[发明专利]一种台标识别方法及系统

权利要求书

1.一种台标识别方法，其特征在于，包括步骤：

A、从多幅原始图像中提取所需检测台标的正样本和负样本，所述正样本为含有所需检测台标的区域图像，所述负样本为不含所需检测台标的区域图像；

B、对提取出的正样本进行特征角点检测，获取正样本的特征角点集合，并通过所述特征角点集合对正样本中每一像素点出现特征角点的频率进行计算，获取所需检测台标的特征角点概率分布矩阵；

C、通过所述特征角点概率分布矩阵，计算每一个正样本、负样本的相似度，得到包含所有正样本、负样本相似度的相似度集，通过所述相似度集计算出所需检测台标的相似度阈值；

D、通过所述特征角点概率分布矩阵计算出待检测图像包含所需检测台标的待检测相似度，判断待检测相似度是否大于相似度阈值，当是时判定待检测图像中含有所需检测台标，当否时判定待检测图像中不含有所需检测台标。

2.根据权利要求1所述的台标识别方法，其特征在于，所述步骤A中，对于相同台标，每一正样本在对应的原始图像中的相对位置相同，正样本:与负样本的数量比为1：1.5～1：3.5。

3.根据权利要求1所述的台标识别方法，其特征在于，所述步骤B中，获取正样本的特征角点集合的过程包括：

B1、计算正样本的方向导数，分别保存为数组I_x和数组I_y，I_x为x方向的方向导数，I_y为y方向的方向导数；

B2、利用高斯模板为正样本中每一个像素点计算局部自相关矩阵M，其中，M=G(s~)⊗I2xIxIyIxIyI2y,]]>为高斯模板；

B3、通过M计算每一个像素点的角点量矩阵I，其中，I=det(M)-k·tr²(M)，其中det为矩阵的行列式，tr为矩阵的迹，k为[0.04,0.06]范围内的常数；

B4、判断角点量矩阵I中的任意一点，是否同时满足该点的元素值大于一阈值，并且是该点领域内的局部极大值，当同时满足时，判定该点为正样本的特征角点。

4.根据权利要求1所述的台标识别方法，其特征在于，所述步骤B中，获取所需检测台标的特征角点概率分布矩阵的过程具体包括：

B5、计算所有正样本中每一个像素点(x,y)位置出现特征角点的次数n(x,y)，当n(x,y)与正样本总量的比例小于预定值，则判定对应的像素点(x,y)不是特征角点，并将该次数(x,y)的值归零，否则判定为特征角点，并保留该次数n(x,y)的值；

B6、对每一像素点(x,y)位置上出现特征角点的频率P(x,y)进行归一化操作获得所需检测台标的特征角点概率分布矩阵Mp(x,y)，每一像素点(x,y)位置上出现特征角点的频率P(x,y)为当前像素点(x,y)出现特征角点的次数n(x,y)与正样本总量的比值。