专利名称：特征值提取方法及系统的制作方法
特征值提取方法及系统技术领域：
本发明涉及图像处理领域，特别涉及一种图像的特征值提取方法及系统。背景技术：
表面质量的好坏是工业产品的一项重要衡量指标，各种产品表面质量的检测与控制技术已经成为国内外学者研究的热点课题。
在现有技术中，常采用自动视觉检测系统来进行产品表面质量的检测。自动视觉检测系统被定义为用计算机来模拟人的视觉功能，自动的从客观事物的图像中提取信息， 进行处理并加以理解，最终用于实际检测，测量和控制。一个典型的自动视觉检测系统包括光源、光学系统、图像采集系统、数字图像处理以及智能判断决策模块等等。在具体进行产品表面质量的检测时，系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号，然后转变成数字化信号传送给专用的图像处理系统，根据像素分布、亮度和颜色等信息，进行各种运算来抽取目标的特征，根据预设的容许度和其它条件输出判断结果。
但是在实现本发明的过程中，发明人发现现有技术至少存在以下问题由于具体检测的产品表面不同，对所述自动视觉检测系统的要求也不同，比如用于织物表面瑕疵在线检测的装置，由于织物流水线的高速运动，图像采集的速度可能高达每秒100到200帧左右，那么就需要要求图像处理的速度要等于甚至快于图像采集的速度，而图像处理的速度很大程度上决定于在图像中提取目标的特征的计算速度，而如何实现快速提取目标的特征以便满足系统的实时性需求是现有技术中的一大难题。
发明内容
本发明的目的在于提供一种特征值提取方法及系统，所述特征值提取方法及系统可以更加快速地提取各个像素点的特征值。
为了达到本发明的目的，根据本发明的一个方面，本发明提供一种特征值提取方法，所述方法包括对输入图 像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度；对输入图像的行和列分别进行一维卷积计算以获得各个有效点的垂直梯度；分别计算各个有效点的水平梯度平方值、水平梯度与垂直梯度的乘积和垂直梯度平方值；分别累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和；根据所述窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和计算当前有效点的特征值。
进一步地，所述对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度包括
按行利用第一卷积核进行一维卷积计算，设当前有效点的像素值为g(x，y)，第一卷积核为(fl、f2.....fM)，则按行利用第一卷积核进行一维卷积计算为
权利要求
1.一种特征值提取方法，其特征在于，所述方法包括 对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度； 对输入图像的行和列分别进行一维卷积计算以获得各个有效点的垂直梯度； 分别计算各个有效点的水平梯度平方值、水平梯度与垂直梯度的乘积和垂直梯度平方值； 分别累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和； 根据所述窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和计算当前有效点的特征值。
2.根据权利要求1所述的特征值提取方法，其特征在于，所述对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度包括 按行利用第一卷积核进行一维卷积计算，设当前有效点的像素值为g(x，y)，第一卷积核为(fl、f2.....fM)，则按行利用第一卷积核进行一维卷积计算为
3.根据权利要求2所述的特征值提取方法，其特征在于，所述对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度或垂直梯度还包括 所述按行进行一维卷积计算的计算结果采用先入先出缓冲队列结构存储，当输入图像中的第(当前卷积核大小-1)行的按行进行一维卷积的计算过程完毕以后，开始按列进行一维卷积的计算过程。
4.根据权利要求1所述的特征值提取方法，其特征在于，所述以当前有效点为中心的预定大小窗口是指以当前有效点为中心点的N*N窗口，N为大于等于3的奇数， 所述分别累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和包括 将以当前有效点为中心的预定大小窗口内的各行有效点的水平梯度平方值分别累计后存入一先入先出缓冲队列结构，然后再按列进行累计以获得所述水平梯度平方值和； 将以当前有效点为中心的预定大小窗口内的各行有效点的水平梯度与垂直梯度的乘积分别累计后存入另一先入先出缓冲队列结构，然后再按列进行累计以获得所述水平梯度与垂直梯度的乘积和； 将以当前有效点为中心的预定大小窗口内的各行有效点的垂直梯度平方值分别累计后存入再一先入先出缓冲队列结构，然后再按列进行累计以获得所述垂直梯度平方值和。
5.根据权利要求1所述的特征值提取方法，其特征在于，所述根据所述窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和计算当前有效点的特征值包括 根据如下公式计算当前有效点的特征值T(x, y)
6.一种特征值提取系统，其特征在于，其包括 水平梯度计算模块，对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平梯度； 垂直梯度计算模块，对输入图像的行和列分别进行一维卷积计算以获得各个有效点的垂直梯度； 第一乘法模块，计算各个有效点的水平梯度平方值； 第二乘法模块，计算各个有效点的水平梯度与垂直梯度的乘积； 第三乘法模块，计算各个有效点的垂直梯度平方值； 第一累计模块，累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度平方值和； 第二累计模块，累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度与垂直梯度的乘积和； 第三累计模块，累计以当前有效点为中心的预定大小窗口内的各个有效点的垂直梯度平方值和；特征值计算模块，根据所述窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和计算当前有效点的特征值。
7.根据权利要求6所述的特征值提取系统，其特征在于，所述水平梯度计算模块包括第一按行卷积单元和第一按列卷积单元， 所述第一按行卷积单元按行利用第一卷积核进行一维卷积计算，设当前有效点的像素值为g(x，y)，第一卷积核为(H、f2.....fM)，则按行利用第一卷积核进行一维卷积计算为
8.根据权利要求7所述的特征值提取系统，其特征在于，所述第一按行卷积单元和第二按行卷积单元按行进行一维卷积计算的计算结果采用先入先出缓冲队列结构存储，当输入图像中的第(当前卷积核大小-1)行的按行进行一维卷积的计算过程完毕以后，所述第一按列卷积单元和第二按列卷积单元开始按列进行一维卷积的计算过程。
9.根据权利要求6所述的特征值提取系统，其特征在于， 所述第一累计模块将以当前有效点为中心的预定大小窗口内的各行有效点的水平梯度平方值分别累计后存入一先入先出缓冲队列结构，然后再按列进行累计以获得所述水平梯度平方值和；所述第二累计模块将以当前有效点为中心的预定大小窗口内的各行有效点的水平梯度与垂直梯度的乘积分别累计后存入另一先入先出缓冲队列结构，然后再按列进行累计以获得所述水平梯度与垂直梯度的乘积和； 所述第三累计模块将以当前有效点为中心的预定大小窗口内的各行有效点的垂直梯度平方值分别累计后存入再一先入先出缓冲队列结构，然后再按列进行累计以获得所述垂直梯度平方值和。
10.根据权利要求6所述的特征值提取系统，其特征在于，所述特征值计算模块根据如下公式计算当前有效点的特征值T(X, y)
全文摘要
本发明揭露了一种特征值提取方法及系统，所述方法包括对输入图像的行和列分别进行一维卷积计算以获得各个有效点的水平和垂直梯度；分别计算各个有效点的水平梯度平方值、水平梯度与垂直梯度的乘积和垂直梯度平方值；分别累计以当前有效点为中心的预定大小窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和；根据所述窗口内的各个有效点的水平梯度平方值和、水平梯度与垂直梯度的乘积和和垂直梯度平方值和计算当前有效点的特征值。本发明通过可以并行运算的两次一维卷积过程运算实现了原本二维卷积运算的效果，使得能够更加快速地对输入的每一个像素点计算其所代表的窗口具有的特征值。
文档编号G06T7/00GK103020951SQ20111030323
公开日2013年4月3日 申请日期2011年9月26日 优先权日2011年9月26日
发明者柴志雷, 任小龙, 高卫东, 刘基宏, 潘如如, 梁久祯, 张平, 钟传杰 申请人:江南大学