一种自适应任意形状的数据场图像特征建模方法技术

本发明专利技术公开了一种自适应任意形状的数据场图像特征建模方法，可伸缩型任意形状数据场的构建，包括将传统的图像数据场方法扩展，增加形状要素，可充分顾及像素的空间信息上下文，通过增强位于相同形状区域的像素之间相互作用，减小这些像素在数据场中的分布差异，降低、消除噪声污染和光照不均匀带来的负面影响；反之，通过减小不同形状区域的像素之间相互作用，增大这些像素在数据场中的分布差异；鲁棒的数据场分布特征集计算算法，包括长轴、短轴、离心率、场分布指数、加权场分布指数、局部势方差计算方法；自适应图像特征选择与降维建模过程。检测的图像像素邻域能力高，不需要对图像实施窗口操作。

【技术实现步骤摘要】

本专利技术属于图像识别
，涉及一种自适应任意形状的数据场图像特征建模 方法。
技术介绍
图像目标模式识别是计算机视觉领域的重要研宄方向之一，其中特征提取是首要 关键环节，一直以来都受到广大研宄者的广泛关注，在安全监控、军事侦察、摄影测量、灾害 监测、气象预报、产品检验、人机交互和医学诊断等方面也已经取得了成功应用。特征是表 征图像目标本质属性的信息集，是解决图像目标识别等问题的根本。特征提取的目标是获 取一组少而精的特征量，独立、完备地反映图像内容。图像空间分辨率的提高使得大量细节 信息在图像上充分表征，但是，传统特征建模方法不能有效描述复杂的高分辨率图像空间 信息。 迄今为止，国内外研宄者对图像特征提取问题展开了系列研宄，与之相关的新算 法、新技术层出不穷。灰度共生矩阵、空间自相关、小波等方法能提供相对有效的图像特征， 但是，这些方法未能充分利用高分辨率图像的特点，有针对性地提取图像的形状、结构、大 小等视觉敏感信息。其中近年来的一类方法采用模拟物理学的机制研宄图像特征问题。如 Nixon提出了模拟万有引力的力场收敛变换法并应用到人耳识别中，Liu将其改进为多视 角变换，徐贵力等人利用该理论检测图像粗大边缘。孙根云等人提出了模拟万有引力定律 的边缘检测方法，Lopez利用三角模进行了扩展。Direkoglu提出了模拟热流的温度界面方 法并进行形状提取。Cummings等人提出了基于光流变换的结构特征检测方法。近年来，其 中一类更新颖的方法逐渐浮出水面，陈雪松等人将图像分析中的投影理论与物理学中的势 能理论相结合，提出了基于图像势能的二值图像特征提取方法，并进一步研宄了图像目标 轮廓特征提取方法，蒋少华等人在此基础上研宄了针对二值图像的灰度势特征提取方法， 理论和实验分析表明了现有方法的可行性和有效性。尽管如此，模拟物理学机制仍然没有 引起计算机视觉领域的足够重视，至少在计算机视觉中的研宄远远不如智能优化等其他领 域那样取得丰硕的成果和大众化的关注。因此，模拟物理学机制的图像特征提取仍然是一 个开放式课题，尚存在可拓展空间。 事实上，各种物理模型和机制的根源都是物质之间的相互作用，统一场论是现代 物理学的重要方向之一，根据场（或场的量子）的传递媒介性，用场统一地描述和揭示各种 相互作用的共同本质和内在联系，在物理学对于客观世界的认知中起到了重要的作用。中 国学者李德毅等人将现代物理学中对客观世界的认知理论引申到对主观世界的认知中，形 成了数据场的思想，通过考察数据对象间的相互作用并建立场描述原始、混乱、复杂、不成 形的数据关联，揭示不同抽象程度或概念层次上的知识，理论体系相对完备，并广泛应用于 数据挖掘与知识发现、空间信息处理、图像分析与处理、智能优化、物流管理等领域。有鉴于 此，抛开固有的物理形态，从场论的角度出发建立更一般的映射关系及其理论框架，进一步 提出更鲁棒高效的图像特征提取方法是有益的。但是，传统的数据场方法仅对图像实施窗 口操作，提取的图像特征极其有限。
技术实现思路
本专利技术的目的是提供，检测的图 像像素邻域能力高，不需要对图像实施窗口操作。 本专利技术所采用的技术方案是，， 具体按照以下步骤进行： 步骤1，可伸缩型任意形状数据场的构建，包括将传统的图像数据场方法扩展，增 加形状要素，可充分顾及像素的空间信息上下文，通过增强位于相同形状区域的像素之间 相互作用，减小这些像素在数据场中的分布差异，降低、消除噪声污染和光照不均匀带来的 负面影响；反之，通过减小不同形状区域的像素之间相互作用，增大这些像素在数据场中的 分布差异； 步骤2,鲁棒的数据场分布特征集计算算法，包括长轴、短轴、离心率、场分布指数、 加权场分布指数、局部势方差计算方法； 步骤3,自适应图像特征选择与降维建模过程，包括矢量相似性、降维方法。 优选的，步骤1中，匹配增加形状要素，对传统数据场势值的计算公式进行修正， 如式（5)所示，【主权项】1. ，其特征在于，具体按照以下步骤 进行： 步骤1，可伸缩型任意形状数据场的构建，包括将传统的图像数据场方法扩展，增加形 状要素，可充分顾及像素的空间信息上下文，通过增强位于相同形状区域的像素之间相互 作用，减小这些像素在数据场中的分布差异，降低、消除噪声污染和光照不均匀带来的负面 影响；反之，通过减小不同形状区域的像素之间相互作用，增大这些像素在数据场中的分布 差异； 步骤2,鲁棒的数据场分布特征集计算算法，包括长轴、短轴、离心率、场分布指数、加权 场分布指数、局部势方差计算方法； 步骤3,自适应图像特征选择与降维建模过程，包括矢量相似性、降维方法。2. 根据权利要求1所述的，其特征在 于，所述步骤1中，匹配增加形状要素，对传统数据场势值的计算公式进行修正，如式（5)所 示，其中是q对P的作用势，无需计算所有像素之间的相互作用，仅考虑符合形 状约束范围Up)内的部分质点作用，即同时满足三个形状约束，作用像素与中心像素在 方向因子控制的方向线上、距离不大于尺度因子，质量因子为1。3. 根据权利要求2所述的，其特征在 于，所述方向因子、尺度因子、质量因子计算方法如下： a) 方向因子：P d的确定采用图像处理领域惯常的方法，对图像多次进行实验，研宄不 同参数对实际建模效果的影响，反复尝试不同的参数确定较优的经验值； b) 质量因子：采用式（7)的自适应方法，仅当质量因子为1才有可能继续延伸形状，设 yp，〇p，y，〇分别表示当前中心像素p的局部邻域灰度均值、标准差以及图像整体的灰度 均值、标准差，g p为自适应局部质量度量； gp= min (max ( y p-〇. 5 〇 p, y -〇? 5 〇 )，y +0? 5 〇 )， (6)c) 尺度因子：对于任意形状区域的中心像素势值而言，通过搜索最大化的Shannon j：商 自动获得适用于给定图像的最优扩展形状要素集；其中Bins表示离散划分势值直方图的子区间个数，根据图像灰度级的特点可设置为 Bins = L，Pl表示在当前约束下所建立的数据场中像素的势值落入第1个子区间的概率，在 P5 e 范围内建立不同的数据场，通过搜索最大化的j：商自动 获得适用于给定图像的最优参数/?;，形式化如下：4.根据权利要求1所述的，其特征在 于，所述步骤2中，根据数据场延伸与扩展关系，获得每个数据质点p对应的方向因子扩展 的势值贡献直方图，具体形如：其中奶O), P2 CfO％Cp)表示以p为像素中心的各条方向因子扩展方向的势值 贡献； 数据场分布特征集中的长轴定义为方向势值贡献中的最大值，反映数据场势值计算图 斑在某个方向因子上的最大同质性能；数据场分布特征集中的短轴定义为方向势值贡献中的最小值，反映数据场势值计算图 斑在某个方向因子上的最小同质性能；数据场分布特征集中的离心率定义为方向势值贡献中的最小值与最大值的比值关系， 反映数据场势值计算图斑在某个方向因子上的同质形状性能，具体计算时借鉴椭圆两焦点 间距离和长轴长度的比值表达某一椭圆轨道与理想圆环的偏离，长椭圆轨道离心率高，近 于圆形的轨道离心率低；为简化操作，同时保证计算特征的鲁棒性，直接采用前k个最小值 和与前k个最大值和的比值，具体如下式，本文档来自技高网...

【技术保护点】
一种自适应任意形状的数据场图像特征建模方法，其特征在于，具体按照以下步骤进行：步骤1，可伸缩型任意形状数据场的构建，包括将传统的图像数据场方法扩展，增加形状要素，可充分顾及像素的空间信息上下文，通过增强位于相同形状区域的像素之间相互作用，减小这些像素在数据场中的分布差异，降低、消除噪声污染和光照不均匀带来的负面影响；反之，通过减小不同形状区域的像素之间相互作用，增大这些像素在数据场中的分布差异；步骤2，鲁棒的数据场分布特征集计算算法，包括长轴、短轴、离心率、场分布指数、加权场分布指数、局部势方差计算方法；步骤3，自适应图像特征选择与降维建模过程，包括矢量相似性、降维方法。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴涛，
申请(专利权)人：吴涛，
类型：发明
国别省市：广东;44