一种多尺度图形识别方法
【技术领域】
[0001] 本发明涉及计算机图形科学技术领域，特别提供了一种用于采用视觉图像来识别 图像中图形或目标的多尺度图形识别方法。
【背景技术】
[0002] 图像识别是计算机应用领域中利用计算机对图像进行处理、分析和理解，以识别 各种不同模式的目标和对象的技术。对由视觉系统采集的图像进行目标识别的方法大都采 用特征匹配的方法，即首先提取图像的特征，然后与模板的特征进行比对，进而识别图像。 这就要求首先要了解图像的特点，之后才可以建立特征，对不同的图像需要建立不同的特 征表述，并没有统一的方法；而且这类方法的关键在于特征的表述上，如找不到表达图像的 本质特征，识别率会很低；并且在常用方法的识别中，要求待识别图像的方向大小一致。在 众多的研宄方法中，采用矩特征是典型的特征表述方法，如Hu不变矩、小波矩。如文献[1] 针对手背静脉识别系统的特征提取与匹配算法研宄问题，提出了一种基于几何形状和小 波矩的静脉特征提取与匹配方法。该方法结合了小波多尺度分析与不变矩的优点，即具有 小波多尺度分析反映信号局部信息的能力，同时也具备了不变矩的特点，提高了矩特征对 图像精密结构的把握程度[参见参考文献2-5]。但是矩特征要求图像比例一致，当采集 的图像不清晰、或图像受噪声干扰时，识别率会很低，鲁棒性差。子空间模式识别是近年来 模式识别领域中得到快速发展的一类方法，同时也在图像识别中得到了广泛的应用。子空 间方法将特征提取与特征分类进行了有机的结合[参见参考文献6-8]。如文献[9]采用 KPCA，KICAandSVM，进行分析。另一种与其类似方法为图像的过完备稀疏表示模型，稀疏 模型能较好地匹配人类视觉感知，因此图像的稀疏表示方法在图像中应用的越来越多。如 文献[10]采用稀疏表示的字典进行文字识别。但是子空间识别方法及稀疏表示的识别方 法，其实质是在二维图像上求取"基"的分解系数，以此为特征。图像的"基"与图像的二维 矩阵的存储形式直接相关，其方法只适用于图像的尺寸比例及旋转角度一致的情况。而采 用一些算子及梯度信息的方法，大都是对图像的边缘进行运算，缺乏图像的整体信息，识别 方法没有通用性。综上，为了提高识别率，保证识别速度，并且可以对识别的图像方向进行 判断，本发明提出一种多尺度图像识别方法，方法采用多尺度的判别，可以保证识别率，同 时进行向量移位对比，可以对图像的方向进行判断。
[0003] 参考文献说明如下：
[0004] [1]CUIJ,S0NGX1CHENG,etal.FeatureExtractionandMatchingofVein BasedonGeometricalShapeandWaveletMoment[J].JournalofNortheastern University(NaturalScience) ,2009, 30 (9) :1236-1240?(崔建江，宋星月，陈国坤等?基 于几何形状和小波矩的静脉特征提取与匹配[J].东北大学学报（自然科学版）.2009， 30(9) :1236-1240.)
[0005] [2]CUIP,PANQ,LIJ.ImageRecognitionUsingProjection-Based WaveletMoment[J].JournalofElectronicsandInformationTechnolo gy，2005, 27(11) :1774-1777.(崔培玲，潘泉，李军宏等.一种基于投影的小波矩及其在图 像识别中的应用[J].电子与信息学报.2005, 27(11) :1774-1777.)
[0006] [3]LIUY,Y0UZ,CA0L.AMultiresolutionImagerecognitionMethodUsing FisherTransformanditsApplicationtoCarTypeRecognition[J].Journalof ElectronicsandInformationTechnology, 2013, 25 (12) :1603-1611.(刘怡光，游志胜， 曹丽萍等.基于Fisher变换的多尺度图像识别方法及其车形识别应用[J].电子与信息学 报? 2013, 25(12) :1603-1611.)
[0007] [4]L0NGF,D0NGK1WANGB,etal.GaborRepresentationBasedProbabilistic SubspaceAnalysisforFaceRecognition[J].JournalofElectronicsand InformationTechnology, 2007, 29 (3) :626-630.(龙飞，董槐林，王备战等.一种基于 Gabor描述的概率子空间人脸识别方法[J].电子与信息学报，2007, 29 (3) :626-630.)
[0008] [5]LIAOL，ZHANGY，STEPHENJ，etal.VisualImagerecognitionvia two-dimensionalrandomprojectionandnearestconstrainedsubspace[J],Journal ofCommunicationandImageRepresentation, 2014, 25 (5) : 1187-1198?(题名：通过两维 随机投影和最近约束子空间进行视觉形象识别）
[0009] [6]MENGX1WANGZ,WUL.Buildingglobalimagefeaturesforscene recognition[J].PatternRecognition, 2012, 45 (I) :373-380.(题名：为场景识别建立全 局特征）
[0010] [7]LIUQ,LUH,MAS.ASurvey:SubspaceAnalysisforFaceRecognition[J]. ActaAutomaticaSinica, 2003, 29(6) :900-911?(刘青山，卢汉清，马颂德.综述人脸识别 中的子空间方法[J].自动化学报，2003,29(6) :900-911.)
[0011] [8]ZHANGY.Enhancedstatisticalanalysisofnonlinearprocessesusing KPCA，KICAandSVM[J].ChemicalEngineeringScience, 2009,64(5) :801-811?(题名：使 用核主成分分析，独立成分分析及支持向量机进行非线性的增强静态分析）
[0012] [9]WUJ1WANGJ,LIUL.FeatureextractionviaKPCAforclassificationof gaitpatterns[J].HumanMovementScience, 2007, 6 (3) :393-411.(题名：通过核主成分 分析对步态进行特征提取）
[0013] [10]ZHA0M,LIS1KffOKJ.Textdetectioninimagesusingsparse representationwithdiscriminativedictionaries[J].ImageandVision Computing, 2010, 28(12) : 1590-1599.(题名：通过稀疏表示和区分字典进行文字检测）
【发明内容】
[0014] 本发明的目的是提高识别率，并且对识别的图像进行方向的判别，特别提出一种 多尺度图形识别方法，依次采用如下步骤进行：图形中心归一化；形态学特征提取；图形角 度分析；图形多尺度识别；
[0015] 其中：形态学特征提取的具体要求为：采用固定大小的圆在图形内部动态移动， 遍历所有能够移动到的位置并且保证圆始终在图形内部，遍历不到的位置即剩余面积作为 图形的形态学特征图像。
[0016] 本发明所述图形角度分析具体依次采用如下步骤进行：
[0017] 步骤1，对形态学特征图像建立特征向量，计算其与模板向量的欧式距离，如式 (6)所示，f、m分别为图像的特征向量和模板向量，其中f(k)为图像特征向量第k个向量 值，m(k)为模板向量第k个向量值；
【主权项】
1. 一种多尺度图形识别方法，其特征在于：依次采用如下步骤进行： 图形中心归一化；形态学特征提取；图形角度分析；图形多尺度识别； 其中形态学特征提取的具体要求为：采用固定大小的圆在图形内部动态移动，遍历所 有能够移动到的位置并且保证圆始终在图形内部，遍历不到的位置即剩余面积作为图形的 形态学特征图像。
2. 按照权利要求1所述多尺度图形识别方法，其特征在于：图形角度分析依次采用如 下步骤进行： 步骤1，对形态学特征图像建立特征向量，计算其与模板向量的欧式距离，如式（6)所 示，f、m分别为图像的特征向量和模板向量，其中f(k)为图像特征向量第k个向量值，m(k) 为模板向量第k个向量值；
步骤2,每计算一次，重新构建一次特征向量，即在按照式（6)初次计算之后把特征向 量逐位移动获得一个新的特征向量，移位后再回到步骤1，重新计算欧式距离；移位位数不 同的各个新构建的特征向量表示为fn，n为移动的次数；重复上述过程借此能够获得一系列 特征向量并分别求取其各自对应的欧氏距离； 步骤3,求取与模板向量欧式距离最小的那个特征向量，以此特征向量移动的次数η来 确定待识别图像与模板图像的方向差，如式（7)所示，
3. 按照权利要求1所述多尺度图形识别方法，其特征在于：图形多尺度识别的具体要 求是：采用尺寸不同的圆多次进行形态学特征提取，建立多尺度的特征向量，并计算欧式距 离进行匹配。
4. 按照权利要求3所述多尺度图形识别方法，其特征在于：在建立多尺度的特征向量 时，只选用剩余面积变化大的圆进行形态学特征提取，具体要求如下： 首先，建立圆形半径与剩余面积的函数，数学表示如下：r表示圆形半径，y为在此圆形 半径下过滤后的剩余面积，剩余像素个数y = s(r); 其次，求取此剩余面积函数的梯度，数学表示如下：
(9) 如果s'（r) >T，则选定半径r2作为多尺度分析的圆形半径之一，其中T为梯度阈值； 最后，依据满足上述要求的所有被选定的用于形态学特征提取的圆形的半径，建立其 各自尺度下剩余面积的特征向量f\，f2，…fn，特征向量融合表示为如下： F=HjJ (IO)0
5. 按照权利要求1或3或4所述多尺度图形识别方法，其特征在于：对建立的特征向 量进行归一化处理，在对特征向量计算模板向量欧式距离匹配时，根据最小距离判断其所 属类别，要求距离值小于固定的阈值，如式（11)，其中D为预设的阈值，d(i)为与第i个模 板的距离；
如果d(i) < D，则认为图像为第i个模板的类别，如式（12)所示： if d{i)< D then i =d(i) (12)。
6.按照权利要求1或3或4所述多尺度图形识别方法，其特征在于：对图形的形态学 特征图像建立的特征向量具体为扇形特征向量，具体要求如下：图形的形态学特征图像以 中心点出发，每隔一定角度建立一个扇形区域，对扇形区域内的剩余面积的转动惯量，建立 一个特征向量；操作具体为：首先设步长为△ Θ，在图形中心建立扇形区域，则图形被划分 rI f (Λ 为N部分区域，iV = ，对每个分区计算剩余面积区域像素点转动惯量作为此扇区的特 ΔΘ 征值，即J= ΣπιΧι·2,其中m取为像素点的像素值，为了便于计算试验中像素值设定常量值 为I ;r为像素点到扇形中心的距离，设定扇形中心点为坐标（0,0)点，@
扇 形区域中剩余面积的像素点坐标为（X，y)，以此特征值建立特征向量f = IJ1,上…J1J。
【专利摘要】一种多尺度图形识别方法，其依次采用如下步骤进行：图形中心归一化；形态学特征提取；图形角度分析；图形多尺度识别；其中形态学特征提取的具体要求为：采用固定大小的圆在图形内部动态移动，遍历所有能够移动到的位置并且保证圆始终在图形内部，遍历不到的位置即剩余面积作为图形的形态学特征图像。本发明所述方法识别准确率高，所用时间较短；尤其需要强调的是，本发明采用多尺度的判别，可以保证识别率，同时可进行移位对比，还可以对图形的方向进行判断。具有可预期的较为巨大的经济价值和社会价值。
【IPC分类】G06K9-46
【公开号】CN104766085
【申请号】CN201510209038
【发明人】杨旗, 张玉璞
【申请人】沈阳理工大学
【公开日】2015年7月8日
【申请日】2015年4月29日