[發明專利]檢測圖像中的對象的裝置和方法、分類器生成裝置和方法

有效

• 申請號: 201010257560.7
• 申請日: 2010-08-17
• 公開（公告）號: CN102376087A
• 公開（公告）日: 2012-03-14
• 發明（設計）人: 劉汝杰;王月紅;于浩;上原祐介;增本大器
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 杜誠;李春暉

技術領域

本發明涉及圖像處理領域，尤其涉及一種檢測圖像中的對象的裝置和方法以及分類器生成裝置和方法。

背景技術

在圖像檢測和識別等很多應用場合中，諸如，在對圖像中的對象進行檢測以及生成對象分類器的應用中，圖像中的對象的形狀成為檢測和識別的極為有用的依據。因此，如何有效并且高效地表征對象的形狀成為人們關注的問題。

已經提出了很多表征圖像的形狀的方法，包括：基于網格的方法、使用傅立葉描述子的方法、使用Zernike矩特征的方法以及曲率尺度空間(CCS，curvature?scale?space)方法。

基于網格的方法將圖像映射到具有固定大小的網格。然后，對網格進行掃描，并依據每個網格中前景像素的數目是否大于預定閾值來為各個網格分配“1”和“0”。最后，連接這些“1”和“0”來生成最終的形狀特征。

傅立葉描述子在頻域中獲得圖像中對象的輪廓表示，以傅立葉級數展開的系數作為對象的形狀特征。其中，形狀特征可以基于曲率、半徑或邊界坐標。

由于基于正交多項式分解的矩能夠對圖像內容進行重建，有人提出了Zernike矩特征。具體來說，該方法將圖像信號展開為正交基的級數，并采用變換系數作為特征元素。

在常用的曲率尺度空間方法中，使用不同的尺度對圖像輪廓進行平滑，并檢測曲率為零的位置，由此生成曲率尺度空間圖像，最后使用曲率尺度空間圖像的極大值來表示圖像中對象輪廓的形狀。

發明內容

然而，已有的方法只描述圖像中對象的空間信息。一些方法使用部分結構作為特征描述子，諸如基于網格的方法，而其它方法從整體統計中提取特征，諸如傅立葉描述子以及基于特征的矩。基本沒有特征能夠將空間結構和統計特征有機的結合起來。

傳統的特征通常限于一些特定目標圖像。例如，CSS特征只能處理閉合的輪廓。

此外，在已有方法中存在的另一個問題是仿射不變性。

本發明的目的是提供一種對圖像中的對象進行檢測的裝置和方法以及生成分類器的裝置和方法，其將圖像中對象的空間結構和統計特征有機結合，并實現對象檢測的特征描述子的旋轉不變性。

本發明的一個實施例是一種用于對圖像中的對象進行檢測的裝置，包括：網格劃分部分，用于在以圖像中的特定點為極點的極坐標系中，用多條極線和以極點為圓心的多個圓劃分網格，其中，網格是相鄰極線與相鄰圓或相鄰極線與圓中的最小圓所限定的區域，極線的條數和圓的個數為常數，并且，圓中最大圓的半徑大于等于圖像中的前景圖像的像素與特定點之間的最大距離；梯度方向直方圖獲得部分，用于針對每個網格，至少計算前景圖像中輪廓像素的相對于網格的參考方向的梯度方向并且根據所計算的梯度方向獲得網格的梯度方向直方圖；特征構造部分，用于將所有網格的梯度方向直方圖連接成總直方圖向量，其中，每對相鄰極線限定的網格的梯度方向直方圖的連接順序相同，并且，特征構造部分對總直方圖向量進行傅立葉變換，以得到圖像的特征向量；以及對象檢測部分，用于基于所得到的特征向量對圖像中的對象進行檢測。

本發明的另一個實施例是一種對圖像中的對象進行檢測的方法，包括：在以圖像中的特定點為極點的極坐標系中，用多條極線和以極點為圓心的多個圓劃分網格，其中，網格是相鄰極線與相鄰圓或相鄰極線與圓中的最小圓所限定的區域，極線的條數和圓的個數為常數，并且，圓中最大圓的半徑大于等于圖像中的前景圖像的像素與特定點之間的最大距離；針對每個網格，至少計算前景圖像中輪廓像素的相對于網格的參考方向的梯度方向并且根據所計算的梯度方向獲得網格的梯度方向直方圖；將所有網格的梯度方向直方圖連接成總直方圖向量，其中，每對相鄰極線限定的網格的梯度方向直方圖的連接順序相同，并且，對總直方圖向量進行傅立葉變換，以得到圖像的特征向量；以及基于所得到的特征向量對圖像中的對象進行檢測。