅱa和交替区间值Ⅱb的集合”
(1)确定基准线向区间角度数
该基准线向区间角度数采用区间角平均值,计算各区间角的平均值:
(89+36+22+33+90+35+22+33)/8=45
各区间角的平均值为45,将该值作为基准线向区间角度数。
(2)计算各线向区间角度数的比例数
线向区间角度数比例数是指图像标准像素尺寸下该线向区间角度数占基准线向区间角度数的比例数,因此,各线向区间角度数比例数计算结果如下:
89所在线向区间:89÷45=1.9778=197.78%
36所在线向区间:36÷45=0.8000=80.00%
22所在线向区间:22÷45=0.4889=48.89%
33所在线向区间:33÷45=0.7334=73.34%
90所在线向区间:90÷45=2.0000=200%
35所在线向区间:35÷45=0.7778=77.78%
22所在线向区间:22÷45=0.4889=48.89%
33所在线向区间:33÷45=0.7334=73.34%
(3)将线向区间角度数的比例数进行描述字符转换:
根据区间分类规则,将上述比例数197.78%、80.00%、48.89%、73.34%、200%、77.78%、48.89%、73.34%以按等份区间进行描述符转换得:198%,78%,48%,73%,198%,78%,48%,73%
简化写为:198,78,48,73,198,78,48,73;
检查上述线向区间角度数的比例数是否存在交替区间描述符转换条件,其中,符合交替区间描述符转换条件的有:80.00%,200%,则在等份区间进行描述符基础上对相关字符进行置换得:198%,80%,48%,73%,200%,78%,48%,73%;
简化写为:198,80,48,73,200,78,48,73;
(4)排序与生成线向区间角度数的比例数的图像形状特征描述符
按前述线向区间角度数的比例数的集合描述具体方法得(即以最大值为首个数):
等份区间值分别为:198,78,48,73,198,78,48,73;
交替区间值分别为:200,78,48,73,198,80,48,73;
图像描述符记为:
Ⅱa:198,78,48,73,198,78,48,73;
Ⅱb:200,78,48,73,198,80,48,73。
示例2
假设某图有6条心心线,其长度值按顺时针方向排序分别为:19.8、20.3、29.9、40.4、36.1、100,相对心心线夹角按顺时针方向排序分别为:36.3、42.5、63.8、72.1、20.6、124.7,求其图像心心线线长的比例数等份区间值Ⅲa和交替区间值Ⅲb的集合的图像描述符、图像心心线夹角的比例数等份区间值Ⅳa和交替区间值Ⅳb的集合的图像描述符。
解:
(一)求图像心心线线长的比例数等份区间值Ⅲa和交替区间值Ⅲb的集合的图像描述符
(1)确定基准心心线线长
计算心心线长度的平均值:
(19.8+20.3+29.9+40.4+36.1+100)/6=41.0833
心心线长度的平均值为41.0833,将该值作为基准心心线线长。
(2)计算心心线的线长比例数
心心线的线长比例数是指图像标准像素尺寸下该心心线的线长占基准心心线线长的比例数,因此,各心心线线长比例数计算结果如下:
19.8所在心心线:19.8÷41.0833=0.481948=48.19%
20.3所在心心线:20.3÷41.0833=0.494118=49.41%
29.9所在心心线:29.9÷41.0833=0.72779=72.78%
40.4所在心心线:40.4÷41.0833=0.983368=98.34%
36.1所在心心线:36.1÷41.0833=0.878703=87.87%
100所在心心线:100÷41.0833=2.434079=243.41%
(3)将心心线线长的比例数进行描述字符转换:
根据区间分类规则,将上述比例数48.19%、49.41%、72.78%、98.34%、87.87%、243.41%以按等份区间进行描述符转换得:48%,48%,73%,98%,88%,243%;
简化写为:48,48,73,98,88,243;
检查上述心心线的线长比例数是否存在交替区间描述符转换条件,其中,符合交替区间描述符转换条件的有:49.41%,则在等份区间进行描述符基础上对相关字符进行置换得:
48%,50%,73%,98%,88%,243%;
简化写为:48,50,73,98,88,243;
(4)排序与生成图像心心线线长的图像形状特征描述符
按前述图像心心线线长的比例数的集合描述具体方法得(即以最大值为首个数):
等份区间值分别为:243,48,48,73,98,88;
交替区间值分别为:243,48,50,73,98,88;
图像心心线线长的图像形状特征描述符记为:
Ⅲa:243,48,48,73,98,88;
Ⅲb:243,48,50,73,98,88;
(二)求图像心心线夹角的比例数等份区间值Ⅳa和交替区间值Ⅳb的集合的图像描述符
(1)确定基准心心线夹角
计算心心线夹角的平均值:
(36.3+42.5+63.8+72.1+20.6+124.7)/6=60
心心线夹角的平均值为60,将该值作为基准心心线夹角。
(2)计算心心线夹角比例数
心心线夹角比例数是指图像标准像素尺寸下该心心线夹角占基准心心线夹角的比例数,因此,各心心线夹角比例数计算结果如下:
36.3所在心心线夹角:36.3/60=0.605=60.50%
42.5所在心心线夹角:42.5/60=0.708333=70.83%
63.8所在心心线夹角:63.8/60=1.063333=106.33%
72.1所在心心线夹角:72.1/60=1.201667=120.17%
20.6所在心心线夹角:20.6/60=0.343333=34.33%
124.7所在心心线夹角:124.7/60=2.078333=207.83%
(3)将心心线夹角的比例数进行描述字符转换:
根据区间分类规则,将上述比例数60.50%、70.83%、106.33%、120.17%、34.33%、207.83%以按等份区间进行描述符转换得:63%,73%,108%,123%,33%,208%
简化写为:63,73,108,123,33,208;
检查上述心心线夹角比例数是否存在交替区间描述符转换条件,其中,符合交替区间描述符转换条件的有:60.50%、70.83%、120.17%、34.33%,则在等份区间进行描述符基础上对相关字符进行置换得:60%,70%,108%,120%,35%,208%;
简化写为:60,70,108,120,35,208;
(4)排序与生成图像心心线夹角的图像形状特征描述符
按前述图像心心线夹角比例数的集合描述具体方法得(即以最大值为首个数):
等份区间值分别为:208,63,73,108,123,33;
交替区间值分别为:208,60,70,108,120,35;
图像心心线线长的图像形状特征描述符记为:
Ⅳa:208,63,73,108,123,33;
Ⅳb:208,60,70,108,120,35。
经前述各步处理,从图像局部至整体特征分层次多角度进行了描述,兼顾图像的共同性和区分性,应能明显改善图像特征的匹配性。
请参阅图5、6,本发明提供一种图像形状特征描述符的获取装置,包括第一获取模块1、转换模块2、第二获取模块3、生成模块4;
其中,第一获取模块1,用于提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理;其中,转换模块2,用于将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;
其中,第二获取模块3,用于获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数;
其中,生成模块4,用于对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符。
进一步的,见图6,第一获取模块1包括第一计算单元1.1、第二计算单元1.2、第一获取单元1.3、第二获取单元1.4;
其中,第一计算单元1.1,用于计算输入图像色块连通域轮廓线上像素点的心轮线的线长;
其中,第二计算单元1.2,用于计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向;
其中,第一获取单元1.3,用于划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间;
其中,第二获取单元1.4,用于获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域。
进一步的,见图7,转换模块2包括第三计算单元2.1和第四计算单元2.2;其中,第三计算单元2.1,用于计算转换前各线向区间的边界心轮线的起点、终点和图像重心点的相对坐标;
其中,第四计算单元2.2,用于计算转换后各线向区间的边界心轮线的起点、终点和图像重心点在图像有效区域为图像标准像素尺寸中的坐标值。
进一步的,见图8,第二获取模块3包括第五计算单元3.1、第六计算单元3.2、第七计算单元3.3、第八计算单元3.4、第九计算单元3.5、划分单元3.6、第十计算单元3.7;
其中,第五计算单元3.1,用于计算转换后线向区间的边界心轮线线长;
其中,第六计算单元3.2,用于计算转换后线向区间的区间角;
其中,第七计算单元3.3,用于计算转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数;
其中,第八计算单元3.4,用于计算转换后各色块连通域的心心线线长;
其中,第九计算单元3.5,用于计算转换后心心线角度数;
其中,划分单元3.6,用于心心区间划分;
其中,第十计算单元3.7,用于计算转换后心心线线长比例数和心心线角度数比例数。
进一步的,见图9,生成模块4包括第一生成单元4.1和第二生成单元4.2;其中,第一生成单元4.1,用于生成色块连通域的图像形状特征描述符;
其中,第二生成单元4.2,用于生成色块连通域之间关系的图像形状特征描述符。
由上所述,该图像形状特征描述符的获取方法及装置,与现有技术相比具有以下优点:
第一,从图像重心点、图像色块连通域重心点、图像色块连通域的心轮线、图像色块连通域之间的心心线的线长及线角、色块连通域的边界心轮线线长和线向区间角度数等特征多层次多方面对待处理图像特征进行识别和描述,丰富了图像特征的描述。可应用于广泛的图像检索,有效增强了图像检索的匹配效果;
第二,将经组合的边界心轮线线长的比例数的集合、线向区间角度数的比例数的集合、图像心心线线长的比例数的集合、图像心心线线角的比例数的集合作为待处理图像的图像形状特征描述符,能有效解决相同或近似图像的共同性特征描述的稳定性问题,克服传统轮廓特征线提取技术方法可能会造成图像检索中相同或近似图像的漏检缺陷,提高图像识别检索中相同或近似图像的匹配效果;
第三,基于图像色块连通域的边界心轮线线长和线向区间角度数,图像色块连通域与图像色块连通域之间的图像心心线线长和图像心心线线角值提取的图像形状特征,与传统的图像轮廓特征线提取技术方法相比,具有图像特征信息描述更全面的优点,避免图像形状关键特征信息的遗漏;
第四,无需因为获取平滑后的轮廓线而对轮廓线上所有像素点进行修正处理,计算量较小,处理速度快。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,其方案与本发明实质上相同。
Claims (10)
1.一种图像形状特征描述符的获取方法,其特征在于,包括步骤:
S1,提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理;包括:S101,计算输入图像色块连通域轮廓线上像素点的心轮线的线长;S102,计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向;S103,划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间;S104,获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域;
S2,将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;
S3,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数;
S4,对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符;
步骤S1中,S101,计算输入图像色块连通域轮廓线上像素点的心轮线的线长的步骤包括:提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据并获取色块连通域的重心点后,计算每一个色块连通域轮廓线上所有像素点的心轮线线长,并计算出该色块连通域轮廓线上的心轮线线长平均值,并自线长最大值的心轮线为起点,按原轮廓线沿顺时针方向重新编心轮线序号;其中,心轮线是指色块连通域的轮廓线上的像素点与该色块连通域的重心点的连线;S103,划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间的方法包括:S1031、初步线向区间的划分;S1032、对非稳定区间进行吸收合并处理;S1033、对过大的稳定区间的再分割;
S1032、对非稳定区间进行吸收合并处理的具体方法包括:
1)当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时,则将该非稳定区间由任一相邻稳定区间吸收合并;当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是同向区间时,则将该多个非稳定区间由任一相邻稳定区间吸收合并;其中,连通域心轮线条数的预设值在大于该连通域心轮线总条数2%内取值;
2)当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时,则计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并;当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是反向区间时,则计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该多个非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并;
3)当一个非稳定区间的相邻两区间均是非稳定区间时,不做区间合并;
4)当多个非稳定区间的心轮线条数大于该连通域心轮线条数的预设值时,不做区间合并;
其中,初步线向区间按相邻心轮线线长的递增或递减方向是否一致,将初步线向区间划分为同向区间、反向区间及零向区间;同向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是一致的,则将该两个区间称为同向区间;反向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是不一致的,则将该两个区间称为反向区间;零向区间是指相邻或相近的两个区间内的相邻心轮线线长值相等的,则将该两个区间称为零向区间。
2.根据权利要求1所述的图像形状特征描述符的获取方法,其特征在于,步骤S1中,S102中,计算相邻心轮线之间的线长差及递减或递增方向的方法包括:按照心轮线序号,逐条计算相邻心轮线之间的线长差;相邻心轮线的线长差按下式计算获取:
S=an+1-an
其中,S表示相邻心轮线的线长差,an表示新编的心轮线序号为第n号的心轮线的线长值,an+1表示新编的心轮线序号为第n+1号的心轮线的线长值;
S104,获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域,包括:根据得到的线向区间和标记的各区间的边界心轮线,获取边界心轮线终点、边界心轮线起点的坐标数据,同时获取图像重心点坐标,图像有效区域数据。
3.根据权利要求2所述的图像形状特征描述符的获取方法,其特征在于,步骤S1031、初步线向区间的划分的具体方法包括:以心轮线线长最大值所在区间作为首个初步线向区间,初步线向区间号可标记为1,沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差方向,若线长差方向均为同向的,将该线长差方向相同的一组心轮线标记为首个初步线向区间;若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时,则标记当前心轮线为另一个初步线向区间,该初步线向区间号可标记为“上一初步线向区间号+1”;继续沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差方向,直至所有心轮线检查完毕,若线长差方向均为同向的,将该线长差方向相同的一组心轮线标记为上条心轮线所在的初步线向区间;若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时,则标记当前心轮线为另一个初步线向区间,该初步线向区间号可标记为“上一初步线向区间号+1”;
其中,初步线向区间是指针对相邻心轮线线长关系曲线所分割出的若干线段范围,初步线向区间具体划分规则是将相邻心轮线线长的递增或递减方向相一致的连续线段作为一个初步线向区间;初步线向区间划分为稳定区间和非稳定区间,稳定区间:如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数达到或超过区间预设值,该线向区间为稳定区间;非稳定区间:如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数小于区间预设值,该线向区间为非稳定区间;所述区间预设值在大于1个像素点范围内取值;
S1033、对过大的稳定区间的再分割的具体方法包括:当过大的稳定区间的区间角度数大于预设的区间角度数且小于其2倍时,将该过大的稳定区间平分为2个稳定区间;当过大的稳定区间的区间角度数大于预设的区间角度数的2倍且小于其3倍时,将该过大的稳定区间平分为3个稳定区间;当过大的稳定区间的区间角度数大于预设的区间角度数n倍且小于n+1倍时,将该过大的稳定区间平分为n个稳定区间。
4.根据权利要求1所述的图像形状特征描述符的获取方法,其特征在于,步骤S2中,将线向区间的边界心轮线的起点、终点和图像色块连通域重心点坐标按照预设标准像素尺寸进行坐标转换的具体方法包括:
S201,计算转换前各线向区间的边界心轮线的起点、终点和图像重心点的相对坐标;
S202,计算转换后各线向区间的边界心轮线的起点、终点和图像重心点在图像有效区域为图像标准像素尺寸中的坐标值;
其中,线向区间的边界心轮线起点是指该区间所在色块连通域的重心点;线向区间的边界心轮线终点是指该区间所在色块连通域的轮廓线上对应的像素点;预设标准像素尺是指根据应用需求而设定的图像有效区域的水平像素和垂直像素的像素长度。
5.根据权利要求1所述的图像形状特征描述符的获取方法,其特征在于,步骤S3中,获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数的具体方法包括:
S301,计算转换后线向区间的边界心轮线线长;
S302,计算转换后线向区间的区间角;
S303,计算转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数;其中,边界心轮线的线长比例数是指图像标准像素尺寸下该边界心轮线线长占基准边界心轮线线长的比例数;区间角度数比例数是指图像标准像素尺寸下该转换后线向区间的区间角度数占基准区间角度数的比例数。
6.根据权利要求1所述的图像形状特征描述符的获取方法,其特征在于,步骤S3中,获取转换后心心线线长比例数和心心线角度数比例数的具体方法包括:
S304,计算转换后各色块连通域的心心线线长;
S305,计算转换后心心线角度数;
S306,心心区间划分;
S307,计算转换后心心线线长比例数和心心线角度数比例数。
7.根据权利要求1所述的图像形状特征描述符的获取方法,其特征在于,步骤S4中,所述数值区间分类包括:等份区间分类和交替区间分类。
8.根据权利要求7所述的图像形状特征描述符的获取方法,其特征在于,步骤S4中,生成图像形状特征描述符具体包括:
S401,生成色块连通域的图像形状特征描述符;
S402,生成色块连通域之间关系的图像形状特征描述符。
9.根据权利要求8所述的图像形状特征描述符的获取方法,其特征在于,生成色块连通域的图像形状特征描述符包括生成边界心轮线线长的比例数的集合和线向区间角度数的比例数的集合;
生成色块连通域之间关系的图像形状特征描述符包括生成心心线线长的比例数的集合和心心线夹角的比例数的集合。
10.一种图像形状特征描述符的获取装置,其特征在于,包括:
第一获取模块,用于提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据,对色块连通域进行获取线向区间边界心轮线及相关数据的处理;
转换模块,用于将线向区间的边界心轮线的起点、终点和图像重心点坐标按照预设标准像素尺寸进行坐标转换;
第二获取模块,用于获取转换后线向区间边界心轮线的线长比例数和线向区间角度数比例数,获取转换后心心线线长比例数和心心线角度数比例数;
生成模块,用于对边界心轮线线长的比例数、线向区间角度数的比例数、心心线线长的比例数、心心线线角的比例数进行数值区间分类,生成图像形状特征描述符;
所述第一获取模块包括:
第一计算单元,用于计算输入图像色块连通域轮廓线上像素点的心轮线的线长;
第二计算单元,用于计算色块连通域心轮线的线长的平均值和相邻心轮线之间的线长差及递减或递增方向;
第一获取单元,用于划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间;
第二获取单元,用于获取各线向区间边界心轮线的起点、终点坐标,图像重心点坐标,图像有效区域;
计算输入图像色块连通域轮廓线上像素点的心轮线的线长的步骤包括:提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据并获取色块连通域的重心点后,计算每一个色块连通域轮廓线上所有像素点的心轮线线长,并计算出该色块连通域轮廓线上的心轮线线长平均值,并自线长最大值的心轮线为起点,按原轮廓线沿顺时针方向重新编心轮线序号;其中,心轮线是指色块连通域的轮廓线上的像素点与该色块连通域的重心点的连线;
划分初步线向区间,并对初步线向区间中的非稳定区间进行吸收合并处理和过大的初步线向区间再分割处理,获取线向区间的方法包括:S1031、初步线向区间的划分;S1032、对非稳定区间进行吸收合并处理;S1033、对过大的稳定区间的再分割;
S1032、对非稳定区间进行吸收合并处理的具体方法包括:
1)当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时,则将该非稳定区间由任一相邻稳定区间吸收合并;当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是同向区间时,则将该多个非稳定区间由任一相邻稳定区间吸收合并;其中,连通域心轮线条数的预设值在大于该连通域心轮线总条数2%内取值;
2)当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时,则计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并;当多个非稳定区间但区间的心轮线条数小于等于该连通域心轮线条数的预设值时且相邻两区间均是稳定区间且又是反向区间时,则计算该两个相邻稳定区间的相邻端点的心轮线的线长差,按该线长差的正负值来确认该多个非稳定区间的递增或递减方向,如果是正数,确认为递增方向;如果是负数,确认为递减方向;将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并;
3)当一个非稳定区间的相邻两区间均是非稳定区间时,不做区间合并;
4)当多个非稳定区间的心轮线条数大于该连通域心轮线条数的预设值时,不做区间合并;
其中,初步线向区间按相邻心轮线线长的递增或递减方向是否一致,将初步线向区间划分为同向区间、反向区间及零向区间;同向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是一致的,则将该两个区间称为同向区间;反向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是不一致的,则将该两个区间称为反向区间;零向区间是指相邻或相近的两个区间内的相邻心轮线线长值相等的,则将该两个区间称为零向区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303350.4A CN110929084B (zh) | 2019-12-17 | 2019-12-17 | 一种图像形状特征描述符的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911303350.4A CN110929084B (zh) | 2019-12-17 | 2019-12-17 | 一种图像形状特征描述符的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929084A CN110929084A (zh) | 2020-03-27 |
CN110929084B true CN110929084B (zh) | 2023-04-11 |
Family
ID=69862999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911303350.4A Active CN110929084B (zh) | 2019-12-17 | 2019-12-17 | 一种图像形状特征描述符的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929084B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915898B (zh) * | 2020-07-24 | 2022-07-08 | 杭州金通科技集团股份有限公司 | 一种停车监控ai电子驿站 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005024708A1 (en) * | 2003-09-08 | 2005-03-17 | Jiris Co., Ltd | The pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its |
JP2013062648A (ja) * | 2011-09-13 | 2013-04-04 | Dainippon Printing Co Ltd | 個体識別装置、個体識別方法、及びプログラム |
CN105574533A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种图像特征提取方法和装置 |
CN107945111A (zh) * | 2017-11-17 | 2018-04-20 | 中国矿业大学 | 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法 |
CN108052653A (zh) * | 2016-12-30 | 2018-05-18 | 徐庆 | 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 |
CN109460770A (zh) * | 2018-09-06 | 2019-03-12 | 徐庆 | 图像特征描述符提取方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-17 CN CN201911303350.4A patent/CN110929084B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005024708A1 (en) * | 2003-09-08 | 2005-03-17 | Jiris Co., Ltd | The pupil detection method and shape descriptor extraction method for a iris recognition, iris feature extraction apparatus and method, and iris recognition system and method using its |
JP2013062648A (ja) * | 2011-09-13 | 2013-04-04 | Dainippon Printing Co Ltd | 個体識別装置、個体識別方法、及びプログラム |
CN105574533A (zh) * | 2015-12-15 | 2016-05-11 | 徐庆 | 一种图像特征提取方法和装置 |
CN108052653A (zh) * | 2016-12-30 | 2018-05-18 | 徐庆 | 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 |
CN107945111A (zh) * | 2017-11-17 | 2018-04-20 | 中国矿业大学 | 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法 |
CN109460770A (zh) * | 2018-09-06 | 2019-03-12 | 徐庆 | 图像特征描述符提取方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
刘哲 ; 杨健 ; 张丽 ; .基于椭圆傅里叶描述子的遥感图像配准算法.光电子・激光.2015,第26卷(第2期),第352-359页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110929084A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ponce | On characterizing ribbons and finding skewed symmetries | |
CN110222703B (zh) | 图像轮廓识别方法、装置、设备和介质 | |
CN108920765A (zh) | 一种基于建筑物三维线段模型的假设平面拟合方法 | |
CN110929084B (zh) | 一种图像形状特征描述符的获取方法及装置 | |
CN112766008B (zh) | 一种基于二维码的物体空间位姿获取方法 | |
CN104851127A (zh) | 一种基于交互的建筑物点云模型纹理映射方法及装置 | |
US20210110556A1 (en) | Single view tracking of cylindrical objects | |
CN1958394A (zh) | 一种快速星图识别方法 | |
CN113724326A (zh) | 一种自主空中加油场景下锥套目标的单目视觉位姿解算方法 | |
CN110727814B (zh) | 一种图像形状特征描述符的获取方法 | |
WO2024066463A1 (zh) | 一种基于双目视觉的钢筋间距的测量方法和系统 | |
CN117911729A (zh) | 一种图像匹配定位方法及装置 | |
CN110717874B (zh) | 一种图像轮廓线平滑处理方法 | |
CN108596969B (zh) | 一种受力钢筋间距验收方法 | |
CN110702115A (zh) | 一种基于单目视觉的定位方法、定位装置及终端 | |
CN105550650A (zh) | 一种指纹安全保护方法与系统 | |
Honda | Isometric immersions of the hyperbolic plane into the hyperbolic space | |
CN116343215A (zh) | 一种文档图像的倾斜校正方法和系统 | |
CN111462195B (zh) | 基于主线约束的非规则角度方向代价聚合路径确定方法 | |
US6166745A (en) | Graphic form shaping apparatus and graphic form shaping method | |
CN112907553A (zh) | 一种基于Yolov3的高清图像目标检测方法 | |
CN108108694B (zh) | 一种人脸特征点定位方法及装置 | |
Yu et al. | Shape analysis and recognition based on skeleton and morphological structure | |
CN110705550A (zh) | 基于图像矩与投影法的文本图像的姿态校正算法 | |
CN104268850A (zh) | 混合型视觉加工方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong. Applicant after: Xu Qing Applicant after: Foshan Guofang Identification Technology Co.,Ltd. Address before: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong. Applicant before: Xu Qing Applicant before: FOSHAN GUOFANG TRADEMARK SERVICE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |