[發明專利]一種基于聚類的團塊提取裝置及方法

有效

• 申請號: 201210159637.6
• 申請日: 2012-05-22
• 公開（公告）號: CN103425981B
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 張雪林;朱豪;吳貽剛;鄧海波
• 申請（專利權）人: 深圳中興力維技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 深圳市世紀恒程知識產權代理事務所44287
• 代理人: 胡海國

技術領域

本發明涉及圖像處理領域，具體而言，涉及一種基于聚類的團塊提取裝置及方法。

背景技術

圖像的團塊特征就是在圖像處理過程中，根據連通性，將圖像中灰度值相似的像素點歸為一個團塊，這種方法模擬了人類的視覺感知系統。通常，人類視覺在獲得圖像后，大腦會將圖像中顏色相近的像素點退化為一種顏色，于是圖像就變成了數個不同顏色的區域，人類再根據自己的需要重點關注一種顏色。

目前，在目標跟蹤算法中，采用團塊特征可以有效的提高跟蹤的準確性，但是對團塊特征的提取方法也提出了算法簡單、處理實時的要求。對于算法簡單而言即要求算法使用方便，算法太過復雜會增加目標跟蹤的復雜度，影響跟蹤方法的使用。對于處理實時而言即要求算法計算簡單快速，能處理視頻流，必要時甚至可以犧牲一定的準確性。

現有的團塊特征的提取方法有很多，其一般是先對圖像進行預處理，消除噪聲，然后對圖像按照顏色分類或聚類，但是得到的結果類別會比較多，而且凌亂，因此進一步需要對這些類別進行合并，得到比較重要的幾個，最后對剩下的類別用矩形、橢圓等方式進行描述。

目前，基于圖像金字塔的團塊提取方法是比較典型的一種團塊提取方法，該方法計算比較簡單，處理結果比較理想。如圖1所示，其相應的團塊提取裝置包括以下幾個模塊：圖像預處理模塊、圖像團塊提取模塊、圖像團塊合并模塊，以及圖像團塊擬合模塊，其團塊提取步驟包括：

第一步、圖像預處理模塊用于對圖像進行預處理工作，主要包括對圖像進行抑噪處理和平滑處理，使團塊提取較少地受到噪聲的影響。

第二步、圖像團塊提取模塊用于對圖像的每一個像素點進行編號，其中，所述編號代表相應像素點所屬的團塊。該圖像團塊提取模塊的詳細工作步驟如下：

1、計算圖像的分層模型的內存空間大小，以分配足夠的內存空間，并將原始圖像存放到分層模型的第0層，初始化第0層圖像中每個像素點的可信度均為1。其中，分層模型是一組圖像，如圖2所示，分層模型中上層圖像的寬度和高度分別為下層圖像寬度和高度的一半，輸入的原始圖像在分層模型的第0層，通過計算得到分層模型其它各層圖像；

2、對第n層圖像下采樣生成第n+1層圖像。第n+1層圖像的每一個像素點的灰度值利用分層模型像素點計算方法得到，并設置像素點的可信度。其中，下采樣過程中將第n層圖像縮小為第n+1層圖像的1/4大小，即每四個像素點用一個像素點來表示。

其中，分層模型像素點計算方法采用公式(1-1)進行計算，即像素點坐標為(i,j)的像素點的灰度值利用公式(1-1)得到，利用12鄰域采樣模板得到的上層像素點和下層像素點的坐標映射關系如圖3所示，通過采樣模板獲得的12個下層像素點的集合用R表示。第n層圖像的第l個像素點的灰度均值的計算公式為：

其中ω_k為權重，即12鄰域采樣模板中各個數據對應的重要性，可以根據使用對象而設置不同的系數。t^k為剔除因子，例如當其為1時這個像素點參與計算。r表示像素點的可信度，其大小為分層模型大小，其值為二值數據，當第n層圖像某一個像素點的可信度為1時，表示這個像素點的灰度可以代表點集R中的像素點；為0時，則認為這個像素點不能代替它下層的點集R中的像素點。

初始化設置時設置所有t^k為1，計算出后遍歷點集R中的如果兩個灰度值的歐式距離大于設定的閾值Dis，則設置其t^k為0，采用公式(1-1)再計算一次，再判斷是否需要剔除，如果是，則繼續前面步驟，如果否，則結束。同時還判斷的值，如果這個值大于一個設定的閾值Ran，則設置這個像素點的可信度為1，否則，則設置這個像素點的可信度為0。

3、如果第n+1圖像為金字塔的最頂層像素點，轉步驟4，否則n加1，并轉步驟2；

4、初始化設置分層模型的頂層像素點的團塊編號為0，其中團塊編號是像素點所屬的團塊的編號，團塊0表示這個團塊的像素點是拋棄不用的點的集合，不參與后續的計算；

5、根據第n層圖像與第n+1層圖像的坐標關系計算第n層圖像每一像素點的團塊編號，計算方法為像素點團塊編號計算方法，并保存編號結果；