专利名称：基于目标轮廓特征的图像识别方法
技术领域：
本发明涉及一种基于目标轮廓特征的图像识别方法，属于机器视觉领域图像定位算法，特别针对有交错的重复目标的图像定位。
背景技术：
图像识别是图像识别领域中的重要问题，在现代自动化设备中起着关键作用，是利用机器视觉进行闭环自动控制的系统中不可或缺的组成部分。图像识别系统需要实时的从场景图像中识别出所有与给定模板图像相匹配的目标图像，其识别效率、可靠性、鲁棒性直接影响到整个自动化设备的性能。目前流行的商业图像识别系统，都已成功应用于工程实践。然而这些系统对单目标图像识别比较完善，在处理多目标图像识别时尚存在不少问题亟待解决。特别的，当场景中目标之间存在交错现象时，现有的模板识别方法不能正确反映目标的匹配程度，使得识别正确率大大降低。因此，对多目标图像识别算法进行研究，使其能够处理目标图像间的交错现象是提高当前多目标图像识别的鲁棒性，扩大其应用范围亟待解决的问题。针对上述问题，本发明提出了一种新的基于物体轮廓特征的图像识别方法。该方法首先对模板进行分析处理，得到最小类间距离，在对场景图像的搜索过程中，利用该最小类间距离以及优化过程中形成的适应度图景建立高斯混合模型，通过该模型指导进化，提高了搜索效率，增强了系统识别的实时性，在目标图像存在重叠的情况下也能够保证准确定位。
发明内容
本发明着重解决交错重复目标的识别定位问题，具体技术方案如下
目前，工程实用的图像识别方法可以分为两类，一是基于灰度的模板匹配方法，一是基于特征的识别方法。由于基于特征的图像识别方法在提取实时场景图像特征的过程中耗时太多，无法满足实时性要求较强的应用场合，所以在工业自动化应用中一般采用基于灰度的模板匹配方法。通常用模板来表示待搜索目标，使用某种距离度量来衡量两幅图像之间的相似度。识别过程就是在场景图像中的搜索过程，即利用相似度度量来寻找与模板相匹配的目标子图像。根据距离度量以及搜索算法的不同形成了各种不同的算法。其中最常用的是基于象素差的绝对值和的相似度标准，即
Af Af
I/{14(I./I — TiU) I . M (L -1)]；)I! _
其中，^为给定的场景图像'T为模板图像，大小为MXM 为S中欲与T匹配的子图像，{i，j)为Suj的左上角在S中的坐标'L为图像灰度级。多目标图像识别需要实时的从场景图像中识别出所有与给定目标相匹配的目标图像。如图I所示，(a)为实时拍摄的一幅场景图像，(b)为从场景图像中选择的一幅模板，、其中包含了我们感兴趣的待识别菱形物体，要求识别出当前场景中的所有的菱形物体并确定其坐标。本发明的目标轮廓特征提取方法
在模板匹配方法中，采用模板来表示识别目标，实际上是扩大了识别限制。如图I所示，采用模板识别时，由于场景图像中菱形物体排列紧密，因此生成的每幅包含菱形物体的子图像都会受其周围菱形物体的干扰，影响了识别的质量。由于通常关心的只是模板中的识别目标，对于目标周围的对象并不关心，因此，采用整个模板匹配来代替目标识别是值得商榷的。 为此，本发明给出了用目标的轮廓特征代替模板进行识别的方法。目标的轮廓特征是由模板图像中描述目标的点组成的集合，用处表示，这样模板Γ与目标子图像之间的相似度变为
权利要求
1.一种基于目标轮廓特征的图像识别方法，根据目标的轮廓特征而非整个模板计算相似度，并据此对模板进行分析得到最小类间距离，其特征步骤描述如下 a.对模板图像进行去噪处理； b.将其进行二值化处理以消除噪音的影响，其中I表示感兴趣的目标象素，O表示非目标象素； C.建立模板图像r关于{U，V)的扩展图像，其扩展图像定义为
2.根据权利要求I中用目标的轮廓特征代替模板进行识别的方法，其相似度公式如下 目标的轮廓特征是由模板图像中描述目标的点组成的集合，用处表示，这样模板7与目标子图像之间的相似度变为
3.根据权利要求1，基于目标轮廓特征的图像识别方法的搜索算法特征步骤描述如下 a.设定种群规模见种群规模的设定可
全文摘要
一种基于目标轮廓特征的图像识别方法，根据目标的轮廓特征而非整个模板计算相似度，并据此对模板进行分析得到最小类间距离，在搜索过程中，结合最小类间距离及适应度对群体进行划分，并通过局部搜索快速得到局部极值。图像识别是工业自动化领域中的重要课题，特别是当目标之间存在交错时，如何有效的识别多个目标是亟待解决的问题。本发明有效提高了搜索效率，保证了识别的实时性。将这种方法应用于半导体检测及生产设备机器视觉系统中，能够高效准确地识别定位场景图像中的多个重复目标。
文档编号G06K9/54GK102708367SQ20121014573
公开日2012年10月3日 申请日期2012年5月11日 优先权日2012年3月11日
发明者姜凯 申请人:无锡派图半导体设备有限公司