【技术实现步骤摘要】
本专利技术属于图像处理
，涉及图像轮廓特征的提取，可用于对图像或者图像序列中的目标进行识别，实现同一目标不同形态下目标的匹配和跟踪。
技术介绍
在图像处理领域，为了能够使计算机更好的理解图像，人们通常引入计算机视觉方法，其目的主要是为视觉的研究提供一种量化的手段，而在视觉应用领域，例如目标识另O、运动目标匹配跟踪、目标检测，其低层图像轮廓特征的提取起着至关重要的作用，并且由于图像在所处高维空间表现形式的多样性，结构的多样性以及图像所处环境的多样性，使得低层图像轮廓特征的提取具有很大的挑战性。但是在计算机视觉领域，一旦好的图像轮廓特征被提取，这对图像的利用起到事半功倍的作用。最近，由于高斯-埃尔米特矩在图像分析中取得的巨大成功，极大的促进了高斯-埃尔米特矩在计算机视觉领域里的广泛的应用。高斯-埃尔米特矩不仅对旋转变化、尺度变化、仿射变化具有不变性，同时还对噪声不敏感，特别是对于不同阶的高斯-埃尔米特矩，在空域上将反应不同的空域结构，如果用于图像轮廓特征的提取，将可以提取不同结构的轮廓特征，并且由于高斯-埃尔米特矩的正交性，使得基于高斯-埃尔米特矩提取的图像轮廓特征冗余性很小。但是过去高斯-埃尔米特矩常常使用于目标图像的重建，图像分割。在过去的二十多年里，各种各样的图像轮廓特征提取方法被提出，特别是目前使用得最为广泛的基于高斯差分的图像轮廓特征提取方法取得较好的结果，通过高斯差分方法提取的图像轮廓特征主要具有旋转不变性，尺度不变性以及一定程度上具有仿射变换不变性等优点，然而使用高斯差分方法对图像细节轮廓特征的提取仍然较为困难，且对有噪声的情况下，提取的...
【技术保护点】
一种基于高斯?埃尔米特矩的图像轮廓特征提取方法，包括如下步骤：(1)输入一幅目标图像I；(2)建立一个大小为5×5的坐标模板O；(3)利用坐标模板O，建立6个不同的基于高斯?埃尔米特矩的初始滤波器模板F1、F2、F3、F4、F5、F6；(4)分别对6个不同的初始滤波器模板进行归一化，获得六个归一化后的不同滤波器模板(5)使用滤波器模板与目标图像进行卷积操作，计算每个像素点(i,j)处的有向梯度，即使用获得的6个归一化后的不同的滤波器模板分别与目标图像I进行卷积，获得目标图像的在每个像素点处6个不同的初始有向梯度G1、G2、G3、G4、G5、G6；(6)利用获得的初始有向梯度求出目标图像在每个像素点处表示目标图像轮廓特的梯度幅值m和梯度方向θ，即获得目标图像的轮廓特征，其计算公式如下：m=Σk=13(Gk)2+Σk=46(Gk)2,θ=arctan(Σk=13(Gk)2Σk=46(Gk)2),其中，下标k表示初始有向梯度G1、G2、G3、G4、G5、G6的索引。FDA00003144044800011.jpg,FDA000031...
【技术特征摘要】
1.一种基于高斯-埃尔米特矩的图像轮廓特征提取方法，包括如下步骤: (1)输入一幅目标图像I; (2)建立一个大小为5X5的坐标模板O; (3)利用坐标模板O，建立6个不同的基于高斯-埃尔米特矩的初始滤波器模板h、F2、f3、f4、f5、f6 ； (4)分别对6个不同的初始滤波器模板进行归一化，获得六个归一化后的不同滤波器模板2.根据权利要求1所述的基于高斯-埃尔米特矩的图像轮廓特征提取方法，其中所述步骤(2)中的坐标模板O，表示如下:3.根据权利要求1所述的基于高...
【专利技术属性】
技术研发人员：韩红，刘三军，甘露，郭玉言，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。