[發明專利]數字圖像中斑狀特征的位置與尺寸自動檢測方法

無效

• 申請號: 201010204898.6
• 申請日: 2010-06-09
• 公開（公告）號: CN101872480A
• 公開（公告）日: 2010-10-27
• 發明（設計）人: 王志衡;劉紅敏;賈宗璞;楊立身;薛霄
• 申請（專利權）人: 河南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機視覺中的圖像特征自動檢測領域，特別是數字圖像中斑狀特征的位置與尺寸的自動檢測方法。

背景技術

特征檢測技術在圖像檢索、物體識別、視頻跟蹤以及圖像理解等領域有重要應用。近年來，圖像特征檢測技術取得了較大進展，目前已有的特征檢測技術主要集中在特征點與特征區域的檢測上，大致可分為以下兩類：第一類是特征點檢測方法，如Harris算子、SUSAN算子、CSS算子、SIFT特征點等，該類方法主要檢測圖像中能夠顯著且能夠穩定出現的像素點的位置信息；第二類是特征區域檢測技術，如MSER區域技術、IBR技術、EBR技術、基于迭代的仿射不變區域檢測技術等，該類方法主要檢測圖像中具有某種不變性的區域特征。

我們研究發現，類似于“圓點”結構的斑狀特征在圖像中是普遍存在的，如果能夠自動檢測出其位置與尺寸信息，能夠廣泛應用于圖像識別跟蹤分析等任務。鑒于已有特征檢測方法中很少研究這種特征的自動檢測問題，本發明主要解決圖像中斑狀特征位置與尺寸的檢測問題。

發明內容

本發明針對數字圖像中斑狀特征的檢測問題，目的是提供一種能夠簡單準確地檢測出圖像中斑狀特征位置與尺寸的自動方法。為了實現本目的，本發明數字圖像中斑狀特征的位置與尺寸自動檢測方法，包括以下步驟：

步驟S1：采集圖像并輸入計算機；

步驟S2：利用高斯梯度模板計算圖像中各點的梯度向量；

步驟S3：將圖像中各點的梯度向量與其鄰域內各點的梯度向量進行內積能量運算，獲得圖像的內積能量圖；

步驟S4：利用一組大小不同的檢測圓計算圖像中各點的特征能量，并構造三維特征能量空間；

步驟S5：在三維特征能量空間中將特征能量大于其周圍26個點特征能量的點確定為極大值點；

步驟S6：利用極大值點間的位置關系去除不對應圖像中斑狀特征的極大值點；

步驟S7：將極大值點轉化為圖像中斑狀特征的位置與尺寸信息并輸出結果。

本發明提供的數字圖像中斑狀特征的位置與尺寸自動檢測方法，主要利用圖像中各點的梯度特征，首先計算出各點的內積能量并構造三維能量空間，然后在該空間中檢測極大值點并去除不對應目標特征的極大值點，最后將極大值點轉化為斑狀特征的位置與尺寸信息。本發明提供的方法不僅能夠快速有效地檢測出圖像中斑狀特征的位置，還能準確地確定斑狀特征的尺寸。

附圖說明

圖1為本發明數字圖像中斑狀特征的位置與尺寸自動檢測方法流程圖。

具體實施方式

如圖1所示為本發明數字圖像中斑狀特征的位置與尺寸自動檢測方法流程圖，包括：采集圖像并輸入計算機，計算圖像中各點的梯度向量，獲得圖像的內積能量圖，構造三維特征能量空間，在三維特征能量空間中檢測極大值點，去除不對應圖像中斑狀特征的極大值點，將極大值點對應為圖像中斑狀特征的位置與尺寸信息并輸出結果。各步驟的具體實施細節如下：

步驟S1：采集圖像并輸入計算機。

步驟S2：利用高斯梯度模板計算圖像中各點的梯度向量。

步驟S3：獲得圖像的內積能量圖。將圖像中各點的梯度向量與其鄰域內各點的梯度向量進行內積能量運算，獲得圖像的內積能量圖，具體方法為，記圖像中任意一點X的梯度向量為[f_x(X)，f_y(X)]，則點X處的內積能量計算公式為(其中N(X)表示以點X為中心的一個3×3鄰域，abs表示取絕對值運算)。

步驟S4：構造三維特征能量空間。給定一個檢測半徑r，對于圖像中任意一點X，利用公式(其中G(X，r)表示以點X為圓心，r為半徑的一個圓形區域)計算點X處的特征能量，通過計算各點的特征能量可獲得圖像的特征能量圖；給定k個檢測半徑r＝r₁，r₂，...，r_k(其中r_k表示擬檢測斑狀特征的最大半徑，可根據擬檢測斑狀特征的具體情況預先設定)，可獲得k幅特征能量圖；將這k幅特征能量圖根據檢測半徑r從小到大依次排列，可獲得一個三維特征能量空間(三維分別對應圖像的行x、列y與檢測半徑r)。

步驟S5：在三維特征能量空間中檢測極大值點。將三維特征能量空間中特征能量大于其周圍26個點特征能量的點確定為極大值點，即每一個極大值點(x，y，r)需滿足如下條件：

FE(x，y，r)＞FE(x-1，y，r)，????FE(x，y，r)＞FE(x+1，y，r)，

FE(x，y，r)＞FE(x，y-1，r)，????????FE(x，y，r)＞FE(x，y+1，r)，