一种基于阴阳离散点采样模型的图像分析方法技术

本发明专利技术公开了一种基于阴阳离散点采样模型的图像分析方法，首先，根据图像中待检测目标的类型、尺寸及噪声干扰程度选择采样算子、采样半径及邻域灰度均匀度评判阈值，然后再利用上述采样算子、采样半径及邻域灰度均匀度评判阈值对图像进行采样计算，得到相应的阴采样图和阳采样图，最后，在所述阴采样图和阳采样图中利用离散点编组方法探测相应的目标。本发明专利技术同时考虑了基于目标区域和基于目标边界两类方法的优势，用阴采样图获取目标图像中目标的边界信息，用阳采样图获取目标图像中目标的区域信息，阴、阳采样图共同反映了图像中目标区域向目标边缘的过渡过程，同时采样半径可以根据目标尺寸的变化进行切换，使得计算速度大幅提高，对目标的尺寸变化也有较强的适应性。

【技术实现步骤摘要】

本专利技术涉及数字图像分析的方法，尤其是涉及。
技术介绍
目前，用于目标检测的图像分析方法主要有(1)基于目标区域的方法直方图分割、各种取阈值技术、模板匹配、区域生长、分裂合并、各种区域滤波算子、水域分割等属于基于目标区域的方法，它常常要求图像本身要有较好的质量，目标区域和背景区域之间存在着某种可以度量的差异性，同时基于目标区域的方法通常要对感兴趣区域中的每一个像素点进行计算，运算量较大。(2)基于目标边界的方法各种边缘提取算子、边界闭合、细化、链码等属于基于目标边界的方法，它将关注焦点放在属于目标边界的边缘提取上，出现了许多边缘提取算子和方法，如Carmy算子、 SUSAN算子等等；同时对边缘如何形成边界也想了许多办法，如边界闭合、边界细化等等。 基于目标边界的方法存在一个悖论，即人们希望通过边缘的组合形成边界，再通过边界得到目标的轮廓，但如果不知道目标的轮廓，就无法断言那些边缘应该被组合近来。(3)基于边界约束条件的方法主动轮廓模型、分水岭、流形学习、偏微分方程等方法属于基于边界约束条件的方法，近年来得到广泛深入的研究，但由于计算复杂，运算量大，尚未在实时目标检测系统中得到广泛应用。
技术实现思路
本专利技术的目的在于提出，以含有待检测目标的数字图像为处理对象，通过在阴采样图或阳采样图中利用离散点编组方法探测相应的目标，解决目前方法中存在的计算速度低对目标的尺寸变化适应性不强的问题。本专利技术的技术方案具体为，根据图像中待检测目标的类型、 尺寸及噪声干扰程度选择适当的采样算子、采样半径及邻域灰度均勻度评判阈值，再利用多尺度离散点采样算子对图像进行采样计算，得到阴采样图或阳采样图，可以根据需要对得到阴阳采样图进行数次滤波，从而增强目标特征的显著性，最后在阴采样图和阳采样图中利用离散点编组方法探测相应的目标。其中，得到相应的阴采样图和阳采样图具体过程为(1)将数字图像中的像素采样离散点分为阴采样点和阳采样点两个集合，其具体划分原则为如果像素采样离散点位于灰度不均勻区域，则归入阴采样点集合，否则，如果像素采样离散点位于灰度均勻区域，归入阳采样点集合；4(2)获得多尺度离散点采样算子设一同心圆环的半径为r和R，其中R彡r+Ι，以半径r为采样半径，对全图进行采样计算，即每个采样点与其四连通方向上的采样点距离均为r。r和R的大小与待检测目标的类型和尺寸有关，用Cr和Ck两个同心圆中灰度差的绝对值累加和作为该点的邻域内灰度均勻度，同时应考虑本身内圆的灰度分布情况，于是得到当前离散点Pk点的相对邻域灰度均勻度U(Pk)计算方法，这样就得到了多尺度离散点采样算子权利要求1.，其特征在于，首先，根据图像中待检测目标的类型、尺寸及噪声干扰程度，选择采样算子及邻域灰度均勻度评判阈值ξ，然后再利用上述采样算子及邻域灰度均勻度评判阈值ξ对图像进行采样计算，得到相应的阴采样图和阳采样图，最后，对所述阴采样图和阳采样图利用离散点编组方法进行处理，从而探测相应的目标；其中，所述采样算子U(pk)具体为2.根据权利要求1所述的方法，其特征在于，所述利用采样算子及邻域灰度均勻度评判阈值对图像进行采样计算，得到相应的阴采样图和阳采样图的具体过程为(1)将图像中的像素采样离散点分为阴采样点和阳采样点两个集合，即如果像素采样离散点位于灰度不均勻区域，则归入阴采样点集合，否则，如果像素采样离散点位于灰度均勻区域，归入阳采样点集合；(2)根据图像中待检测目标的类型，利用所述采样算子对所述阴采样点集合或阳采样点集合进行采样，获得阳采样图或阴采样图，具体为3.根据权利要求1或2所述的方法，其特征在于，所述邻域灰度均勻度评判阈值ξ为韦伯-费赫涅尔系数。4.根据权利要求1-3之一所述的方法，其特征在于，本方法还可以包括对得到的阴采样图或阳采样图在编组前先进行数次滤波的步骤，以增强目标特征的显著性。5.根据权利要求1-4之一所述的方法，其特征在于，为增强所述阴采样图，可将获得阴采样图的采集算子修订为6.根据权利要求1-5之一所述的方法，其特征在于，待检测的图像若为非灰度图像，在检测前还包括将其转换为灰度图的步骤。全文摘要本专利技术公开了，首先，根据图像中待检测目标的类型、尺寸及噪声干扰程度选择采样算子、采样半径及邻域灰度均匀度评判阈值，然后再利用上述采样算子、采样半径及邻域灰度均匀度评判阈值对图像进行采样计算，得到相应的阴采样图和阳采样图，最后，在所述阴采样图和阳采样图中利用离散点编组方法探测相应的目标。本专利技术同时考虑了基于目标区域和基于目标边界两类方法的优势，用阴采样图获取目标图像中目标的边界信息，用阳采样图获取目标图像中目标的区域信息，阴、阳采样图共同反映了图像中目标区域向目标边缘的过渡过程，同时采样半径可以根据目标尺寸的变化进行切换，使得计算速度大幅提高，对目标的尺寸变化也有较强的适应性。文档编号G06T7/00GK102436659SQ201110349510公开日2012年5月2日 申请日期2011年11月7日 优先权日2011年11月7日专利技术者朱宗晓, 汪国有, 王敏, 胡彦冰 申请人:华中科技大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：朱宗晓，汪国有，胡彦冰，王敏，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：