一种噪声条件下图像尺度不变模式识别方法技术

一种噪声条件下图像尺度不变模式识别方法，包括针对特定物体图像即参考图像训练得到相关滤波器的训练阶段，利用得到的相关滤波器对待检物体进行识别的相关检测阶段两个分离的阶段。本发明专利技术的方法的噪声估计能够随噪声信噪比的变化而自适应变化，具有很好抗噪性。这种方法的原理主要是利用与图像的重要结构相关的本征模态函数可以对图像进行重构，因此可以利用一些特定层（本征模态函数）构造相关滤波器达到尺度不变模式识别；而噪声在各层本征模态函数上的分布具有一定的规律，因此可以利用噪声的这种分布规律达到去噪的目的。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理方法。特别是一种利用计算机在噪声条件下的图像 中检测、识别不同尺度物体的方法。
技术介绍
模式识别的一个主要目的就是研究能够进行畸变不变识别的方法(例如对输入 物体畸变不敏感的检测方法)。图像处理中，三个很典型的物体畸变是平移、旋转和尺度变 化。人们针对这三种畸变进行了大量的研究，已经提出了一些获得畸变不变检测的方法。这 些方法大多数是基于相关滤波器的思想。图像中物体的平移，可以利用傅里叶谱很容易的 检测到。图像中物体在平面中旋转，则其傅里叶谱也会产生相应的旋转并且是以2 π为周 期，所以可以利用圆形调和函数(圆形谐振函数)进行检测。而图像中物体的尺度变化，由 于没有明显的特征(例如像旋转的周期性)，因此物体的尺度不变检测具有更大的难度。基于相关滤波器的尺度不变相关检测方法是进行物体尺度不变检测的主要研究 内容，主要包括基于梅林径向调和函数(Mellin radial harmonic function)的径向调和 滤波器(Radialharmonic filter)、仅相位径向调和滤波器(Phase-only radial harmonic filter)、仅相位对数径向调和滤波器(Phase-only logarithmic radial harmonic filter)、分数能量径向调和滤波器(fractionalpower radial harmonic filter)等。但 是这些方法输出的相关峰值受尺度变化因子的影响并不稳定，并且对背景噪声非常敏感， 这些方法的检测性能受到很大的限制。基于小波变换的径向调和滤波器可以去掉一部分高 频噪声，但它的最大缺点是必须事先指定小波基函数，而不同的基函数却导致不同的检测 结果。
技术实现思路
本专利技术的目的在于提供一种噪声估计能够随噪声信噪比的变化而自适应变化，具 有很好抗噪性的噪声条件下图像尺度不变模式识别方法。本专利技术的目的是这样实现的包括针对特定物体图像即参考图像训练得到相关滤波器的训练阶段，利用得到的 相关滤波器对待检物体进行识别的相关检测阶段两个分离的阶段；(1)所述训练阶段包含以下步骤1)利用经验模态分角军(the bidimensional empirical mode decomposition BEMD)技术来分解特定物体图像f(x，y)，得到物体的各层本征模态函数？1 (intrinsic mode functions :IMF)和残余分量 R ；2)将第一层IMF即高频分量F1，进行梅林径向调和分解，得到径向调和分量；3)选取某一阶径向调和分量，构造径向调和相关滤波器；(2)所述相关检测阶段包含以下步骤1)对待识图像g(x，y)进行经验模态分解，得到分解后的本征模态函数Fi ；2)求的各级本征模态函数的能量，并以此来估计图像中噪声的含量；3)求得本征模态函数能量最小的层j ；4)去掉小于j的本征模态函数，利用剩下的本征模态函数来重构图像；5)利用拉普拉斯高斯方法求重构图像的边缘Edge(ReSid(g))；6)利用径向调和相关滤波器与上式进行相关操作，得到二维相关输出；7)利用相关输出峰值进行尺度不变模式识别的判决，取自相关峰值的60%作为 判决阈值，若互相关峰值大于参考图像的自相关峰值的60%，则待检图像g (X，y)为已知图 像f (χ，y)的尺度变化版本；否则图像g(x，y)不是图像f (χ，y)的尺度变化版本。本专利技术利用物体(图像模式)的高频分量来构造相关滤波器以及检测待检模式。 包括一个噪声估计过程，可以依据待检图像中含噪量(信噪比)自动选择去除的本征模态 函数的个数，可以适应噪声变化。本专利技术的原理说明如下若图像f(x，y)以及它的傅里叶变换为W(G)1, ω2)，则其尺度变化版图像为g(x，y) =f(ax, ay)且其相应的傅里叶变换为G(叫爲)=呌，ifi>2)。在尺度图像相关a a a操作中，低频成分的贡献很小，中高频起主要作用。和小波变换类似，经验模态分解可以看 做是一个滤波器组，而且其产生的各阶本征模态函数是从高频到低频逐渐展开的过程，即 第一层本征模态函数包含图像中的高频信息，最后一层本征模态函数包含图像中的最低频 率信息。因此将f(x，y)的第一层本征模态函数作径向调和分解后构造径向调和相关滤波 器。在检测时，同样取待检图像的第一层本征模态函数作为相关滤波器的输入，利用相关滤 波器产生的输出平面上的相关峰的强度以及相关峰的位置，就可以检测出经过尺度变化的 参考图像模式以及在检测图像中的位置。但是一般情况下，待检图像当中通常都含有噪声， 而径向调和相关滤波器对噪声较敏感，因此必须进行降噪处理。正常没有噪声的图像，一般 情况下从低频到高频，能量逐渐减少；高斯白噪声信号能量分布正好相反，从低频到高频的 能量逐渐增加。因此，若待检图像中包含了噪声，可以利用经验模态分解的结果，在各个模 态能量的分布中寻找能量发生突变的点j (发生突变的模态层j，小于j的层噪声成分占优， 大于j的层图像成分占优)。在原图像中减去噪声占优的层，利用图像成分占优的层重构图 像，就可以达到去噪的效果，而且去噪的层数和图像中的含噪量有关(受信噪比影响)，这 一去噪过程是一种自适应的过程。对待检含噪图像去噪重构之后，利用边缘信息(高频成 分)，作为径向调和滤波器的输入，求的二维相关输出，利用相关输出峰值就可以检测尺度 变化的图像(模式)。本专利技术是一种噪声条件下的图像尺度不变模式识别方法。克服了现有基于径向 调和滤波器的尺度不变模式识别算法输出的相关峰受尺度因子的影响以及对噪声的敏感 性。该方法的噪声估计能够随噪声信噪比的变化而自适应变化，具有很好抗噪性。这种方 法的原理主要是利用与图像的重要结构相关的本征模态函数可以对图像进行重构，因此可 以利用一些特定层(本征模态函数)构造相关滤波器达到尺度不变模式识别；而噪声在各 层本征模态函数上的分布具有一定的规律，因此可以利用噪声的这种分布规律达到去噪的 目的。附图说明图1是训练过程产生径向调和相关滤波器的流程图。图2是检测过程尺度不变模式识别方法检测待识图像的流程图。图3是确定待识图像含噪量以及确定去噪层数和图像重构的流程图。具体实施例方式下面结合附图对本专利技术做更详细的描述本方法包括两个分离的阶段(1)针对特定物体图像(参考图像)训练得到相关 滤波器；(2)利用得到的相关滤波器对待检物体进行识别。如图1，训练阶段包含以下步骤1)利用经验模态分角军(the bidimensional empirical mode decomposition BEMD)技术来分解特定的物体f(x，y)(通常称为参考图像)，得到物体的各层本征模态函数 Fi (intrinsicmode functions :IMF)禾口残余分量 R ；本文档来自技高网...

【技术保护点】

【技术特征摘要】
一种噪声条件下图像尺度不变模式识别方法，包括针对特定物体图像即参考图像训练得到相关滤波器的训练阶段，利用得到的相关滤波器对待检物体进行识别的相关检测阶段两个分离的阶段；其特征是(1)所述训练阶段包含以下步骤1)利用经验模态分解技术来分解特定物体图像f(x，y)，得到物体的各层本征模态函数Fi和残余分量R；2)将第一层IMF即高频分量F1，进行梅林径向调和分解，得到径向调和分量；3)选取某一阶径向调和分量，构造径向调和相关滤波器；(2)所述相关检测阶段包含以下步骤1)对待识图像g(x，y)进行经验模态分解，得到分解后的本征模态函数Fi；...

【专利技术属性】
技术研发人员：尹清波，张汝波，申丽然，李雪耀，徐东，刘冠群，聂东虎，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：93