一種目標圖像輪廓特征表示方法及裝置制造方法
【專利摘要】本發(fā)明適用于計算機視覺和模式識別【技術(shù)領(lǐng)域】，提供一種目標圖像輪廓特征表示方法及裝置，所述方法包括：根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像；獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向；將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖；對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量。本發(fā)明是一種基于網(wǎng)格狀邊緣方向直方圖的目標圖像輪廓特征表示方案，本方案只需計算邊緣像素點的切線方向，最終得到的邊緣特征向量維度低，計算量小，為后續(xù)目標圖像檢測識別提供基礎(chǔ)。
【專利說明】一種目標圖像輪廓特征表示方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計算機視覺和模式識別【技術(shù)領(lǐng)域】，尤其涉及一種目標圖像輪廓特征表示方法及裝置。
【背景技術(shù)】
[0002]在復(fù)雜和海量的視覺信息中，如何快速、準確的提取目標的特征并進行有效的表達，是計算機視覺和視頻理解的關(guān)鍵問題，對降低視覺信息處理維度與提高視覺計算的認知水平具有重要的意義。目標圖像的輪廓特征表達在目標識別中起到了至關(guān)重要的作用，選取的目標圖像的輪廓特征與背景特征具有可區(qū)分性是特征選取的原則，只有這樣才可以在特征空間中將目標識別出來。
[0003]在目標圖像輪廓特征的選取和描述方法中，通常采用梯度方向直方圖描述符(Histogram of oriented gradient, HOG)方法,該技術(shù)將圖像局部出現(xiàn)的方向梯度次數(shù)進行計數(shù)，HOG的核心思想是所檢測的局部物體外形能夠被光強梯度所描述，具體的，首先將整幅圖像分割成小的連接區(qū)域，計算圖像中每個像素點的梯度，然后在每個連接區(qū)域中生成一個方向梯度直方圖，最后將得到的所有的方向梯度直方圖的進行組合，得到目標圖像輪廓特征的表示向量。HOG主要描述的是目標表面視覺特征，該方法目前廣泛應(yīng)用在圖像和視頻的目標檢測和識別中。
[0004]HOG方法中，需要計算和統(tǒng)計對圖像中所有像素點的梯度方向，且目標圖像輪廓特征的表達式的維度依賴于圖像中連接區(qū)域分割的多少，比如對于一張大小為64*128像素的目標圖像，HOG方法中描述描述目標圖像的輪廓特征的表示向量的維度是3528，顯然目前用HOG方法來描述目標圖像的輪廓特征計算量大，在很大程度上會影響后續(xù)的目標圖像檢測識別速度，

【發(fā)明內(nèi)容】

[0005]鑒于上述問題，本發(fā)明的目的在于提供一種目標圖像輪廓特征表示方法及裝置，旨在解決采用現(xiàn)有HOG方法來描述目標圖像輪廓特征的表示方式中，所述維數(shù)多、計算量大，影響到目標圖像檢測識別速度的技術(shù)問題。
[0006]一方面，所述目標圖像輪廓特征表示方法包括下述步驟:
[0007]根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像；
[0008]獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向；
[0009]將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖；
[0010]對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量。
[0011]另一方面，目標圖像輪廓特征表示裝置包括:
[0012]邊緣檢測單元，用于根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像；[0013]方向獲取單元，用于獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向；
[0014]方向統(tǒng)計單元，用于將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖；
[0015]輪廓特征表示單元，用于對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量；
[0016]所述邊緣檢測單元、方向獲取單元、方向統(tǒng)計單元和輪廓特征表示單元順次連接。
[0017]本發(fā)明的有益效果是:本發(fā)明技術(shù)方案首先對圖像進行邊緣檢測得到邊緣輪廓圖像，再對邊緣輪廓圖像按區(qū)域劃塊，然后統(tǒng)計每個塊中邊緣像素點的切線方向直方圖，最后級聯(lián)各個切線方向直方圖得到用于表示整個目標圖像輪廓特征的邊緣特征向量，顯然本發(fā)明只需統(tǒng)計每個塊中邊緣像素點的切線方向，邊緣特征向量的維數(shù)與圖像劃分塊數(shù)和統(tǒng)計切線方向直方圖中的方向數(shù)量有關(guān)，所述圖像劃分塊數(shù)和方向數(shù)量通常都是比較小的自然數(shù)，比如都可以為9，那么表示目標圖像輪廓特征的邊緣特征向量僅需81維即可，因此本發(fā)明可以在很大程度上降低計算量，為后續(xù)目標圖像檢測識別提供良好基礎(chǔ)。
【專利附圖】

【附圖說明】
[0018]圖1是本發(fā)明第一實施例提供的目標圖像輪廓特征表示方法的流程圖；
[0019]圖2是本發(fā)明第二實施例提供的目標圖像輪廓特征表示方法的流程圖；
[0020]圖3是原始的目標圖像；
[0021]圖4是經(jīng)過邊緣檢測、去噪和邊緣修復(fù)處理后得到的邊緣輪廓圖像；
[0022]圖5是塊劃分示意圖；
[0023]圖6是在圖5中各個塊對應(yīng)的切線方向直方圖；
[0024]圖7是圖6中各個切線方向直方圖歸一化后的級聯(lián)直方圖；
[0025]圖8是圖3-圖7的結(jié)合示意圖；
[0026]圖9是本發(fā)明第三實施例提供的目標圖像輪廓特征表示裝置的結(jié)構(gòu)方框圖；
[0027]圖10是本發(fā)明第四實施例提供的目標圖像輪廓特征表示裝置的結(jié)構(gòu)方框圖。
【具體實施方式】
[0028]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0029]為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實施例來進行說明。
[0030]實施例一:
[0031]圖1示出了本發(fā)明第一實施例提供的目標圖像輪廓特征表示方法的流程，為了便于說明僅示出了與本發(fā)明實施例相關(guān)的部分。
[0032]步驟S101、根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像。
[0033]本步驟首先需要得到目標圖像的邊緣輪廓圖像，本實施例不限定采用的具體的邊緣檢測算法，比如Canny算法、Sobel算法、Roberts算法、SUSAN算法等,不用算法的復(fù)雜度和邊緣檢測效果有所不同，可以根據(jù)實際目標圖像檢測精度選擇對應(yīng)算法。[0034]步驟S102、獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向。
[0035]上述步驟S102中所獲取的邊緣輪廓圖像中是由邊緣像素點連接而成的曲線，本步驟需要獲取圖像中各個邊緣像素點的切線方向大小，范圍在O~180度之間，本步驟不限定具體切線方向獲取方法，
[0036]步驟S103、將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖。
[0037]將所述邊緣輪廓圖像按區(qū)域劃分為若干個塊，相鄰塊之間可以重合可以不重合，而且各個塊的大小也不做限定，本步驟需要在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖，所述切線方向直方圖中的方向數(shù)量也不做限定，比如可以在9個方向經(jīng)行統(tǒng)計邊緣像素點的切線方向，那么每個方向的范圍是20度，統(tǒng)計每個塊中切線方向在0-20
度、20度-40度、40度-60度.........160度-180度范圍區(qū)中邊緣像素點的數(shù)量，生成切
線方向直方圖。
[0038]步驟S104、對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量。
[0039]對每個塊中生成切線方向直方圖進行歸一化處理，得到對應(yīng)的直方圖向量，最后將所有的直方圖向量按照一定順序連接，組成一個更多維數(shù)的邊緣特征向量，這個邊緣特征向量可以準確表示目標圖像輪廓特征。
[0040]本實施例提供的目標圖像輪廓特征表示方法只需計算邊緣輪廓圖像中邊緣像素點的切線方向，然后在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖，最后連接得到邊緣特征向量，與現(xiàn)有HOG方法相比，本實施例得到的邊緣特征向量維數(shù)較小，降低了計算量，為后續(xù)目標圖像檢測識別提供了基礎(chǔ)，加快了檢測識別速度。
[0041]實施例二:
[0042]圖2示出了本發(fā)明第二實施例提供的目標圖像輪廓特征表示方法的流程，為了便于說明僅示出了與本發(fā)明實施例相關(guān)的部分。
[0043]步驟S201、根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像；
[0044]步驟S202、對所述邊緣輪廓圖像進行去噪和邊緣修復(fù)處理。
[0045]為了使得到的邊緣輪廓圖像更清晰和準確，本步驟還需要對邊緣輪廓圖像進行去噪和邊緣修復(fù)處理，這里去噪算法、邊緣修復(fù)算法本實施不做具體限定。
[0046]步驟S203、獲取所述邊緣輪廓圖像中各個邊緣像素點的位置向量
Dij = {?-&，辦&,.}，其中dXijdyi，」分別表示當(dāng)前邊緣像素點與鄰域邊緣像素點在水平和豎直方向的距離；
[0047]步驟S204、根據(jù)所述各個邊緣像素點的位置向量得到邊緣像素點的切線方向
【權(quán)利要求】
1.一種目標圖像輪廓特征表示方法，其特征在于，所述方法包括: 根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像； 獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向； 將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖； 對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量。
2.如權(quán)利要求1所述方法，其特征在于，所述根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像步驟之后，還包括: 對所述邊緣輪廓圖像進行去噪和邊緣修復(fù)處理。
3.如權(quán)利要求1或2所述方法，其特征在于，所述獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向步驟，具體包括: 獲取所述邊緣輪廓圖像中各個邊緣像素點的位置向量久，=丨，其中dx^、dyi；J分別表示當(dāng)前邊緣像素點與鄰域邊緣像素點在水平和豎直方向的距離； 根據(jù)所述各個邊緣像素點的位置向量得到邊緣像素點的切線方向
4.如權(quán)利要求3所述方法，其特征在于，所述將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖步驟，具體包括: 將所述邊緣輪廓圖像平均分割成r Xr個小方格，將相鄰的mXm個小方格作為一個塊，且任意相鄰的兩個塊中間有mX (m-Ι)個小方格重合，其中所述r、m均為自然數(shù)； 在η個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖，其中η為自然數(shù)，每一個方向包含180/η度的范圍。
5.如權(quán)利要求4所述方法，其特征在于，所述n為4，m為2、η為9。
6.如權(quán)利要求5所述方法，其特征在于，將得到的各個直方圖向量按從左到右、從上到下的順序串行連接生成表示整個目標圖像輪廓特征的邊緣特征向量。
7.一種目標圖像輪廓特征表示裝置，其特征在于，所述裝置包括: 邊緣檢測單元，用于根據(jù)邊緣檢測算法獲取目標圖像的邊緣輪廓圖像； 方向獲取單元，用于獲取所述邊緣輪廓圖像中各個邊緣像素點的切線方向； 方向統(tǒng)計單元，用于將所述邊緣輪廓圖像劃分為若干個塊，并且在多個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖； 輪廓特征表示單元，用于對所述每個塊的切線方向直方圖進行歸一化處理得到對應(yīng)的直方圖向量，將得到的各個直方圖向量按順序串行連接，生成表示整個目標圖像輪廓特征的邊緣特征向量； 所述邊緣檢測單元、方向獲取單元、方向統(tǒng)計單元和輪廓特征表示單元順次連接。
8.如權(quán)利要求7所述裝置，其特征在于，所述裝置還包括: 去噪修復(fù)模塊，用于對所述邊緣輪廓圖像進行去噪和邊緣修復(fù)處理。
9.如權(quán)利要求7或8所述裝置，其特征在于，所述方向獲取單元包括:位置向量獲取模塊，用于獲取所述邊緣輪廓圖像中各個邊緣像素點的位置向量Du =其中dXijdyu分別表示當(dāng)前邊緣像素點與鄰域邊緣像素點在水平和豎直方向的距離； 切線方向獲取模塊，用于根據(jù)所述各個邊緣像素點的位置向量得到邊緣像素點的切線
方向
10.如權(quán)利要求9所述裝置，其特征在于，所述方向統(tǒng)計單元包括: 塊劃分模塊，用于將所述邊緣輪廓圖像平均分割成rXr個小方格，將相鄰的mXm個小方格作為一個塊，且任意相鄰的兩個塊中間有mX (m-1)個小方格重合，其中所述r、m均為自然數(shù)； 方向統(tǒng)計模塊，用于 在η個方向上統(tǒng)計每個塊中邊緣像素點的切線方向直方圖，其中η為自然數(shù)，每一個方向包含180/η度的范圍。
【文檔編號】G06T7/00GK103473537SQ201310423050
【公開日】2013年12月25日 申請日期:2013年9月17日 優(yōu)先權(quán)日:2013年9月17日
【發(fā)明者】王光偉, 熊曾剛, 蘭義華, 葉從歡, 張凱兵 申請人:湖北工程學(xué)院