RU2672622C1 - Способ распознавания графических образов объектов - Google Patents

Способ распознавания графических образов объектов Download PDF

Info

Publication number
RU2672622C1
RU2672622C1 RU2017132646A RU2017132646A RU2672622C1 RU 2672622 C1 RU2672622 C1 RU 2672622C1 RU 2017132646 A RU2017132646 A RU 2017132646A RU 2017132646 A RU2017132646 A RU 2017132646A RU 2672622 C1 RU2672622 C1 RU 2672622C1
Authority
RU
Russia
Prior art keywords
contours
objects
contour
image
graphic images
Prior art date
Application number
RU2017132646A
Other languages
English (en)
Inventor
Александр Владимирович Мингалев
Регина Ренатовна Агафонова
Ильдар Масхутович Габдуллин
Андрей Викторович Николаев
Федор Александрович Сарыков
Сергей Николаевич Шушарин
Original Assignee
Российская Федерация, от имени которой выступает Федеральное государственное казенное учреждение "Войсковая часть 68240"
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 Российская Федерация, от имени которой выступает Федеральное государственное казенное учреждение "Войсковая часть 68240" filed Critical Российская Федерация, от имени которой выступает Федеральное государственное казенное учреждение "Войсковая часть 68240"
Priority to RU2017132646A priority Critical patent/RU2672622C1/ru
Application granted granted Critical
Publication of RU2672622C1 publication Critical patent/RU2672622C1/ru

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • G06T7/41Analysis of texture based on statistical description of texture
    • G06T7/44Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

Изобретение относится к области цифровой обработки изображений. Технический результат – повышение скорости и точности распознавания графических образов при одновременном уменьшении количества ложных распознаваний. Способ распознавания графических образов объектов на исходном изображении, представленном в цифровом виде в градациях серого, инвариантный к поворотам и масштабированию графических образов объектов на изображении, характеризуется предварительным формированием эталонных контуров и эталонных фрагментов контуров, выполнением предварительной обработки исходного изображения, выделением и замыканием контуров графических образов объектов исходного изображения, переводом полученных контуров из пространства координат растра в комплекснозначное пространство вектор-контуров, выполнением структурного анализа формы изображения фильтрами, используя вычисление значения модуля нормированного скалярного произведения и строя взаимно корреляционной функции контуров графических образов объектов исходного изображения и эталонных фрагментов контуров, при этом в качестве предварительно формируемых эталонных контуров используют «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум», а эталонных фрагментов контуров – «прямая линия», «прямой угол». 2 з.п. ф-лы, 31 ил.

Description

Изобретение относится к цифровой обработке изображений, а именно, к способам распознавания плоских изображений по их форме на основе контурного анализа, и может быть использовано в системах технического зрения.
Известен способ автоматического распознавания объектов на изображении (патент RU 2528140 С1, МПК G06K 9/48, опубликован 10.09.2014), при котором формируют эталонные изображения и запоминают их, осуществляют предварительную обработку каждого текущего изображения с целью выявления объекта и запоминают каждое текущее изображение, вычисляют взаимно корреляционную функцию эталонных и текущих изображений и производят их сравнение, формируют и запоминают контурные эталонные и текущие изображения, представляют их в виде полутоновых дистантных изображений, яркость пикселов которых пропорциональна расстоянию до ближайшего контура, выделяют (локализуют) на изображениях участки, на которых возможно наличие объекта, путем сканирования контурным эталоном с подсчетом для каждого положения эталона суммы яркостей точек дистантного полутонового изображения, накрытых контурами эталона, и из всего множества положений сканирования оставляют точки, где подсчитанные суммы яркостей меньше заданного порога, на выбранных участках изображений вычисляют взаимно корреляционную функцию текущих и эталонных изображений, после чего производят сравнение выделенных участков текущих изображений с эталонными полутоновыми дистантными изображениями этих участков и определяют положение эталона на выделенных участках, при котором достигается экстремум взаимно корреляционной функции, и определяют место нахождения объекта по положению экстремума взаимно корреляционной функции.
К недостаткам данного способа можно отнести необходимость формирования и хранения большого количества эталонных изображений, а также вычислительную сложность операции корреляционного сравнения эталонного изображения и изображения, подвергнутого операции распознавания.
Также известен способ компьютерного распознавания объектов (патент RU 2361273 С2, МПК G06K 9/62, опубликован 10.07.2009), программа которого предусматривает предварительное приведение изображения объекта, вводимого в компьютер, к нормальному, стандартному для данного способа видоизменения масштаба, поворот в требуемое положение, центрирование, вписывание в прямоугольник требуемого размера, преобразование изображения объекта в изображение, выполненное в градациях - различных степенях яркости одного цвета, на которое последовательно, поочередно накладываются изображения хранящихся в памяти компьютера шаблонов.
К особенностям, которые могут ограничить применение данного способа, можно отнести вычислительную сложность из-за необходимости указанной последовательности приведения изображения объекта, вводимого в компьютер, и длительного времени выполнения операции поочередного накладывания изображения шаблонов, хранящихся в памяти компьютера, на приведенное изображение.
Известен способ распознавания графических образов объектов с применением контурного анализа, инвариантный к поворотам и масштабированию графических образов объектов на исходном изображении, характеризующийся предварительным формированием эталонных контуров, выделением контуров графических образов объектов исходного изображения, переводом полученных контуров из пространства координат растра в комплекснозначное пространство вектор-контуров, определением меры схожести двух изображений, используя значение модуля нормированного скалярного произведения и строя взаимно корреляционную функцию контуров этих изображений, представленных в комплекснозначном пространстве вектор-контуров (Фурман Я.А. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2003. - с. 382).
Основным недостатком известного способа является то, что его использование, в случае распознавания большого количества образов объектов определенного класса, приводит к повышению количества ложных срабатываний или же к большому количеству пропущенных объектов, в зависимости от выбираемого порогового уровня модуля нормированного скалярного произведения, характеризующего меру схожести двух изображений. Кроме того, в этом случае данный способ подразумевает хранение большого количества информации об эталонных контурах. Использование большого количества эталонных контуров приводит также к значительным временным затратам, возникающим в результате последовательного перебора эталонных контуров для вычисления значения модуля нормированного скалярного произведения и построения взаимно корреляционной функции.
Прототипом заявленного изобретения является способ распознавания графических образов объектов на исходном изображении, представленном в цифровом виде в градациях серого, инвариантный к поворотам и масштабированию графических образов объектов на исходном изображении, характеризующийся предварительным формированием эталонных контуров и эталонных фрагментов контуров, выполнением предварительной обработки исходного изображения, выделением и замыканием контуров графических образов объектов исходного изображения, переводом полученных контуров из пространства координат растра в комплекснозначное пространство вектор-контуров, выполнением структурного анализа формы изображения фильтрами, используя вычисление значения модуля нормированного скалярного произведения и строя взаимно корреляционную функцию контуров графических образов объектов исходного изображения и эталонных фрагментов контуров (Фурман Я.А. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2003. - с. 372-379).
Основным недостатком прототипа является низкая скорость распознавания графических образов объектов на исходном изображении. Это обусловлено тем, что применение данного способа приводит к повышению вычислительной сложности процесса распознавания, возникающей в случае наличия большого количества контуров на исходном изображении, причем при использовании данного способа с заранее неизвестным характером яркостной картины исходного изображения время, необходимое для выполнения данной процедуры, неизвестно заранее, и его значение может варьироваться в широком диапазоне значений в зависимости от количества выделенных контуров на исходном изображении. Также к недостаткам прототипа следует отнести невысокую точность распознавания графических образов объектов на исходном изображении и повышенное количество ложных срабатываний из-за значительной вариабельности форм контуров графических образов объектов на исходном изображении.
Задачей заявленного изобретения является разработка способа распознавания графических образов объектов, в котором устранены недостатки аналогов и прототипа.
Техническим результатом заявленного изобретения является повышение скорости и точности распознавания графических образов объектов при одновременном уменьшении количества ложных распознаваний.
Технический результат достигается тем, что в известном способе распознавания графических образов объектов в качестве предварительно формируемых эталонных контуров используют контуры «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум», а эталонных фрагментов контуров - фрагменты «прямая линия», «прямой угол», ко всем контурам графических образов объектов исходного изображения последовательно применяют оценку степени близости формы каждого из контуров графических образов объектов исходного изображения к формам предварительно сформированных эталонных контуров с отнесением каждого из контуров графических образов объектов исходного изображения к одному из типов эталонных контуров и отстранением от дальнейшего рассмотрения контуров, которые не были отнесены к эталонным контурам "замкнутый квадрат" или "замкнутый прямоугольник", подсчет в каждом из оставшихся контуров количества прямолинейных участков с использованием согласованного фильтра с эталонным фрагментом контура «прямая линия», и отстранение от дальнейшего рассмотрения контуров, в которых количество прямолинейных участков меньше четырех, подсчет в каждом из оставшихся контуров количества углов, близких к прямому углу, посредством выполнения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямой угол», и отстранение от дальнейшего рассмотрения контуров, в которых значение количества прямых углов меньше трех, отнесение каждого из оставшихся контуров к контурам графических образов объектов, имеющих форму многоугольника.
Значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямая линия», при превышении которого фиксируют прямолинейный участок контура графических образов объектов исходного изображения, принимают равным 0.79.
Значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямой угол», при превышении которого фиксируют наличие угла, близкого к прямому углу, в контуре графического образа объекта исходного изображения, принимают равным 0.79.
Сущность изобретения поясняется чертежами.
На фиг. 1 представлена схема, поясняющая основные этапы выполнения способа распознавания графических образов объектов, имеющих форму многоугольника.
На фиг. 2а представлены изображения пяти типов эталонных контуров, где цифрами обозначены следующие элементы:
1 - изображение эталонного контура «замкнутый квадрат»,
2 - изображение эталонного контура «замкнутый прямоугольник»,
3 - изображение эталонного контура «линия»,
4 - изображение эталонного контура «незамкнутый прямоугольник»,
5 - изображение эталонного контура «шум».
На фиг. 2б представлены графики четырех компонент преобразований Уолша над автокорреляционными функциями пяти типов эталонных контуров.
На фиг. 3а представлено исходное изображение, содержащее образы некоторых типов объектов, в котором необходимо распознать все графические образы объектов, имеющих форму многоугольника, где цифрами обозначены следующие элементы:
6 - образ объекта «прямоугольник со сглаженными углами»,
7 - образ объекта «прямоугольник с не сглаженными углами»,
8 - образ объекта «треугольник»,
9 - образ объекта «круг»,
10 - образ объекта «кривая линия»,
11 - образ объекта «ромб».
На фиг. 3б - показано исходное изображение после выполнения операции автоконтрастирования по гистограмме изображения.
На фиг. 3в - показано исходное изображение после выполнения сглаживающей фильтрации для устранения высокочастотного шума на изображении.
На фиг. 3г - показано исходное изображение после выполнения операции выделения контуров образов объектов исходного изображения с последующим замыканием контуров.
На фиг. 4а, 5а, 6а, 7а, 8а, 9а показано графическое представление каждого образа объекта исходного изображения и соответствующего ему выделенного контура.
На фиг. 4б, 5б, 6б, 7б, 8б, 9б для каждого контура образа объекта исходного изображения показано графическое представление результата выполнения преобразования Уолша над автокорреляционной функцией, полученной в результате вычисления модуля нормированного скалярного произведения контура образа объекта исходного изображения самого на себя со сдвигом начальной точки по каждому из элементов контура образа объекта исходного изображения, где каждый из столбцов графика соответствует значению соответствующего компонента преобразования Уолша.
На фиг. 4в, 5в, 6в, 7в, 8в, 9в для каждого контура образа объекта исходного изображения представлен график, полученный в результате применения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямая линия», где наибольшее значение функции соответствует более точному совпадению форм участка контура образа объекта исходного изображения с эталонным фрагментом контура «прямая линия», |ηн(N)|2 - модуль нормированного скалярного произведения контура образа объекта исходного изображения с эталонным фрагментом контура «прямая линия», N - количество элементов контура образа объекта исходного изображения, уровень 0,79 обозначает уровень порогового значения модуля нормированного скалярного произведения контура образа объекта исходного изображения с эталонным фрагментом контура «прямая линия», при превышении которого фиксируют прямолинейный участок контура графических образов объектов исходного изображения, Р1 - области полученной функции, в которых участки контура образа объекта исходного изображения считаются прямолинейными.
На фиг. 4г, 5г, 6г, 7г, 8г, 9г для каждого контура образа объекта исходного изображения представлен график, полученный в результате применения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямой угол», где наибольшее значение функции соответствует более точному совпадению форм участка контура образа объекта исходного изображения с эталонным фрагментом контура «прямой угол», |ηн(N)|2 - модуль нормированного скалярного произведения контура образа объекта исходного изображения с эталонным фрагментом контура «прямой угол», N - количество элементов контура образа объекта исходного изображения, уровень 0,79 обозначает уровень порогового значения модуля нормированного скалярного произведения контура образа объекта исходного изображения с эталонным фрагментом контура «прямой угол», при превышении которого фиксируют наличие угла, близкого к прямому углу, в контуре графического образа объекта исходного изображения, Р2 - области функции, в которых участки контура считаются углами, близкими к прямому.
Принцип действия предлагаемого способа распознавания графических образов объектов, имеющих форму многоугольника, состоит в следующем.
В качестве предварительно формируемых эталонных контуров используют контуры «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум» (фиг. 2а), а эталонных фрагментов контуров - фрагменты «прямая линия», «прямой угол».
При формировании указанных эталонных контуров форм объектов формируют обучающую выборку, содержащую несколько сотен контуров образов для каждого из пяти типов эталонных контуров, далее для каждого контура из обучающей выборки вычисляют значения четырех компонент преобразования Уолша, затем для каждого типа эталонных контуров вычисляют математическое ожидание значений четырех компонент преобразования Уолша, формируя тем самым эталонные значения четырех компонент преобразования Уолша (фиг. 2б) автокорреляционных функций для каждого типа эталонных контуров.
При формировании указанных эталонных фрагментов контуров «прямая линия» и «прямой угол» строят следующие фрагменты контуров, представленные в комплекснозначной форме:
Figure 00000001
Figure 00000002
Figure 00000003
где (1) - эталонный фрагмент контура «прямая линия»,
(2) - эталонный фрагмент контура «прямой угол» с направлением обхода вправо-вверх,
(3) - эталонный фрагмент контура «прямой угол» с направлением обхода вверх-вправо.
В процессе распознавания исходное изображение (фиг. 3а), представленное в цифровом виде в градациях серого цвета, подвергают предварительной обработке, заключающейся в выполнении автоконтрастирования изображения (фиг. 3б) по его гистограмме и проведении сглаживающей фильтрации для устранения высокочастотного шума на исходном изображении (фиг. 3в).
Затем на исходном изображении выделяют контуры графических образов объектов с использованием детектора Канни (фиг. 2г) (Canny J.A Computational Approach for Edge Detection. IEEE Trans. Pattern Anal. Machine Intel., 1986, vol. 8, no. 6, pp. 679-698) и выполняют операцию замыкания контуров, заключающуюся в последовательном выполнении операций дилатации и эрозии контуров графических образов объекта исходного изображения.
Полученные контуры изображения переводят из пространства координат растра в комплекснозначное пространство вектор-контуров (Фурман Я.А. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2003. - с. 20), когда каждый из элементов контура задается одним из восьми комплексных чисел:
Figure 00000004
Далее ко всем контурам графических образов объектов исходного изображения последовательно в заданном порядке применяют приведенные ниже операции.
Выполняют оценку степени близости формы каждого из контуров графических образов объектов исходного изображения к формам предварительно сформированных указанных эталонных контуров с использованием вычислений евклидова расстояния между значениями автокорреляционных функций контуров графических образов объектов исходного изображения и эталонных контуров, подвергнутых преобразованию Уолша, с применением решающих правил к результатам вычислений евклидова расстояния.
Для этого каждый из полученных контуров графических образов объектов исходного изображения подвергают операции эквализации, позволяющей привести размерность контуров графических образов объектов исходного изображения к размерности эталонных контуров (Фурман Я.А. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2003. - с. 369). Затем вычисляют автокорреляционную функцию каждого из контуров графических образов объектов исходного изображения посредством вычисления модуля нормированного скалярного произведения контура самого на себя со сдвигом начальной точки по элементам контура.
Автокорреляционная функция контура является инвариантой к повороту контура характеристикой, а приведение всех контуров к единому значению размерности контуров за счет выполнения эквализации кода контура обеспечивает инвариантность полученной автокорреляционной функции и к изменению масштаба образов объектов на изображении (Фурман Я.А. Введение в контурный анализ. - М.: ФИЗМАТЛИТ, 2003. - с. 69). Причем, у схожих по форме контуров объектов близки и автокорреляционные функции, следовательно, автокорреляционную функцию можно использовать в качестве меры схожести контуров объектов.
К автокорреляционной функции каждого из контуров применяют преобразование Уолша, что дает возможность оперировать значением всего лишь одной (первой) компоненты преобразования Уолша в вычислении евклидова расстояния при выполнении оценки степени близости формы каждого из контуров графических образов объектов исходного изображения к формам предварительно сформированных указанных эталонных контуров.
Далее к результатам вычисления евклидова расстояния применяют решающие правила, построенные экспертами на этапе обучения. Пример одного из решающих правил приведен ниже:
Figure 00000005
Построенные правила позволяют отнести каждый из контуров графических образов объектов исходного изображения к одному из эталонных контуров «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум».
Те контуры графических образов объектов исходного изображения, которые не были отнесены к эталонным контурам "замкнутый квадрат" или "замкнутый прямоугольник" отстраняются от дальнейшего рассмотрения.
На фиг. 8б изображены четыре первые компоненты преобразования Уолша над автокорреляционной функцией контура «кривая линия», присутствующего на исходном изображении (фиг. 3а поз. 10). На текущем этапе распознавания данный контур относится к типу эталонных контуров «шум» и исключается из дальнейшего рассмотрения.
К оставшейся части контуров графических образов объектов исходного изображения применяют операцию подсчета количества прямолинейных участков контура посредством выполнения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямая линия» (формула (1)).
Суть фильтрации заключается в вычислении взаимно корреляционных функций ненормированного по длине рассматриваемого контура графического образа объекта исходного изображения с эталонным фрагментом контура «прямая линия» посредством последовательного вычисления модуля нормированного скалярного произведения контура графического образа объекта исходного изображения и эталонного фрагмента контура типа «прямая линия» с перемещением эталонного фрагмента контура по элементам контура графического образа объекта исходного изображения за счет последовательного совмещения первого элемента эталонного фрагмента контура «прямая линия» с каждым из элементов контура графического образа объекта исходного изображения. Длину эталонного фрагмента контура выбирают экспериментально, исходя из размеров искомых объектов, меньше длины контура графического образа объекта исходного изображения.
По графикам полученной взаимно корреляционной функции (фиг. 4в-9в) проводят подсчет количества прямолинейных участков контура, где под прямолинейным участком контура подразумевают последовательность элементов контура заданной длины с диапазоном значений взаимно корреляционной функции выше определенного уровня П1, сравнивают полученное значение количества прямолинейных участков с пороговым значением К1 количества прямолинейных участков контура.
При этом, значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямая линия» П1, при превышении которого фиксируют прямолинейный участок контура графических образов объектов исходного изображения, принимают равным 0.79, пороговое значение количества прямолинейных участков контура К1 принимают равным 4.
Данные значения - П1, равное 0.79, и К1, равное 4, - подобраны экспериментально, исходя из соотношения количества ложных срабатываний и количества нераспознанных объектов в процессе распознавания графических образов объектов, имеющих форму многоугольника, в тестовых изображениях, схожих по контексту яркостного наполнения с исходными изображениями.
Те контуры графических образов объектов исходного изображения, в которых количество прямолинейных участков контура К1 меньше 4, отстраняются от дальнейшего рассмотрения.
Например, в процессе распознавания образов объектов прямоугольной формы на исходном изображении, представленном на фиг. 3а с использованием заданных значений П1 и К1, из рассмотрения исключаются объекты отмеченные позициями 8, 9, изображенные на фиг. 6а, 7а, так как на графиках полученных взаимно корреляционных функций (фиг. 6в, 7в) отчетливо видно, что количество пиков кривой, обозначенных Р1 на фиг. 6в равно:
Figure 00000006
Figure 00000007
а количество пиков кривой, обозначенных Р1 на фиг. 7в равно:
Figure 00000008
Figure 00000009
К оставшейся части контуров графических образов объектов исходного изображения применяют операцию подсчета количества углов, близких к прямому углу, посредством выполнения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямой угол», причем в качестве эталонного фрагмента контура «прямой угол» последовательно используют два фрагмента: эталонный фрагмент контура «прямой угол» с направлением обхода вправо-вверх (формула (2)) и эталонный фрагмент контура «прямой угол» с направлением обхода вверх-вправо (формула (3)).
Суть фильтрации заключается в вычислении взаимно корреляционных функций ненормированного по длине рассматриваемого контура графического образа объекта исходного изображения с эталонным фрагментом контура «прямой угол» посредством последовательного вычисления модуля нормированного скалярного произведения контура графического образа объекта исходного изображения и эталонного фрагмента контура «прямой угол» с перемещением эталонного фрагмента контура по элементам контура графического образа объекта исходного изображения за счет последовательного совмещения первого элемента эталонного фрагмента контура «прямой угол» с каждым из элементов контура графического образа объекта исходного изображения. Длину эталонного фрагмента контура выбирают экспериментально, исходя из размеров искомых объектов, меньше длины контура графического образа объекта исходного изображения.
По графикам полученной взаимно корреляционной функции (фиг. 4г-9г) проводят подсчет количества углов, близких к прямому углу, где под углом, близким к прямому углу контура, подразумевают последовательность элементов контура заданной длины с диапазоном значений взаимно корреляционной функции выше определенного уровня П2, сравнивают полученное значение количества углов, близких к прямому углу, с пороговым значением К2.
При этом, значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямой угол» П2, при превышении которого фиксируют наличие угла, близкого к прямому углу, контура графических образов объектов исходного изображения, принимают равным 0.79, пороговое значение количества углов, близких к прямому углу контура, К2 принимают равным 3.
Данные значения - П2, равное 0.79, и К2, равное 3, - подобраны экспериментально, исходя из соотношения количества ложных срабатываний и количества нераспознанных объектов в процессе распознавания графических образов объектов, имеющих форму многоугольника, в тестовых изображениях, схожих по контексту яркостного наполнения с исходными изображениями.
Те контуры графических образов объектов исходного изображения, в которых количество углов, близких к прямому углу, К2 меньше 3, отстраняются от дальнейшего рассмотрения.
Например, в процессе распознавания графических образов объектов, имеющих форму многоугольника, на исходном изображении, представленном на фиг. 3а объекты, отмеченные позициями 6, 7, 11 на фиг. 3а, изображенные на фиг. 4а, 5а, 9а удовлетворяют поставленному условию сравнения с пороговым значением количества углов К2, так как на всех графиках (фиг. 4г, 5г, 9г) взаимно корреляционных функций отчетливо видно, что количество пиков Р2 равно:
Figure 00000010
Figure 00000011
Данные контуры (фиг. 4а, 5а, 9а) принимают за контуры образов объектов, имеющих форму многоугольника.
Использование предлагаемого способа позволит, по сравнению с прототипом, повысить скорость и точность распознавания графических образов объектов исходного изображения, имеющих форму многоугольника, при одновременном уменьшении количества ложных распознаваний, за счет исключения части контуров графических образов объектов на этапе оценки степени близости формы контуров к формам эталонных контуров «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум», с последующим осуществлением структурного анализа формы контуров, включающим выполнение подсчета в каждом из контуров количества прямолинейных участков контура, отстранение от дальнейшего рассмотрения контуров, в которых количество прямолинейных участков контура меньше четырех, выполнение подсчета в каждом из оставшихся контуров количества углов, близких к прямому углу и отстранение от дальнейшего рассмотрения тех контуров графических образов объектов исходного изображения, в которых значение количества прямых углов меньше трех.

Claims (3)

1. Способ распознавания графических образов объектов на исходном изображении, представленном в цифровом виде в градациях серого, инвариантный к поворотам и масштабированию графических образов объектов на исходном изображении, характеризующийся предварительным формированием эталонных контуров и эталонных фрагментов контуров, выполнением предварительной обработки исходного изображения, выделением и замыканием контуров графических образов объектов исходного изображения, переводом полученных контуров из пространства координат растра в комплекснозначное пространство вектор-контуров, выполнением структурного анализа формы изображения фильтрами, используя вычисление значения модуля нормированного скалярного произведения и строя взаимно корреляционной функции контуров графических образов объектов исходного изображения и эталонных фрагментов контуров, отличающийся тем, что в качестве предварительно формируемых эталонных контуров используют контуры «замкнутый квадрат», «замкнутый прямоугольник», «линия», «незамкнутый прямоугольник», «шум», а эталонных фрагментов контуров – фрагменты «прямая линия», «прямой угол»; ко всем контурам графических образов объектов исходного изображения последовательно применяют оценку степени близости формы каждого из контуров графических образов объектов исходного изображения, к формам предварительно сформированных эталонных контуров с отнесением каждого из контуров графических образов объектов исходного изображения к одному из типов эталонных контуров; и отстранением от дальнейшего рассмотрения контуров, которые не были отнесены к эталонным контурам "замкнутый квадрат" или "замкнутый прямоугольник"; подсчетом в каждом из оставшихся контуров количества прямолинейных участков с использованием согласованного фильтра с эталонным фрагментом контура «прямая линия»; и отстранением от дальнейшего рассмотрения контуров, в которых количество прямолинейных участков меньше четырех; подсчетом в каждом из оставшихся контуров количества углов, близких к прямому углу, посредством выполнения фильтрации с использованием согласованного фильтра с эталонным фрагментом контура «прямой угол»; и отстранением от дальнейшего рассмотрения контуров, в которых значение количества прямых углов меньше трех; отнесением каждого из оставшихся контуров к контурам графических образов объектов, имеющих форму многоугольника.
2. Способ по п. 1, отличающийся тем, что значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямая линия», при превышении которого фиксируют прямолинейный участок контура графических образов объектов исходного изображения, принимают равным 0.79.
3. Способ по п. 1, отличающийся тем, что значение модуля нормированного скалярного произведения контура графических образов объектов исходного изображения и эталонного фрагмента контура «прямой угол», при превышении которого фиксируют наличие угла, близкого к прямому углу, в контуре графического образа объекта исходного изображения, принимают равным 0.79.
RU2017132646A 2017-09-18 2017-09-18 Способ распознавания графических образов объектов RU2672622C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2017132646A RU2672622C1 (ru) 2017-09-18 2017-09-18 Способ распознавания графических образов объектов

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2017132646A RU2672622C1 (ru) 2017-09-18 2017-09-18 Способ распознавания графических образов объектов

Publications (1)

Publication Number Publication Date
RU2672622C1 true RU2672622C1 (ru) 2018-11-16

Family

ID=64328045

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017132646A RU2672622C1 (ru) 2017-09-18 2017-09-18 Способ распознавания графических образов объектов

Country Status (1)

Country Link
RU (1) RU2672622C1 (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU203219U1 (ru) * 2020-10-19 2021-03-26 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ) Устройство для интерполяции изображений
CN118521585A (zh) * 2024-07-23 2024-08-20 辽宁天亿机械有限公司 一种用于压片机的药片视觉检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2191431C2 (ru) * 1999-12-03 2002-10-20 Чеплашкин Валерий Михайлович Способ компьютерного распознавания объектов
RU2361273C2 (ru) * 2007-03-12 2009-07-10 Государственное образовательное учреждение высшего профессионального образования Курский государственный технический университет Способ и устройство для распознавания изображений объектов
US20110123090A1 (en) * 2008-06-30 2011-05-26 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Method and device for determining a contour and a center of an object
RU2528140C1 (ru) * 2013-03-12 2014-09-10 Открытое акционерное общество "Научно-производственное объединение "Карат" (ОАО "НПО КАРАТ") Cпособ автоматического распознавания объектов на изображении
RU2541855C1 (ru) * 2013-10-18 2015-02-20 Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования Военная академия Ракетных войск стратегического назначения имени Петра Великого МО РФ Устройство для определения контуров объектов в изображении
US20150186735A1 (en) * 2013-12-27 2015-07-02 Automotive Research & Testing Center Object detection method with a rising classifier effect and object detection device with the same
RU173131U1 (ru) * 2016-12-05 2017-08-14 Ярослав Юрьевич Кульков Устройство идентификации плоских объектов по безразмерным признакам их контуров

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2191431C2 (ru) * 1999-12-03 2002-10-20 Чеплашкин Валерий Михайлович Способ компьютерного распознавания объектов
RU2361273C2 (ru) * 2007-03-12 2009-07-10 Государственное образовательное учреждение высшего профессионального образования Курский государственный технический университет Способ и устройство для распознавания изображений объектов
US20110123090A1 (en) * 2008-06-30 2011-05-26 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Method and device for determining a contour and a center of an object
RU2528140C1 (ru) * 2013-03-12 2014-09-10 Открытое акционерное общество "Научно-производственное объединение "Карат" (ОАО "НПО КАРАТ") Cпособ автоматического распознавания объектов на изображении
RU2541855C1 (ru) * 2013-10-18 2015-02-20 Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования Военная академия Ракетных войск стратегического назначения имени Петра Великого МО РФ Устройство для определения контуров объектов в изображении
US20150186735A1 (en) * 2013-12-27 2015-07-02 Automotive Research & Testing Center Object detection method with a rising classifier effect and object detection device with the same
RU173131U1 (ru) * 2016-12-05 2017-08-14 Ярослав Юрьевич Кульков Устройство идентификации плоских объектов по безразмерным признакам их контуров

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ФУРМАН Я.А. и др., Введение в контурный анализ; приложения к обработке изображений и сигналов, Москва, ФИЗМАТЛИТ, 2003, с. 369-390. *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU203219U1 (ru) * 2020-10-19 2021-03-26 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ) Устройство для интерполяции изображений
CN118521585A (zh) * 2024-07-23 2024-08-20 辽宁天亿机械有限公司 一种用于压片机的药片视觉检测方法及系统

Similar Documents

Publication Publication Date Title
US9619733B2 (en) Method for generating a hierarchical structured pattern based descriptor and method and device for recognizing object using the same
EP2720171B1 (en) Recognition and pose determination of 3D objects in multimodal scenes
JP5107045B2 (ja) 目に関して取得される画像中の虹彩を表す画素を特定する方法
EP2833294B1 (en) Device to extract biometric feature vector, method to extract biometric feature vector and program to extract biometric feature vector
WO2019015785A1 (en) METHOD AND SYSTEM FOR LEARNING A NEURAL NETWORK TO BE USED FOR SEMANTIC INSTANCE SEGMENTATION
EP2339507B1 (en) Head detection and localisation method
JPH10214346A6 (ja) ハンドジェスチャ認識システムおよび方法
JPH0291778A (ja) パターン認識方法
US11176409B2 (en) Distance-independent keypoint detection
JP2009523265A (ja) 画像中の虹彩の特徴を抽出する方法
JPH10214346A (ja) ハンドジェスチャ認識システムおよび方法
CN106981077A (zh) 基于dce和lss的红外图像和可见光图像配准方法
Choudhary et al. Signature Recognition & Verification System Using Back Propagation Neural Network
Derman et al. Normalized cross-correlation based global distortion correction in fingerprint image matching
CN111199558A (zh) 一种基于深度学习的图像匹配方法
RU2672622C1 (ru) Способ распознавания графических образов объектов
CN111309149B (zh) 一种手势识别方法及手势识别装置
JP2019121187A (ja) 画像処理装置、画像処理方法および画像処理プログラム
Surmacz et al. An improved algorithm for feature extraction from a fingerprint fuzzy image
Reddy et al. Hand gesture recognition using skeleton of hand and distance based metric
CN112801045B (zh) 一种文本区域检测方法、电子设备及计算机存储介质
Kurnia et al. Object detection on hindered condition by using chain code-based angle detection
Singh et al. Computer vision based currency classification system
Venkatesan et al. Advanced classification using genetic algorithm and image segmentation for Improved FD
Badsha et al. Segmentation of overlapping Cryptosporidium and Giardia (oo) cysts using bidirectional contour tracing