一种基于特征点分类的目标轮廓特征提取方法及装置制造方法及图纸

本发明专利技术公开了一种基于特征点分类的目标轮廓特征提取方法及装置，该方法包括：获取图像中的目标的外形轮廓图；基于八邻域追踪法对外形轮廓图进行边缘检测，得到目标边缘轮廓；目标边缘轮廓包括一组有序的边缘轮廓点；对目标边缘轮廓进行分段，并利用道格拉斯

【技术实现步骤摘要】
一种基于特征点分类的目标轮廓特征提取方法及装置


[0001]本专利技术属于图像处理领域，具体涉及一种基于特征点分类的目标轮廓特征提取方法及装置
。

技术介绍

[0002]计算机储存图像一般采用栅格图的储存方式，即记录下每张图片每个像素点位置处的像素值大小，这种储存方式导致占用储存较大
。
如果在传输信息的过程中只需要实时传输图像中目标的外形信息，比如火箭发射的瞬间
、
目标解体的瞬间的目标外形轮廓的变化，则希望用较小的数据量记录信息并进行传输
。
此时可以从图像中提取目标轮廓特征，从而只需储存和传输目标轮廓特征就可以实现目标外形信息的储存和传输，后续基于目标轮廓特征也可方便地进行目标轮廓的矢量恢复，这种做法也称图像外形边缘曲线压缩方法
。
[0003]现有技术中，从图像中提取的目标轮廓特征主要是目标外形边缘的特征点
。
其中，目前对轮廓曲线提取特征点主要有以下三个思路：
[0004]第一种是计算曲线上各点的曲率，目前已存在有根据曲率提取特征点的算法，大多数使用的曲率局部极大值的方法
。
在曲线中有两种计算曲率的方法，第一种是曲线上找出一点
m
i
，再分别找出位于其前后
k
个距离的两个点
m
i+k
和点
m
i
‑
k
，分别与
m
i
相连形成两个向量，求这两个向量夹角的余弦值，余弦值越大就说明点
m
i
处的曲率越大
。
另一种类似的计算曲率方法是通过比较弦长来估算曲率大小：同样找出点
m
i
，点
m
i+k
和点
m
i
‑
k
三个点，点
m
i+k
和点
m
i
‑
k
形成弦，比较点
m
i
到该线距离与弦长的比值大小，比值越大表示
m
i
处的曲率越大
。
但是，利用曲率确定轮廓上那些点需要被标记为特征点时，不同弯曲弧度时，应该选择不同的距离阈值
k
，
k
值的确定以及曲率阈值的选择都不定，计算麻烦且精度低
。
[0005]第二种是利用
Harris
算子，
Harris
算法通过一个窗口沿着图像进行移动，判断移动前后的灰度变化情况再结合自相关函数理论确定窗口里是否含有特征点
。
但是，这种方法一般检测的是角点，若图像边缘是一较为光滑的曲线，就很难检测出角点的存在，故
Harris
算法也存在一定的局限性
。
[0006]第三种是利用经典的道格拉斯
‑
普克
(Douglas
‑
Peucker,DP)
算法提取目标轮廓的特征点，该方法的基本思路是：存在一条不封闭的曲线，首先对这条曲线的首末两点虚连形成一条直线，求曲线其间所有点到该直线的距离，并找到最大距离
d
max
，用
d
max
与阈值
T
相比：若
d
max
<T
，这条曲线上的中间点将被全部舍去
。
若
d
max
>
＝
T
，保留
d
max
对应的坐标点，并以该点为界，把曲线分为两部分，对这两部分重复使用这种方法
。
直到所有的边缘点到对应直线段的距离都小于阈值，停止循环
。
但是，实际中发现利用道格拉斯
‑
普克算法获取的特征点进行连点成图从而实现目标轮廓的矢量恢复时，恢复出的目标轮廓与目标真实轮廓仍存在一定的偏差
。
[0007]综上可见，急需一种适用性强且误差小的目标轮廓特征提取方法
。

技术实现思路

[0008]为了解决现有技术中所存在的上述问题，本专利技术提供了一种基于特征点提取及分类的目标轮廓恢复方法及装置
。
[0009]本专利技术要解决的技术问题通过以下技术方案实现：
[0010]一种基于特征点分类的目标轮廓特征提取方法，包括：
[0011]获取图像中的目标的外形轮廓图；
[0012]基于八邻域追踪法对所述外形轮廓图进行边缘检测，得到目标边缘轮廓；所述目标边缘轮廓包括一组有序的边缘轮廓点；
[0013]对所述目标边缘轮廓进行分段，并利用道格拉斯
‑
普克算法分别识别各分段曲线的特征点，得到一组有序的轮廓特征点；
[0014]对所述一组有序的轮廓特征点进行特征点分类，得到各轮廓特征点分别为直线特征点或圆弧特征点的分类结果，并将该组轮廓特征点及其分类结果作为所提取的目标轮廓特征
。
[0015]在一个实施例中，基于八邻域追踪法对所述外形轮廓图进行边缘检测，得到目标边缘轮廓，包括：
[0016]利用霍夫变换检测所述外形轮廓图中的直线段；
[0017]从检测到的直线中任取一条直线段，并从该直线段上的任一点开始利用八邻域追踪法依次检测所述外形轮廓图的轮廓特征点，得到目标边缘轮廓
。
[0018]在一个实施例中，对所述目标边缘轮廓进行分段，并利用道格拉斯
‑
普克算法分别识别各分段曲线的特征点，得到一组有序的轮廓特征点，包括：
[0019]将所述目标边缘轮廓一分为二，得到两段曲线；
[0020]利用道格拉斯
‑
普克算法分别识别所述两段曲线的特征点，得到一组有序的轮廓特征点
。
[0021]在一个实施例中，对所述一组有序的轮廓特征点进行特征点分类，得到各轮廓特征点为直线特征点或圆弧特征点的分类结果，包括：
[0022]从所述一组有序的轮廓特征点中任取一轮廓特征点，并从该轮廓特征点开始对该组轮廓特征点按照顺序以每三个轮廓特征点为一组进行遍历，遍历过程中利用每组轮廓特征点均确定一个圆，并计算圆心和半径与该组轮廓特征点进行对应；
[0023]根据所计算的圆心和半径对各组轮廓特征点属于直线或圆弧的情况进行分类；
[0024]根据每组轮廓特征点属于直线或圆弧的分类结果确定该组轮廓特征点为直线特征点或圆弧特征点
。
[0025]在一个实施例中，根据所计算的圆心和半径对各组轮廓特征点属于直线或圆弧的情况进行分类，包括：
[0026]若连续若干组轮廓特征点对应的圆心坐标的偏差位于第一阈值范围内，且所述连续若干组轮廓特征点对应的半径的偏差位于第二阈值范围内，则确定所述连续若干组轮廓特征点属于圆弧，否则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于特征点分类的目标轮廓特征提取方法，其特征在于，包括：获取图像中的目标的外形轮廓图；基于八邻域追踪法对所述外形轮廓图进行边缘检测，得到目标边缘轮廓；所述目标边缘轮廓包括一组有序的边缘轮廓点；对所述目标边缘轮廓进行分段，并利用道格拉斯
‑
普克算法分别识别各分段曲线的特征点，得到一组有序的轮廓特征点；对所述一组有序的轮廓特征点进行特征点分类，得到各轮廓特征点分别为直线特征点或圆弧特征点的分类结果，并将该组轮廓特征点及其分类结果作为所提取的目标轮廓特征
。2.
根据权利要求1所述的基于特征点分类的目标轮廓特征提取方法，其特征在于，基于八邻域追踪法对所述外形轮廓图进行边缘检测，得到目标边缘轮廓，包括：利用霍夫变换检测所述外形轮廓图中的直线段；从检测到的直线中任取一条直线段，并从该直线段上的任一点开始利用八邻域追踪法依次检测所述外形轮廓图的轮廓特征点，得到目标边缘轮廓
。3.
根据权利要求1所述的基基于特征点分类的目标轮廓特征提取方法，其特征在于，对所述目标边缘轮廓进行分段，并利用道格拉斯
‑
普克算法分别识别各分段曲线的特征点，得到一组有序的轮廓特征点，包括：将所述目标边缘轮廓一分为二，得到两段曲线；利用道格拉斯
‑
普克算法分别识别所述两段曲线的特征点，得到一组有序的轮廓特征点
。4.
根据权利要求1所述的基于特征点分类的目标轮廓特征提取方法，其特征在于，对所述一组有序的轮廓特征点进行特征点分类，得到各轮廓特征点为直线特征点或圆弧特征点的分类结果，包括：从所述一组有序的轮廓特征点中任取一轮廓特征点，并从该轮廓特征点开始对该组轮廓特征点按照顺序以每三个轮廓特征点为一组进行遍历，遍历过程中利用每组轮廓特征点均确定一个圆，并计算圆心和半径与该组轮廓特征点进行对应；根据所计算的圆心和半径对各组轮廓特征点属于直线或圆弧的情况进行分类；根据每组轮廓特征点属于直线或圆弧的分类结果确定该组轮廓特征点为直线特征点或圆弧特征点
。5.
根据权利要求4所述的基于特征点分类的目标轮廓特征提取方法，其特征在于，根据所计算的圆心和半径对各组轮廓特征点属于直线或圆弧的情况进行分类，包括：若连续若干组轮廓特征点对应的圆心坐标的偏差位于第一阈值范围内，且所述连续若干组轮廓特征点对应的半径的偏差位于第二阈值范围内，则确定所述连续若...

【专利技术属性】
技术研发人员：左磊，李想，贾成刚，国晓博，禄晓飞，孙李斌，胡娟，卓娅玲，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：