一种景物特征提取方法和设备技术

一种景物特征提取方法、设备和计算机可读存储介质，其中，所述方法包括：获取目标图像，进行二值化处理，得到二值图像；将所述二值图像进行形态学处理，得到形态学处理图像；根据所述形态学处理图像确定激励图；对所述激励图进行均一化处理，得到显著性图；根据所述显著性图确定所述目标图像的目标景物特征。本申请实施例基于显著性评价提取的景物特征，能够更可靠地标识目标景物，可以适应图像局部灰度变化、尺度差异和微小形状变化，抗干扰性能更强。

【技术实现步骤摘要】
一种景物特征提取方法和设备
本文涉及图像处理领域，尤指一种景物特征提取方法、设备和计算机可读存储介质。
技术介绍
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征的好坏对泛化性能有至关重要的影响。常用的景物特征提取方法通常包括点、线、边缘等特征进行提取，但这些特征提取方法通常只关注于局部，抗干扰性较差。
技术实现思路
本申请提供了一种景物特征提取方法、设备和计算机可读存储介质，以提高特征提取的抗干扰能力。本申请实施例提供了一种景物特征提取方法，包括：获取目标图像，进行二值化处理，得到二值图像；将所述二值图像进行形态学处理，得到形态学处理图像；根据所述形态学处理图像确定激励图；对所述激励图进行均一化处理，得到显著性图；根据所述显著性图确定所述目标图像的目标景物特征。在一实施例中，所述进行二值化处理之前，还包括：对所述目标图像进行滤波。在一实施例中，所述对所述目标图像进行滤波，包括：对所述目标图像进行高斯滤波，采用的高斯函数为：其中，x,y为所述目标图像的点坐标，σ为高斯滤波器的参数，所述σ的值为所述目标图像的宽度和高度中较小者的1/8～1/12之间。在一实施例中，所述进行二值化处理，包括：对滤波后得到平滑图像中的点B(x,y)，在9*9领域内求取局部灰度标准差：为所述9*9领域的灰度平均值；遍历所述平滑图像进行如下运算，得到所述二值图像：若则将二值图像中的点C(x,y)赋值为255；若则将二值图像中的点C(x,y)赋值为0。在一实施例中，所述将所述二值图像进行形态学处理，得到形态学处理图像，包括：对所述二值图像作腐蚀运算；将所述腐蚀运算处理后的图像进行膨胀运算，得到所述形态学处理图像。在一实施例中，所述根据所述形态学处理图像确定激励图，包括：对于所述形态学处理图像中每一个点，将所述点的灰度值作为马尔科夫链中的状态，计算从所述点出发的边的权重，所述边的权重为状态间转换的概率，计算马尔科夫链的概率分布，得到所述激励图。在一实施例中，所述边的权重设置为：w1((i，j)，(p，q))＝d((i，j)||(p，q))·F(i-p，j-q)其中，D(i,j)与D(p,q)为所述边的两个端点，δ为自由参数，所述δ的值为图像宽度和图像高度中较小者的1/16～1/24之间。在一实施例中，所述根据所述显著性图确定所述目标图像的目标景物特征，包括：根据所述显著性图确定所述目标图像的显著性区域，将所述显著性区域的区域特征作为所述目标图像的目标景物特征。本申请实施例还提供一种景物特征提取设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述景物特征提取方法。本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述景物特征提取方法。与相关技术相比，本申请实施例包括：获取目标图像，进行二值化处理，得到二值图像；将所述二值图像进行形态学处理，得到形态学处理图像；根据所述形态学处理图像确定激励图；对所述激励图进行均一化处理，得到显著性图；根据所述显著性图确定所述目标图像的目标景物特征。本申请实施例基于显著性评价提取的景物特征，能够更可靠地标识目标景物，可以适应图像局部灰度变化、尺度差异和微小形状变化，抗干扰性能更强。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。附图说明附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。图1为本申请实施例的景物特征提取方法的流程图；图2为本申请实施例的一种显著性图的示意图。具体实施方式本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的专利技术方案。任何实施例的任何特征或元件也可以与来自其它专利技术方案的特征或元件组合，以形成另一个由权利要求限定的独特的专利技术方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。为了合理利用有限的视觉信息处理能力，人类需要选择整个视觉区域中特定的部分来集中关注，视觉中特定的部分称为显著性区域。视觉的显著性区域在人类处理复杂的场景信息时起到了至关重要的作用。当面对一个复杂场景时，人类首先快速地浏览场景中的全部内容，利用全局的空间信息寻找场景中最重要的部分。然后集中注意力针对这一部分进行深度感知，实现对场景视觉结构的理解。本申请实施例提出一种基于显著性评价的景物特征提取方法，比照人类对空间信息感知的过程，来提取目标景物的特征，以实现对景物中特定目标的准确识别。本申请实施例中，获取包含目标景物的目标图像，通过显著性评价的方法寻找目标图像的显著性区域，并将提到的显著性区域提取出来，作为该目标景物特征，以进行后续的识别处理。如图1所示，本申请实施例的景物特征提取方法，包括：步骤101，获取目标图像，进行二值化处理，得到二值图像。其中，所述目标图像为需要进行景物特征提取的图像。在一实施例本文档来自技高网...

【技术保护点】
1.一种景物特征提取方法，包括：/n获取目标图像，进行二值化处理，得到二值图像；/n将所述二值图像进行形态学处理，得到形态学处理图像；/n根据所述形态学处理图像确定激励图；/n对所述激励图进行均一化处理，得到显著性图；/n根据所述显著性图确定所述目标图像的目标景物特征。/n

【技术特征摘要】
1.一种景物特征提取方法，包括：
获取目标图像，进行二值化处理，得到二值图像；
将所述二值图像进行形态学处理，得到形态学处理图像；
根据所述形态学处理图像确定激励图；
对所述激励图进行均一化处理，得到显著性图；
根据所述显著性图确定所述目标图像的目标景物特征。


2.根据权利要求1所述的方法，其特征在于，所述进行二值化处理之前，还包括：
对所述目标图像进行滤波。


3.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行滤波，包括：
对所述目标图像进行高斯滤波，采用的高斯函数为：



其中，x,y为所述目标图像的点坐标，σ为高斯滤波器的参数，所述σ的值为所述目标图像的宽度和高度中较小者的1/8～1/12之间。


4.根据权利要求2所述的方法，其特征在于，所述进行二值化处理，包括：
对滤波后得到平滑图像中的点B(x,y)，在9*9领域内求取局部灰度标准差：




为所述9*9领域的灰度平均值；
遍历所述平滑图像进行如下运算，得到所述二值图像：
若则将二值图像中的点C(x,y)赋值为255；
若则将二值图像中的点C(x,y)赋值为0。


5.根据权利要求1所述的方法，其特征在于，所述将所述二值图像进行形态学处理，得到形态学处理图像，包括：
对所述二值图像作腐蚀运算；
...

【专利技术属性】
技术研发人员：刘胜文，陈圣俭，宋钱骞，
申请(专利权)人：北京旋极信息技术股份有限公司，
类型：发明
国别省市：北京;11