[發明專利]基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法

有效

• 申請號: 202110522500.1
• 申請日: 2021-05-13
• 公開（公告）號: CN113343976B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 張宏陽;金銀龍;高喬裕;劉全;游川;李飛羽
• 申請（專利權）人: 武漢大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/26;G06V10/44;G06V10/56;G06V10/82;G06N3/04
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法，其特征在于，包括如下步驟：

步驟S1，在目標物指定位置布設已知幾何尺寸信息和指定顏色的測量標志；

步驟S2，訓練深度學習目標物識別模型，對需處理的圖像進行目標檢測及定位，提取ROI區域；

步驟S3，結合測量標志的顏色信息，對于提取的ROI區域進行基于顏色特征的目標提取分割，按照Canny邊緣檢測算法對目標提取分割的圖像進行邊緣檢測，并進行圖像去噪，且選擇去噪后的邊緣輪廓內部像素點作為初始種子點；

步驟S4，通過判斷相同光源條件下同一物體的相同材質部分表現出的相鄰像素屬性是否連續來實現相似區域生長，以初始種子點為起點，以8鄰域最大梯度值小于某一閾值T為判別條件，向其領域像素點生長，重復判別直至所有候選種子點均生長結束為止，即可從圖像中分割得到測量標志區域；生長規則如下：當max{d₁,d₂,d₃…d₈}＜T時，該像素點被納入生長區域；其中，為種子像素點的R、G、B分量，R(i),G(i),B(i)為種子像素點的8鄰域任一像素點的R、G、B分量，T為預設閾值；

步驟S5，對區域生長分割完成之后的圖像進一步提取測量標志的幾何信息、邊緣信息及特征信息。

2.根據權利要求1所述的基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法，其特征在于：所述測量標志的形狀為圓環形、矩形或三角形。

3.根據權利要求1所述的基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法，其特征在于：所述深度學習目標物識別模型為YOLO-tiny模型，具體訓練過程為；

(1)利用yolo_mark軟件對目標影像進行目標標注，生成包含標注信息的txt文件，然后轉換為YOLO-tiny模型訓練所需數據格式，由目標影像和目標類別與位置信息構成訓練所需數據集；

(2)利用深度學習框架darknet搭建YOLO-tiny神經網絡模型；

(3)將數據集輸入YOLO-tiny模型進行訓練，得到對應的權重文件，基于OpenCv機器視覺庫載入訓練得到的模型文件即可對目標物進行識別。

4.根據權利要求1所述的基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法，其特征在于：利用訓練得到的目標識別模型對采集的影像進行目標檢測，得到目標檢測的驗證框的中心像素點C，寬width，高height；為保證目標物的完整提取，提取原始影像中以C點為中心，λwidth和λheight為邊長矩形范圍內的影像為目標ROI區域。

5.根據權利要求1所述的基于顏色-邊緣融合特征生長的抗高光干擾工程測量標志提取方法，其特征在于：步驟S3的具體實現方式如下；

將步驟S2得到的ROI區域影像由RGB顏色空間轉化為HSV顏色空間，解除圖像中顏色和灰度級信息的聯系，基于測量標志的顏色參數進行基于顏色特征的目標提取分割；對提取之后的影像進行Canny算子邊緣檢測，計算各個輪廓的面積A(i)，若輪廓面積A(i)小于某一固定閾值Te，則擦除該輪廓區域，實現圖像去噪，選擇去噪后的每個邊緣輪廓內部的一個內部像素點作為初始種子點。