[发明专利]图像处理装置、图像处理方法以及电子设备

说明书

技术领域

本发明涉及图像处理领域，尤其涉及图像处理装置、图像处理方法以及电子设备。

背景技术

随着数字图像数目的急剧增长，需要研究开发有效的图像处理技术。数字图像一般是指通过例如数码相机、扫描仪等设备捕获的图像，也可以通过任意的非图像数据合成而得到，例如通过数学函数等。

在现有的一些图像处理技术中，为了识别或检测图像中所包含的目标对象（如人脸、文档、汽车等），通常可以首先来提取该目标对象的轮廓，进而根据其轮廓来最终确定图像中的目标对象。

然而，由于一些因素的影响（如图像中的内容或背景噪声的影响、或算法缺陷的影响等），上述现有技术所提取的轮廓的精度和/或准确度往往较低，质量较差（比如变形严重等）。例如，对于通过数码相机、扫描仪等设备的捕获而得到的数字图像有可能存在扭曲、倾斜或其他变形，进而使得通过现有的轮廓提取技术所提取的轮廓存在较严重的畸变或变形。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了图像处理装置、图像处理方法以及电子设备，以至少解决现有的轮廓提取技术所存在的轮廓提取精度和/或准确度较低的问题。

根据本发明的一个方面，提供了一种图像处理装置，该图像处理装置包括：特征提取单元，其被配置用于提取图像中目标对象的待处理轮廓的形状特征和/或波动特征；以及拒识处理单元，其被配置用于在满足以下条件中的至少一个的情况下拒绝将待处理轮廓作为目标对象的轮廓检测结果：待处理轮廓的形状特征与预定形状模型之间的相似度低于第一相似度阈值，以及待处理轮廓的波动特征与预定波动特征模型之间的相似度低于第二相似度阈值；其中，预定形状模型和/或预定波动特征模型通过学习包括多个预定轮廓的训练样本而获得，预定形状模型反映训练样本的形状特征的分布规律，预定波动特征模型反映训练样本的波动特征的分布规律，预定轮廓与待处理轮廓的类型相同。

根据本发明的另一个方面，还提供了一种图像处理方法，该图像处理方法包括：提取图像中目标对象的待处理轮廓的形状特征和/或波动特征；以及在满足以下条件中的至少一个的情况下拒绝将待处理轮廓作为目标对象的轮廓检测结果：待处理轮廓的形状特征与预定形状模型之间的相似度低于第一相似度阈值，以及待处理轮廓的波动特征与预定波动特征模型之间的相似度低于第二相似度阈值；其中，预定形状模型和/或预定波动特征模型通过学习包括多个预定轮廓的训练样本而获得，预定形状模型反映训练样本的形状特征的分布规律，预定波动特征模型反映训练样本的波动特征的分布规律，预定轮廓与待处理轮廓的类型相同。

根据本发明的另一个方面，还提供了一种电子设备，该电子设备包括如上所述的图像处理装置。

根据本发明的又一个方面，还提供了一种存储有机器可读取的指令代码的程序产品，上述程序产品在执行时能够使上述机器执行如上所述的图像处理方法。

此外，根据本发明的其他方面，还提供了一种计算机可读存储介质，其上存储有如上所述的程序产品。

上述根据本发明实施例的图像处理装置、图像处理方法以及电子设备，其通过提取图像中目标对象的待处理轮廓的形状特征和/或波动特征来将上述形状特征和/或波动特征分别与对应的预定形状模型之间和/或预定波动特征模型进行相似度比较，并在其中至少一个相似度低于对应的预定阈值的情况下拒识该待处理轮廓，能够获得至少以下益处之一：通过上述相似度比较来判断接受或拒识该轮廓，能够提高轮廓提取精度和/或准确度；使得最终的轮廓检测结果中存在的一些精度和/或准确度较低、和/或质量较差的轮廓被剔除掉；以及有助于用户在存在多个待处理轮廓的情况下识别其中精度和/或准确度较低、和/或质量较差的轮廓，进而能够通过相应地后续处理来改善这些轮廓的精度、准确度和/或质量。

通过以下结合附图对本发明的最佳实施例的详细说明，本发明的这些以及其他优点将更加明显。

附图说明

本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：