[發(fā)明專利]基于紋理分析的快速圖像特征提取方法

在審

• 申請?zhí)枺?/td>: 201410646802.X
• 申請日: 2014-11-14
• 公開（公告）號: CN104318239A
• 公開（公告）日: 2015-01-28
• 發(fā)明（設計）人: 化春鍵;陳瑩;鄧朝省
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于圖像分析及模式識別技術領域，具體地說，屬于一種基于紋理分析的快速圖像特征提取方法。

背景技術

在工業(yè)在線生產(chǎn)中，由于機械振動或者其它一些不可避免的原因可能會導致待測產(chǎn)品在傳送帶上相對于模板圖像發(fā)生了平移或者旋轉，這樣攝像機獲取的待測圖像在形狀上就與模板圖像有了一些差別。為了更好的檢測缺陷，需將待測圖像校正，然后再與模板圖像進行差分運算。而為了將待測圖像校正，需要對待測圖像和模板圖像進行匹配運算，得到它們之間的變換矩陣，利用變換矩陣將待測圖像校正。

局部特征提取算法所提取的圖像特征對圖像發(fā)生旋轉、平移、尺度變化和亮度變化時都具有較高的魯棒性，故常常被用在兩幅圖像有旋轉、平移、尺度變化和亮度變化關系時的圖像匹配問題。但是由于圖像中特征點數(shù)量過多，并且其特征描述符維數(shù)過高，致使特征匹配計算量大和效率不高。針對該問題，本發(fā)明采取一種提取圖像紋理變化劇烈的區(qū)域即圖像中最為粗糙的部分來代替整幅圖像進行配準運算的方法。由于提取的圖像塊是原圖像的部分區(qū)域，檢測范圍便會縮小，從而節(jié)省了算法時間，并且該圖像塊是圖像中最為粗糙的區(qū)域，紋理變化比較大，能夠檢測到大量穩(wěn)定的局部特征點。而這些大量穩(wěn)定的局部特征點能夠保證匹配算法的精度。

發(fā)明內(nèi)容

本發(fā)明的目的在于利用灰度圖像的紋理度量平均熵來提取一幅圖像中紋理變化最為劇烈的區(qū)域，利用該區(qū)域來代替整幅圖像進行匹配運算，由于它縮小了算法的搜索范圍，減少了計算量，從而達到了節(jié)省時間的目的。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于紋理分析的快速圖像特征提取方法，其包括以下部分：

S01、圖像預處理：將原始輸入圖像進行灰度化，得到灰度圖像，然后對進行邊緣提取，得到邊緣圖像；

S02、斑點分析：對邊緣圖像進行二值形態(tài)學處理，得到多塊斑點，對各斑點進行斑點分析，去除邊緣斑點和小斑點；

S03、顯著區(qū)域選取：計算各斑點區(qū)域圖像的紋理特征，選取平均熵最大的圖像塊作為顯著區(qū)域B_opt；

S04、基于顯著區(qū)域的特征提取：在顯著區(qū)域B_opt中提取局部特征點。

作為本發(fā)明的進一步改進，所述步驟S02具體為：

(1)對邊緣圖像A₁進行閉運算，使A₁中的鄰近邊緣點聚集起來成為一個個的白色小斑塊，得到圖像A₂；

(2)對A₂進行開運算，去除一些面積較小的白色斑塊，得到圖像A₃；

(3)求得圖像A₃中每個斑點的質心坐標c_i,i＝1,2,...,n，其中n為圖像A₃中斑點的個數(shù)；

(4)計算每個斑點的質心坐標c_i到圖像邊緣的距離dx_i＝min(|x|,|N-x|),dy_i＝max(|y|,|M-y|)，其中M為圖像的寬度，N為圖像的長度；

(5)若dx_i<5或者dy_i<5，則此質心所代表的斑點i予以移除；

(6)計算每個斑點的面積s_i，若s_i<20，將該斑點i予以刪除；

(7)得到斑點分析后的圖像A₄；

作為本發(fā)明的進一步改進，所述步驟S03具體為：

(1)求取斑點分析后的圖像A₄中每個斑點的質心坐標c_k,k＝1,2,...,m，m為A₄中斑點的個數(shù)；

(2)以c_k,k＝1,2,...,m為中心，在圖像A中分別截取m個100×100的圖像塊B_k；

(3)計算圖像塊B_k的平均熵其中p(z)為灰度z在圖像塊B_k中出現(xiàn)的概率，L為圖像塊B_k中像素的個數(shù)；

(4)提取平均熵最大的圖像塊作為特征提取圖像，即顯著區(qū)域圖像B_opt。。