[發明專利]一種基于正則表達式語義的目標模型快速構建方法

有效

• 申請號: 201710044816.8
• 申請日: 2017-01-21
• 公開（公告）號: CN106874942B
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 蘆兵;許曉東;夏純中
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于正則表達式語義的目標模型快速構建方法，屬于機器視覺與模式識別領域。首先對被識別物體所在圖像進行預處理，以提高特征提取的質量，其后通過Harris特征檢測算法提取出圖像目標的局部特征，最后通過引申定義的正則表達語義，結合定義好的圖像素材庫描述出被識別物的目標匹配模型。該方法對傳統計算機理論上的“正則理論”進行了引申定義，使之可以適用到圖像目標識別領域，保留了其檢索效率高的特性，在被識別物輪廓、顏色等物理特性恒定的情況下有非常好的效果。

技術領域

本發明涉及機器視覺技術與模式識別技術，具體涉及一種基于正則表達式的圖像目標識別方法

背景技術

對圖像目標的識別就是對圖像中表征物各種形式的可獲取信息進行處理和分析。對目標物進行描述、辨認、分類和解釋的過程。目標識別可分為有監督的分類和無監督的分類兩種，兩者的主要差別在于，各實驗樣本所屬的類別是否預先已知。監督分類又稱訓練分類法，其原理是用被確認類別的樣本像元去識別其他未知類別像元的過程。在分類之前通過目視判斷等手段，對圖像上的目標屬性有了先驗知識。一般來說有監督的分類往往需要提供大量已知類別的樣本，根據已知訓練區提供的樣本，通過選擇特征參數，求出特征參數作為決策規則，建立判別函數以對各待分類影像進行的圖像分類，是模式識別的一種方法。要求訓練區域具有典型性和代表性。經過多年的總結，人們設計出來多個監督訓練特征提取的方法，總結起來可以分為四類：底層全局特征、底層局部特征、中層特征和屬性特征。早期提出的Tamura紋理、顏色直方圖、Harris算子、密集采樣SIFT、Texton等特征提取主要為底層全局特征和底層局部特征。全局特征提取的是圖像的全局顏色、紋理、形狀等信息，對促進早期的圖像理解任務特別是基于內容的圖像檢索系統的發展起了很大的推動作用。隨著研究的深入，人們發現全局視覺特征已不能完全滿足圖像分類任務對提升分類精度的要求，而以SIFT特征為代表的局部特征具有更強的描述能力，從而能夠滿征。近年來由于局部特征對視覺描述能力日益完善，局部視覺特征的研究開始轉向如何在保證描述能力的前提下提高局部特征的提取效率。與此同時，建立在局部特征基礎上描述視覺內容機構信息的中層特征也開始得到學術界的重視，而結合圖本身監督信息的屬性特征也成為另一個研究熱點。

發明內容

本發明的目的是對圖像中的被識別物進行識別，建立目標匹配時的匹配模板。為此提出一種基于正則表達式語義的目標模型快速構建方法。

本發明采用的技術方案是：

一種基于正則表達式語義的目標模型快速構建方法，包括以下步驟：

步驟1：獲取目標識別物所在位置圖像，然后進行圖像預處理：選取圖像采集點，獲取被識別物的極大不變物理特征；步驟2：目標特征提取，包括顏色特征，空間位置特征，以及角點特征的提取和選取；步驟3：建立圖像的像元素庫，并對正則表達式進行引申定義：首先，根據一般物體的物理特性建立能夠描述物體特征的像元素庫，主要包括線條庫、形狀庫、顏色庫、空間位置信息庫；接著利用正則語義對這些像元素進行組織，賦予他們描述物體特征的能力；步驟4：利用引申定義的正則語法描述出目標匹配模型。

進一步，所述步驟1是在特定場景下，選擇從正側面獲取目標圖像，這樣能保證獲取到的同一類目標物體具有最大的物理特征相似性；圖像過濾和邊緣強化：首先對圖像進行灰度化處理，然后利用中值濾波對背景噪聲進行過濾，最后通過canny算子對圖像進行邊緣強化。

進一步，所述步驟1還包括：

1)把圖像序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值：用正方矩結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升(或下降)的為二維數據序列；二維中值濾波輸出為g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分別為原始圖像和處理后圖像，W為二維模板，選定為為3*3區域；