[发明专利]基于轮廓分割的仿射不变特征提取方法

说明书

技术领域

本发明涉及一种用于基于轮廓分割的仿射不变特征提取方法，属于计算机视觉技术领域。

背景技术

现代社会网络已经成为人们常用的工具，但是随着信息量的不断增大，如何在浩如烟海的网络信息海洋中寻找到所需的信息是现代网络检索技术所面临的巨大问题。目前较为成熟的检索工具均以文本为检索关键词，但是在进行图像搜索时，使用文本为检索词具有较大的主观性并很难对图像进行全面描述，所以希望可以通过图像能容进行直接检索。实际上，基于内容的图像检索工具现在还很不成熟，并且准确率较低，主要原因是计算机视觉与人的直觉感受有很大的差距。而在图像形状的特征提取方法中，基于形状轮廓的特征提取方法所描述的目标特征最为接近人的直觉感受，现在已得到了广泛的应用。傅里叶描述符在基于形状轮廓的特征提取方法中具有很好的表现，实验证明该类方法对形状平移、尺度、旋转变换具有不变性，并且计算复杂度较低，所以在实际中基于傅里叶变换的特征提取算法得到了广泛的应用。仿射变换是形状的一种常见变换，但是对于一般的傅里叶描述符对仿射变换不具有鲁棒性，这样降低了方法在图像检索应用中的准确度。

发明内容

针对现有技术的不足，本发明针提供一种基于轮廓分割的仿射不变特征提取方法。

一种基于轮廓分割的仿射不变特征提取方法，包括以下步骤：

第一步，分割目标物体形状，提取形状的轮廓，对形状轮廓进行等面积采样，用N个点表示形状轮廓。

第二步，选择轮廓上任意一点作为起点，对形状轮廓上所有点以逆时针方向编号确定次序，其中该起点为轮廓点1，以下的点依次为2、3…N。

第三步，将轮廓等点数分割成K部分。在轮廓上选择轮廓点1为分割起点，并记该点为分割点1，从该点开始逆时针对轮廓等点数分割，其中距离分割点1最近的分割点记为分割点2，依次类推直到最后一个分割点次序为分割点K。直线连接起点与各个分割点，得到起点与各个分割点间的连线；依次计算分割起点和分割点2连线与轮廓边沿围成区域的面积、两相邻连线与其对应的分割点间形状轮廓所围成的区域的面积以及分割起点和第K个分割点的连线与两点间形状轮廓围成区域的面积；按以上顺序计算的面积成一个有序数列。

第四步，在轮廓上选择轮廓点2作为分割起点，重复第三步的计算过程，得到轮廓点2对应的面积值有序数列；直至轮廓上所有的轮廓点均被计算一遍，得到所有轮廓点对应的面积值有序数列。

第五步，将所有轮廓点对应的面积值有序数列组成一个矩阵，矩阵的每一列对应着一个轮廓点的面积值有序数列，对该矩阵进行正规化，经正规化后的矩阵称为形状签名矩阵。

第六步，形状签名矩阵的每一行数值，都是一个离散函数；对每一个离散函数做离散傅里叶变换，得到的傅里叶系数组成一个矩阵，即形状特征矩阵。

本发明中，参数K，即形状分割区域的数目，是一个较为关键的值。图7中对比了不同K值图像检索中的表现情况，下表是K在取不同值时的特征提取所需时间和检索准确度表。可以看出K＝12时可以最好的平衡运行速度和检索准确度。

本发明在不但具有傅里叶描述符的通用性质，即具有平移、尺度、旋转不变性，并且所提取的形状特征对于形状的仿射变换具有较强的鲁棒性，同时在检索方面的查全率和查准率也高于一般的傅里叶描述符。

附图说明

图1是飞机图像

图2是形状轮廓提取示意图。

图3是形状轮廓点等面积采样示意图。

图4a是轮廓分割且分割起点与分割点连线在形状内部面积计算示意图。

图4b是轮廓分割且分割起点与分割点连线不在形状内部面积计算示意图。

图5a是苹果原始图像。

图5b是原始图像形状签名矩阵表示图。

图5c是原始图像形状特征矩阵表示图。

图6a是苹果仿射图像。

图6b是仿射图像形状签名矩阵表示图。

图6c是仿射图像形状特征矩阵表示图。

图7是不同参数K下本发明特征提取方法在MPEG-7Shape CE-1图像库中检索的表现。

图8是不同傅里叶描述符与本发明方法在MPEG-7Shape CE-1图像库中检索表现的对比。

图9是本发明基于轮廓分割的仿射不变特征提取算法的框架示意图。

图10是本发明基于轮廓分割的仿射不变特征提取算法的整体流程图。

具体实施方式

实施例：