一种轮廓形状识别方法技术

本发明专利技术提出一种轮廓形状识别方法，抽样提取形状样本的轮廓显著特征点；使用三种形状描述子，计算形状样本在半全局尺度中的特征函数；以单像素为间距划分尺度，得到全尺度空间下的形状特征函数；将各个尺度下的特征函数值存入矩阵，得到全尺度空间下形状样本三种特征的灰度图表达；将该形状样本的三种灰度图表达作为RGB三个通道合成一张彩色特征表达图像；将该形状样本与特征表达图像同时作为输入，构成双流卷积神经网络；训练双流卷积神经网络，将测试样本输入至训练好的网络模型中，实现形状分类。

【技术实现步骤摘要】
一种轮廓形状识别方法
本专利技术涉及一种轮廓形状识别方法，属于形状识别

技术介绍
轮廓形状识别是机器视觉领域的一个重要研究方向，利用物体形状特征进行目标识别是机器视觉的主要研究课题，这项研究的主要成果是通过改进形状匹配算法或设计有效的形状描述符来充分提取目标形状特征用以进行更好的相似性度量。这在工程中得到了广泛应用，如雷达、红外成像检测、图像及视频的匹配与检索、机器人自动导航、场景语义分割、纹理识别和数据挖掘等多个领域中。通常，对于轮廓形状的表达和检索基于手工设计的形状描述子来提取目标轮廓特征，如ShapeContexts，ShapeVocabulary和Bagofcontourfragments等。但是通过手工描述子提取所得的形状信息通常不完备，无法保证对目标形状的局部变化、遮挡和整体变形等变化的不敏感。而过多增加描述子则会导致特征提取冗余，计算复杂度较高。因此，识别准确率和效率较低。近年来，随着卷积神经网络在图像识别任务中取得较好的成绩，其在形状识别任务开始得以应用。而由于轮廓形状缺少表面纹理、色彩等图像具备的信息，直接应本文档来自技高网...

【技术保护点】
1.一种轮廓形状识别方法，其特征在于：该方法包括以下步骤：/n步骤一、抽样提取形状样本的轮廓显著特征点；/n步骤二、使用三种形状描述子，计算形状样本在半全局尺度中的形状特征函数；/n步骤三、以单像素为间距划分尺度，得到全尺度空间下的形状特征函数；/n步骤四、将各个尺度下的形状特征函数值存入矩阵，得到全尺度空间下形状样本的三种形状特征的灰度图表达；/n步骤五、将该形状样本的三种形状特征的灰度图表达作为RGB三个通道合成一张彩色特征表达图像；/n步骤六、将该形状样本与彩色特征表达图像同时作为输入，构建双流卷积神经网络；/n步骤七、训练双流卷积神经网络，将测试样本输入至训练好的网络模型中，实现轮廓形...

【技术特征摘要】
1.一种轮廓形状识别方法，其特征在于：该方法包括以下步骤：
步骤一、抽样提取形状样本的轮廓显著特征点；
步骤二、使用三种形状描述子，计算形状样本在半全局尺度中的形状特征函数；
步骤三、以单像素为间距划分尺度，得到全尺度空间下的形状特征函数；
步骤四、将各个尺度下的形状特征函数值存入矩阵，得到全尺度空间下形状样本的三种形状特征的灰度图表达；
步骤五、将该形状样本的三种形状特征的灰度图表达作为RGB三个通道合成一张彩色特征表达图像；
步骤六、将该形状样本与彩色特征表达图像同时作为输入，构建双流卷积神经网络；
步骤七、训练双流卷积神经网络，将测试样本输入至训练好的网络模型中，实现轮廓形状分类识别。


2.根据权利要求1所述的一种轮廓形状识别方法，其特征在于：所述步骤一中，提取形状样本的轮廓显著特征点的方法为：
每一个形状样本的轮廓是由一系列抽样点组成的，对于任一形状样本S来说：
S＝{px(i)，py(i)|i∈[1，n]}
其中，px(i)，py(i)为轮廓抽样点p(i)在二维平面内的坐标，n为轮廓长度；
对形状样本的轮廓曲线进行演化来提取显著特征点，在每一次演化过程中，对目标识别起到贡献最小的点被删除；其中每个点p(i)的贡献定义为：



其中，b(i，i-1)为点p(i)与p(i-1)间的曲线长度，b(i，i+1)为点p(i)与p(i+1)间的曲线长度，B(i)为线段p(i)p(i-1)与线段p(i)p(i+1)间的角度，长度b根据轮廓周长进行归一化；K(i)值越大表示点p(i)对形状特征的贡献越大；
为了克服轮廓显著特征点提取过多或过少，引用一个基于区域的自适应结束函数F(t)：



其中S0为原始形状的面积，St为经过t次演变后的面积，n0为原始形状轮廓上的总点数；当此结束函数值F(t)超过设定阈值后，轮廓显著特征点提取结束。


3.根据权利要求2所述的一种轮廓形状识别方法，其特征在于：所述步骤二中，计算形状样本在半全局尺度中的形状特征函数的具体方法为：
使用三种形状描述子M：
M＝{sk(i)，lk(i)，ck(i)|k∈[1，m]，i∈[1，n]}
其中，sk，lk，ck为尺度k中归一化的面积s、弧长l和重心距c三个不变量，k为尺度标签，m为总尺度数；分别定义这三个形状不变量描述子：
以一轮廓抽样点p(i)为圆心，即目标轮廓点，以初始半径作预设圆C1(i)，该预设圆即为目标轮廓点的初始半全局尺度；得到预设圆C1(i)后，三种形状描述子计算方式如下：
在计算s1(i)描述子时，将预设圆C1(i)中的与目标轮廓点p(i)具有直接连接关系的区域Z1(i)的面积记为则有：



其中，B(Z1(i)，x)为一指示函数，定义为



将Z1(i)的面积与预设圆C1(i)面积的比值作为目标轮廓点的多尺度不变量描述子的面积参数s1(i)：



s1(i)的取值范围应当在0到1之间；
在计算c1(i)描述子时，首先计算与目标轮廓点p(i)具有直接连接关系的区域的重心，具体为对该区域中所有像素点的坐标值求取平均数，所得结果即为该区域的重心的坐标值，可以表示为：



其中，w1(i)即为上述区域的重心；
然后计算目标轮廓点p(i)与重心w1(i)的距离可以表示为：



最后将与目标轮廓点p(i)的预设圆C1(i)的半径的比值作为该目标轮廓点p(i)多尺度不变量描述子的重心参数c1(i)：



c1(i)的取值范围应当在0到1之间；
在计算l1(i)描述子时，将预设圆C1(i)内与目标轮廓点p(i)具有直接连接关系的弧段的长度记为并将与预设圆C1(i)周长的比值作为该目标轮廓点...

【专利技术属性】
技术研发人员：杨剑宇，闵睿朋，黄瑶，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32