野外勘探机器人目标识别特征提取方法
【技术领域】
[0001]本发明涉及图像处理领域，具体涉及一种野外勘探机器人目标识别特征提取方法。
【背景技术】
[0002]现有技术中，目标识别过程包括以下流程:
[0003](I)图像的采集:该过程主要是通过光感或者红外摄像头采集图像数据，并且把这些数据数字化，使之成为一幅数字图像；
[0004](2)图像的预处理:一般来说，从摄像头中直接采集来的数字图像往往会被许多不同类型不同程度的噪声干扰，这些噪声不单单是摄像头在采集过程中的电流噪声，还有外界的天气环境造成的影响，例如灰尘，不同程度的光照影响，还有雨天雨滴的干扰，都会降低采集得来的图片质量，使后续步骤受到影响，由此一些相应的算法也陆续被研宄出来。例如，要去掉电流噪声和微笑灰尘的影响，一般采取中值滤波或者低通滤波。如果光照不均匀，可以采用相应的光照补偿算法；
[0005](3)目标定位:就是在一幅自然图像中找到目标区域；
[0006](4)特征提取:采用各种方法对图像进行变化和选择，计算出数据并把该数据作为该目标的表示。相比较于目标识别的其他步骤，特征提取具有很强的启发性，往往并没有什么很通用的算法，因为要识别的图像多种多样，每一个要识别的目标都有它独一无二的特征，往往需要针对某一类图像的特点采取对应的方法；
[0007](5)模式识别:这是识别过程的最后一步，目的是根据提取出来的图片特征分析出这是不是待检测目标。
[0008]对于野外环境中，目标繁多且复杂，现有技术常规的特征提取方法往往具有识别率低、稳定性差的缺陷。
【发明内容】
[0009]本发明旨在提供一种野外勘探机器人目标识别特征提取方法，方法克服现有方法在野外复杂背景下物体识别率不高的缺陷，提高了复杂背景下物体的识别率。
[0010]本发明的技术方案如下:一种野外勘探机器人目标识别特征提取方法，包括以下步骤:
[0011]A、输入经灰度处理的待识别图像；
[0012]B、预设多个尺度的canny算子，对待检测图提取不同尺度下的边缘矩阵图；
[0013]C、采用多尺度融合的方法，得到融合边缘矩阵图；
[0014]D、把融合边缘矩阵图转换成一维向量；
[0015]E、对一维向量用主成份分析算法做降维处理，得到特征向量；
[0016]F、对特征向量采用支持向量机进行识别，得到目标物体。
[0017]优选地，所述步骤B中canny算子的尺度为[1，2，3，4，5]。
[0018]优选地，所述步骤D具体为:从第二行起，依次将各行向量拼接于上一行的末尾，
转变为一维向量。
[0019]优选地，所述步骤E中主成份分析中选取其贡献度大于95%的成分。
[0020]本发明技术方案的创新点在于运用多尺度canny算子进行边缘提取，并使用多尺度融合方法经可能保留了目标物体边缘而抑制纹理边缘，把该边缘作为特征向量可大大提供识别的准确率。
【附图说明】
[0021]图1为本发明野外勘探机器人目标识别特征提取方法流程图
[0022]图2为本发明实施例1多尺度canny算子边缘矩阵图
[0023]图3为本发明实施例1融合边缘矩阵图
【具体实施方式】
[0024]下面结合附图和实施例具体说明本发明。
[0025]实施例1
[0026]如图1所示，本实施例野外勘探机器人目标识别特征提取方法包括以下步骤:
[0027]A、输入经灰度处理的待识别图像；
[0028]B、预设多个尺度的canny算子，对待检测图提取不同尺度下的边缘矩阵图；如图2所示；
[0029]C、采用多尺度融合的方法，得到融合边缘矩阵图；如图3所示；
[0030]步骤B、C中多尺度canny算子及多尺度融合方法采用如下文献中记载的方法:
[0031]Canny, J., A Computat1nal Approach To Edge Detect1n,IEEE Trans.PatternA nalysis and Machine Intelligence，8 (6):679 - 698，1986
[0032]D、把融合边缘矩阵图转换成一维向量；
[0033]所述转换为从第二行起，依次将各行向量拼接于上一行的末尾，转变为一维向量;
[0034]E、对一维向量用主成份分析算法做降维处理，得到特征向量；
[0035]所述主成份分析算法做降维处理，采用如下文献中记载的方法:
[0036]Hotelling, H.(1933).Analysis of a complex of statistical variables intoprincipal components.Journal of Educat1nal Psychology,24，417 - 441，and 498 -520.
[0037]F、对特征向量采用支持向量机进行识别，得到目标物体；
[0038]所述采用支持向量机进行识别，采用如下文献中记载的方法:
[0039]Cortes, C.；Vapnik, V.(1995).^Support-vector networks'Machine Learning20(3):2730
【主权项】
1.一种野外勘探机器人目标识别特征提取方法，其特征在于包括以下步骤: A、输入经灰度处理的待识别图像； B、预设多个尺度的canny算子，对待检测图提取不同尺度下的边缘矩阵图； C、采用多尺度融合的方法，得到融合边缘矩阵图； D、把融合边缘矩阵图转换成一维向量； E、对一维向量用主成份分析算法做降维处理，得到特征向量； F、对特征向量采用支持向量机进行识别，得到目标物体。2.如权利要求1所述的野外勘探机器人目标识别特征提取方法，其特征在于: 所述步骤B中canny算子的尺度为[I, 2，3，4，5]。3.如权利要求1所述的野外勘探机器人目标识别特征提取方法，其特征在于:所述步骤D具体为:从第二行起，依次将各行向量拼接于上一行的末尾，转变为一维向量。4.如权利要求1所述的野外勘探机器人目标识别特征提取方法，其特征在于:所述步骤E中主成份分析中选取其贡献度大于95%的成分。
【专利摘要】本发明旨在提供一种野外勘探机器人目标识别特征提取方法，包括以下步骤：A、输入经灰度处理的待识别图像；B、预设多个尺度的canny算子，对待检测图提取不同尺度下的边缘矩阵图；C、采用多尺度融合的方法，得到融合边缘矩阵图；D、把融合边缘矩阵图转换成一维向量；E、对一维向量用主成份分析算法做降维处理，得到特征向量；F、对特征向量采用支持向量机进行识别，得到目标物体。本发明技术方案的创新点在于运用多尺度canny算子进行边缘提取，并使用多尺度融合方法经可能保留了目标物体边缘而抑制纹理边缘，把该边缘作为特征向量可大大提供识别的准确率。
【IPC分类】G06K9/62, G06K9/46
【公开号】CN104881672
【申请号】CN201510326088
【发明人】林川, 曹以隽, 张玉薇
【申请人】广西科技大学
【公开日】2015年9月2日
【申请日】2015年6月15日