图像区域的聚类方法和装置以及轮廓搜索方法和装置制造方法及图纸

本发明专利技术公开了一种图像区域的聚类方法和装置、以及一种轮廓搜索方法和装置。本发明专利技术将当前输入图像与背景图像比较得到差值点图像之后，可先将预先设置的网格模型叠加于差值点图像，并计算叠加于差值点图像的网格模型中的网格各条边缘的能量特征；然后，将能量特征较大的各条边缘确定为候选边缘，再将构成闭合轮廓的部分候选边缘保留、并删除其余候选边缘，即可得到当前输入图像中较之背景差异较大的像素点所构成的特定区域的轮廓，相应地，获得了特定区域的轮廓，也就同时实现了对该特定区域内的像素点的聚类。而且，由于本发明专利技术中的聚类方式是通过闭合轮廓来实现的，因而离散的噪声点不会被误检测为特定区域内的点。

【技术实现步骤摘要】

本专利技术涉及图像轮廓检测技术，特别涉及一种图像区域的聚类方法和装 置、以及一种轮廓搜索方法和装置。
技术介绍
现有视频监控装置中，通常是利用静止摄像头拍摄到监控场景中的视 频，然后对该视频的连续多帧图^f象进行运动物体4企测和跟踪，以对连续多帧 图像中区别于背景图像的运动物体进行分析。在运动物体的检测和跟踪中，前景检测是第一个步骤，其准确程度直接影响到整个装置的性能。现有前景检测的处理过程如下先将当前输入图像 与背景图像进行比较，得到当前输入图像中各像素点与背景图像中对应像素 的取值之差，得到的取值之差可称之为差值点，每一个差值点分别对应当前 输入图像中的一个像素点；然后将各差值点与预先设定的阈值进行比较，并 将大于或大于等于该阈值的差值点在当前输入图像中所对应的像素点确定 为前景像素点、将小于等于或小于该阔值的差值点在当前输入图像中所对应 的像素点确定为背景像素点。此后，对所有前景像素点进行前景聚类处理，即可得到由不同前景像素 点所构成的各前景区域。然而，上述聚类处理虽然能够获得当前输入图像中的各前景区域，但却 无法获取各前景区域所表示的特定区域的轮廓特征。而且，上述聚类处理还 容易将离散的噪声点判定为前景点，从而使得噪声区域易被误检测为前景区 域，以及，容易将与背景颜色相近的前景点判定为背景，进而使得前景检测 的准确度不高。
技术实现思路
有鉴于此，本专利技术提供了一种图像区域的聚类方法和装置、以及一种轮 廓搜索方法和装置，能够得到图像中特定区域的轮廓。本专利技术提供的一种图像区域的聚类方法，将当前输入图像与背景图像比较得到差值点图像之后，该聚类方法还包括al、将预先设置的网格模型叠加于所述差值点图像；a2 、计算叠加于所述差值点图像的所述网格模型中的网格各条边缘的能 量特征；a3、将所述能量特征大于预设阈值的各条边缘确定为候选边缘； a4、将构成闭合轮廓的部分候选边缘保留、并删除其余候选边缘； a5 、将每个所述闭合轮廓分别确定为当前输入图像中对应位置的区域轮 廓，并得到当前输入图像中位于区域轮廓内的像素点。所述步骤al之前，该聚类方法进一步包括a0、根据各区域中差值点 取值的平均值，将步骤al所使用的所述网格模型中对应大取值差值点密集 处的网格尺寸调小、对应小取值差值点密集处的网格尺寸调大。 所述步骤a2包括 a21、确定各条边缘的邻域；a22、根据各条边缘的邻域内的差值点取值，计算各条边缘的能量特征。 所述步骤a4包括a41、分别在若干候选边缘的每一聚集范围的外围设定一初始轮廓； a42、从每一区域的初始轮廓开始，向内逐格收缩、直至收缩至由部分 候选边缘构成的闭合轮廓为止；a43、提取收缩停止处的各闭合轮廓。所述步骤a4之后，该聚类方法进一步对每个所述闭合轮廓进行平滑处 理和/或曲线拟合；且，所述步骤a5进一步将平滑处理和/或曲线拟合后的每个所述闭合轮廓分别确定为对应位置的区域寿仑廓。本专利技术提供的一种图像区域的聚类装置，包括模型叠加单元，用于接收当前输入图像与背景图像比较得到差值点图像，并将预先设置的网格模型叠加于所述差值点图像；能量计算单元，用于计算叠加于所述差值点图像的所述网格模型中的网 格各条边缘的能量特征；边缘候选单元，用于将所述能量特征大于预设阈值的各条边缘确定为候 选边缘；边缘筛选单元，用于将构成闭合轮廓的部分候选边缘保留、并删除其余 候选边缘；轮廓确定单元，用于将每个所述闭合轮廓分别确定为对应位置的区域轮 廓，并得到当前输入图像中位于区域轮廓内的像素点。该聚类装置进一步包括模型调整单元，用于根据各区域中差值点取值 的平均值，将所述网格模型中对应大取值差值点密集处的网格尺寸调小、对 应小取值差值点密集处的网格尺寸调大，并将网格尺寸调整后的网格模型更 新至所述模型叠加单元。所述能量计算单元包括邻域确定子单元，用于确定各条边缘的邻域；邻域计算子单元，用于根据各条边缘的邻域内的差值点取值，计算各条 边缘的能量特征。所述边缘筛选单元包括外围设定子单元，用于分别在若干候选边缘的每一聚集范围的外围设定 一初始轮廓；收缩迭代子单元，用于从每一区域的初始轮廓开始，向内逐格收缩、直 至收缩至由部分候选边缘构成的闭合轮廓为止；轮廓提取子单元，用于提取收缩停止处的各闭合轮廓。 该聚类装置进一步包括轮廓处理单元，用于对轮廓确定单元所使用的9每个所述闭合轮廓进行平滑处理和/或曲线拟合。本专利技术提供的 一种轮廓搜索方法，将当前输入图像与背景图像比较得到差值点图像之后，该轮廓搜索方法包括al、将预先设置的网格模型叠加于所述差值点图像；a2、计算叠加于所述差值点图像的所述网格模型中的网格各条边缘的能 量特征；a3 、将所述能量特征大于预设阈值的各条边缘确定为候选边缘； a4、将构成闭合多边形的部分候选边缘保留、并删除其余候选边缘。 所述步骤al之前，该聚类方法进一步包括a0、根据各区域中差值点 取值的平均值，将步骤al所使用的所述网格模型中对应大取值差值点密集 处的网格尺寸调小、对应小取值差值点密集处的网格尺寸调大。 所述步骤a2包括 a21、确定各条边缘的邻域；a22、根据各条边缘的邻域内的差值点取值，计算各条边缘的能量特征。 所述步骤a4包括a41、分别在若干候选边缘的每一聚集范围的外围设定一初始轮廓； a42、从每一区域的初始轮廓开始，向内逐格收缩、直至收缩至由部分 候选边缘构成的闭合轮廓为止；a43、提取收缩停止处的各闭合轮廓所述步骤a4之后，该轮廓搜索方法进一步对每个所述闭合轮廓进行平 滑处理和/或曲线拟合。本专利技术提供的一种轮廓搜索装置，包括模型叠加单元，用于接收当前输入图像与背景图像比较得到差值点图 像，并将预先设置的网格模型叠加于所述差值点图像；能量计算单元，用于计算叠加于所述差值点图像的所述网格模型中的网 格各条边缘的能量特征；边缘候选单元，用于将所述能量特征大于预设阈值的各条边缘确定为候选边缘；.边缘筛选单元，用于将构成闭合轮廓的部分候选边缘保留、并删除其余 候选边缘。该轮廓搜索装置进一步包括模型调整单元，用于根据各区域中差值点 取值的平均值，将所述网格模型中对应大取值差值点密集处的网格尺寸调 小、对应小取值差值点密集处的网格尺寸调大，并将网格尺寸调整后的网格 模型更新至所述模型叠加单元。所述能量计算单元包括邻域确定子单元，用于确定各条边缘的邻域；邻域计算子单元，用于根据各条边缘的邻域内的差值点取值，计算各条 边缘的能量特征。所述边缘筛选单元包括外围设定子单元，用于分别在若干候选边缘的每一聚集范围的外围设定 一初始轮廓；收缩迭代子单元，用于从每一区域的初始轮廓开始，向内逐格收缩、直 至收缩至由部分候选边缘构成的闭合轮廓为止；轮廓提取子单元，用于提取收缩停止处的各闭合轮廓。该聚类装置进一步包括轮廓处理单元，用于对轮廓确定单元所使用的 每个所述闭合轮廓进行平滑处理和/或曲线拟合。由上述技术方案可见，本专利技术将当前输入图像与背景图像比较得到差值 点图像之后，可先将预先设置的网格模型叠加于差值点图像，并计算叠加于 差值点图像的网格模型中的网格各条边缘的能量特征；然后，将能量特征较 大的各条边缘确定为候选边缘，再将构成闭合轮廓的部分候选边缘保留、并 删除其余候选边缘，即可得到当前输入图像中较之背景差异较大本文档来自技高网...

【技术保护点】
一种图像区域的聚类方法，其特征在于，将当前输入图像与背景图像比较得到差值点图像之后，该聚类方法还包括：　ａ１、将预先设置的网格模型叠加于所述差值点图像；　ａ２、计算叠加于所述差值点图像的所述网格模型中的网格各条边缘的能量特征；　 　ａ３、将所述能量特征大于预设阈值的各条边缘确定为候选边缘；　ａ４、将构成闭合轮廓的部分候选边缘保留、并删除其余候选边缘；　ａ５、将每个所述闭合轮廓分别确定为当前输入图像中对应位置的区域轮廓，并得到当前输入图像中位于区域轮廓 内的像素点。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄英，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]