检测图像中特定物体的方法和检测图像中特定物体的设备技术

本发明专利技术提供一种检测图像中特定物体的方法，包括：感兴趣区域估计步骤，在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域；特征确定步骤，确定所述感兴趣区域中物体的特征参数；物体能量确定步骤，根据物体的特征参数确定物体的能量；特定物体判别步骤，将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。本发明专利技术还相应地提供一种检测图像中特定物体的设备。

【技术实现步骤摘要】

本专利技术涉及一种检测图像中特定物体的方法和检测图像中特定物体的设备。
技术介绍
随着计算机技术的发展，在图像和视频的模式识别领域也有显著的进展，对检测图像中特定物体的技术的需求也越来越大，并且取得了一定成就。在模式识别领域，物体检测的效果依赖于关键特征或者关键特征组合的选取。近年来，大量的实用特征应用到物体检测领域中。基于单ー特征的识别分类方法一般会取得精度比较低、有很多误检、但是效率较高的识别結果。以云检测为例，基于单ー顔色特征的识别方法可以识别到大部分的云，但是同时有很多具有与云相似顔色的物体可能被误检成云。专利文件1(US 7，480，052B1)提出了基于电磁场频谱信息的在卫星云图中检测云的方法。在卫星云图中的某个区域，通过比较至少三个离散的电磁场频谱的带宽范围内的反射值，然后比较它们之间的比例值，从而获得云检测的判定結果。然而，专利文件I仅仅专门针对卫星云图，通过采用电磁场频谱反射值来确定云检测结果，因而不是一种广义范围的云检测方法，应用范围有限。非专利文件I(Classification of satellite cloud imagery based onmult1-feature texture analysis and neural networks, Christodoulou, C.1.；Michaelides, S. C. ；Pattichis, C. S. ；Kyriakou, K. ；Dept. of Comput. Sc1. , Univ. ofCyprus,Image Processing,2001,Proceedings,2001 International Conference,vol.1,497-500，基于多特征纹理分析和神经网络的卫星云图中的云分类方法，塞浦路斯大学)提出ー种区分不同云的分类方法。9种不同纹理特征集合(共包含55个特征)被提取出来，通过神经网络来训练有效的云分类器。非专利文件I中的纹理特征包含了边界、纹理等等特征，但是这些特征分开、独立地输入以用于神经网络训练。特征区分性有限，且处理较为复杂。
技术实现思路
鉴于现有技术中存在的上述问题而做出本专利技术，本专利技术提出一种基于能量模型的检测图像中特定物体的方法和检测图像中特定物体的设备。根据本专利技术实施例的ー个方面，提出了一种检测图像中特定物体的方法，包括感兴趣区域估计步骤，在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域；特征确定步骤，确定所述感兴趣区域中物体的特征參数；物体能量确定步骤，根据物体的特征參数确定物体的能量；特定物体判别步骤，将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。。根据本专利技术实施例的另ー个方面，提出了一种检测图像中特定物体的设备，包括感兴趣区域估计装置，在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域；特征确定装置，确定所述感兴趣区域中物体的特征參数；物体能量确定装置，根据物体的特征參数确定物体的能量；特定物体判别装置，将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。通过阅读结合附图考虑的以下本专利技术的优选实施例的详细描述，将更好地理解本专利技术的以上和其他目标、特征、优点和技术及エ业重要性。附图说明图1示出按照本专利技术实施例的检测图像中特定物体的方法的总体流程图。图2示出待处理图像的ー个示例。图3示意性地示出对图2所示待处理图像进行感兴趣区域估计处理后所估计的关于特定物体云的感兴趣区域。图4示出待处理图像的另ー个示例。图5示意性地示出对图4所示待处理图像进行感兴趣区域估计处理后所估计的关于特定物体云的感兴趣区域。图6示出对图2中的感兴趣区域提取物体外部边界特征參数的示意图。图7示出对图4所示的图像提取物体内部边界特征參数的示意图。图8示出按照本专利技术实施例的检测图像中特定物体的设备的总体框图。图9是示出按照本专利技术实施例的检测图像中特定物体的系统的总体框图。具体实施例方式下面结合附图描述本专利技术实施例。图1示出按照本专利技术实施例的检测图像中特定物体的方法的总体流程图。如图1所示，检测图像中特定物体的方法可以包括感兴趣区域估计步骤S100，可以在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域；特征确定步骤S200，可以确定所述感兴趣区域中物体的特征參数；物体能量确定步骤S300，可以根据物体的特征參数确定物体的能量；以及特定物体判别步骤S400，可以将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。在该感兴趣区域估计步骤SlOO中，可以将所述待处理图像划分为多个区域，获取各个区域的色彩特征，利用线性分类器分别判断各个区域是否符合所述特定物体的色彩特征，将符合所述特定物体的色彩特征的区域组合得到所述感兴趣区域。对于待检测的输入图像，或者称为待处理图像，可以在感兴趣区域估计步骤SlOO中对其进行初步检测，排除明显不具有要检测的特定的目标物体，即特定物体的图像，以降低此后处理过程的负担。初步检测可以基于形状、顔色、尺寸等等中的任何一种特征或多种特征的组合，通常，基于ー种単一特征的初步检测具有非常高的处理速度，能够大幅度減少待检测图像的数量，但是初步检测具有相对较低的检测率，会有一定量的实际上并非包含特定物体的图像通过该初步检测，进入此后的处理。假设在所述特定物体为云的情况下，在该感兴趣区域估计步骤SlOO中，可以将输入的待处理图像进行基于单ー顔色特征的云的初歩检测。云大体上可以分为白云、乌云、及朝霞晚霞等等类别，可以收集大量的关于各类云的正样本图像(云图像)和负样本图像(非云图像)，来训练分类器。基于颜色特征的云的检测可以利用线性分类器，该线性分类器可以通过提取足够多的正样本图像和负样本图像的RGB顔色特征，进而使用支持向量机(Support Vector Machine, SVM)训练而得到。感兴趣区域估计步骤SlOO对待处理图像的初歩判断可以针对各个像素逐一进行，然而，为了降低处理的复杂度，也可以将图像划分为相等大小的若干个矩形框，例如，将1024*768的图像分为32*27个矩形框，显然本专利技术实施例所能够处理的图像像素数目及划分矩形框的行列数目不限于此。经过对待处理图像的以像素或矩形框为单位的处理，在假定分类器将某个或某些上述単位判断为特定物体的情况下，假设特定物体为云，检测目标包括白云、乌云、朝霞晚霞,则待处理图像中含有云的区域和实际上不含有云但含有与云相似顔色的物体的区域可以被检测出来。图2示出待处理图像的ー个示例。通过上述感兴趣区域估计步骤SlOO对图2所示图像的处理，可以获得其关于特定物体的感兴趣区域。图3示意性地示出对图2所示待处理图像进行感兴趣区域估计处理后所估计的关于特定物体云的感兴趣区域，其中，把待处理图像划分为若干行列数目的矩形框，其中标注交叉线的矩形框区估计构成感兴趣区域，其中不含交叉线的矩形框ロ确定不涉及该特定物体。图4示出待处理图像的另ー个示例。通过上述感兴趣区域估计步骤SlOO对图4所示图像的处理，可以获得其关于特定物体的感兴趣区域。图5示意性地示出本文档来自技高网...

【技术保护点】
一种检测图像中特定物体的方法，包括：感兴趣区域估计步骤，在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域；特征确定步骤，确定所述感兴趣区域中物体的特征参数；物体能量确定步骤，根据物体的特征参数确定物体的能量；特定物体判别步骤，将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。

【技术特征摘要】
1.一种检测图像中特定物体的方法，包括 感兴趣区域估计步骤，在输入的待处理图像中，估计包含所述特定物体的区域，作为感兴趣区域； 特征确定步骤，确定所述感兴趣区域中物体的特征参数； 物体能量确定步骤，根据物体的特征参数确定物体的能量； 特定物体判别步骤，将所确定的物体的能量与预定阈值相比较，如果该物体的能量大于等于该预定阈值，则将该物体判别为所述特定物体。2.按照权利要求1所述的检测图像中特定物体的方法，其中， 在所述特征确定步骤中，所述特征参数包括物体外部边界特征参数和物体内部边界特征参数；以及 在所述物体能量确定步骤中，基于物体外部边界特征参数确定物体外部边界能量，基于物体内部边界特征参数确定物体内部边界能量，将物体外部边界能量和物体内部边界能量按预定权重相加，获得该物体的能量。3.按照权利要求1所述的检测图像中特定物体的方法，其中， 在所述感兴趣区域估计步骤中，将所述待处理图像划分为多个区域，获取各个区域的色彩特征，利用线性分类器分别判断各个区域是否符合所述特定物体的色彩特征，将符合所述特定物体的色彩特征的区域组合得到所述感兴趣区域。4.按照权利要求1所述的检测图像中特定物体的方法，还包括 排除步骤，根据感兴趣区域在所述待处理图像中的位置，排除不符合所述特定物体的位置特征的感兴趣区域。5.按照权利要求2所述的检测图像中特定物体的方法，其中，通过确定感兴趣区域中物体边界，提取其中的物体外部边界，根据该物体所占面积确定外部边界点数目，在物体外部边界上等距离设置外部边界点数目的外部边界点，确定外部边界点梯度的大小度量值和方向度量值，将外部边界点梯度的大小度量值和方向度量值及外部边界点数目作为物体外部边界特征参数。6.按照权利要求2所述的检测图像中特定物体的方法...

【专利技术属性】
技术研发人员：刘殿超，师忠超，钟诚，刘童，王刚，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：