[发明专利]从图像中检测对象的设备和方法

说明书

技术领域

本发明涉及视觉和模式识别领域。更具体地讲，涉及一种从图像中检测对象的设备和方法。

背景技术

对象检测是视觉技术中的一个重要技术，其在智能视频监视、基于内容的图像/视频检索、图像/视频注释、辅助的人机交互中有非常重要的应用。

对象检测主要基于经验的技术和基于学习的技术。基于经验的技术着眼于低层次图像特征，例如灰度、梯度等，利于预先设定的规则、门限等完成对象的提取和分割。根据所处理的数据不同，分为二维技术和三维技术。基于学习的技术利用较高层次的图像特征，例如纹理、小波、圆度等，使用训练集训练出分类器，而后在需要处理的图像上进行检测。

现有的对象检测技术主要存在如下问题：只针对特定应用场景中的于某一类或少数几类结果，不能扩展到形状、尺寸、外观不同的对象；现有技术不能精确提取目标边界和轮廓；现有技术速度慢，不能实时运行。

因此，需要一种能够克服上述至少一个缺点的对象检测方案。

发明内容

本发明的目的在于提供一种从图像中检测对象的设备和方法，以克服上述至少一个缺点。

本发明的一方面提供一种从图像中检测对象的设备，其特征在于，包括：显著区域检测器，从图像中检测显著区域；第一特征提取器，从检测的显著区域提取第一图像特征；第一识别器，利用第一分类器来基于提取的第一图像特征识别第一对象所在的区域；图像划分器，将图像划分为多个块；第二特征提取器，从分割的块提取第二图像特征；第二识别器，利用第二分类器来基于提取的第二图像特征识别第二对象所在的区域；提取器，基于第一对象所在的区域和第二对象所在的区域提取第二对象的轮廓。

可选地，提取器包括：候选区域产生单元，利用第一对象所在的区域和第二对象所在的区域之间的位置关系，生成候选区域；代价图生成单元，生成描述所述轮廓的可能位置的代价图；路径提取单元，从代价图中提取总代价最小的路径作为所述轮廓。

可选地，第二识别器将被分类为第二对象的块所组成的联通域之中的面积最大的联通域识别为第二对象所在的区域。

可选地，第一分类器是利用第一对象的样本集基于第一图像特征训练得到的，第二分类器是利用第二对象的样本集基于第二图像特征训练得到的，其中，在图像中，第二对象的尺寸大于第一对象的尺寸和/或包含第一对象。

可选地，第一对象的样本集是解剖结构中的特征组织的样本集，第二对象的样本集是解剖结构中的器官组织的样本集。

可选地，所述设备还包括：分割器，用于细化识别的第一对象所在的区域的边界。

可选地，图像划分器将图像划分为多个超像素作为所述多个块。

本发明的另一方面提供一种从图像中检测对象的方法，其特征在于，包括：从图像中检测显著区域；从检测的显著区域提取第一图像特征；利用第一分类器来基于提取的第一图像特征识别第一对象所在的区域；图像划分器，将图像划分为多个块；从分割的块提取第二图像特征；利用第二分类器来基于提取的第二图像特征识别第二对象所在的区域；基于第一对象所在的区域和第二对象所在的区域提取第二对象的轮廓。

可选地，基于第一对象所在的区域和第二对象所在的区域提取第二对象的轮廓的步骤包括：利用第一对象所在的区域和第二对象所在的区域之间的位置关系，生成候选区域；生成描述所述轮廓的可能位置的代价图；从代价图中提取总代价最小的路径作为所述轮廓。

可选地，将被分类为第二对象的块所组成的联通域之中的面积最大的联通域识别为第二对象所在的区域。

可选地，第一分类器是利用第一对象的样本集基于第一图像特征训练得到的，第二分类器是利用第二对象的样本集基于第二图像特征训练得到的，其中，在图像中，第二对象的尺寸大于第一对象的尺寸和/或包含第一对象。

可选地，第一对象的样本集是解剖结构中的特征组织的样本集，第二对象的样本集是解剖结构中的器官组织的样本集。

可选地，所述方法还包括：用于细化识别的第一对象所在的区域的边界。

可选地，将图像划分为多个超像素作为所述多个块。

根据本发明的实施例的从图像中检测对象的设备和方法，对于形状、尺寸、外观不同的对象可以直接进行检测，不需要人工调试。此外，本发明可以精确提取目标边界和轮廓。此外，本发明可以同时检测多种对象，并且需要的计算量较少，提高了检测速度，可以实现在线检测。

将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。

附图说明