[发明专利]面向多领域的高适应性识别计数方法

权利要求书

1.一种面向多领域的高适应性识别计数方法，适于对目标进行计数，其特征在于，包括如下步骤：

输入待测图像；

对所述待测图像的待测区域进行基于灰度信息及形状信息分析，得到目标区域ROI；

提取所述目标区域ROI的阵列特征；

提取所述目标区域ROI的形状特征；

若所述目标呈规则阵列分布，则依据规则阵列对所述目标进行计数；

若所述目标呈非规则阵列分布，则依据所述形状特征判断所述目标是否呈规则形状设置，依据判断结果对所述目标进行计数；

其中，所述提取所述目标区域ROI的阵列特征，进一步包括如下步骤：

对所述目标区域ROI进行Blob分析，提取所述目标区域ROI的边界；

将所述边界进行直线拟合，得到若干线段，并筛选前40%长度的长线段；

计算所有长线段的角度，得出概率分布曲线；

若所述概率分布曲线为正态分布，则所述目标区域ROI为阵列特征，若所述概率分布曲线为均匀分布，则所述目标区域ROI为非阵列特征。

2.如权利要求1所述的面向多领域的高适应性识别计数方法，其特征在于，所述依据所述形状特征判断所述目标是否呈规则形状设置，依据判断结果对所述目标进行计数，具体包括如下步骤：

若所述目标呈规则形状设置，则依据所述形状特征对所述目标进行计数；

若所述目标呈非规则形状设置，则对所述目标区域ROI进行差分法处理，得到初步目标区域；

判断所述初步目标区域是否存在粘连，依据判断结果对所述目标进行计数。

3.如权利要求2所述的面向多领域的高适应性识别计数方法，其特征在于，所述判断所述初步目标区域是否存在粘连，依据判断结果对所述目标进行计数，具体包括如下步骤：

若所述初步目标区域存在粘连，则消除所述初步目标区域的粘连，以得到不存在粘连的所述目标，并对所述目标进行计数；

若所述初步目标区域不存在粘连，则直接对所述目标进行计数。

4.如权利要求1所述的面向多领域的高适应性识别计数方法，其特征在于，所述若所述概率分布曲线为正态分布，则所述目标区域ROI为阵列特征，若所述概率分布曲线为均匀分布，则所述目标区域ROI为非阵列特征，进一步包括如下步骤：

若所述概率分布曲线为正态分布且具有多个波峰，则分别提取角度在-π/4～π/4的长线段和π/4～3π/4的长线段；

构建仿射变换矩阵，将所述目标区域ROI进行仿射变换，使其中的长线段水平；

变换后的所述目标区域ROI进行水平灰度投影，得到投影数组；

构建投影数组函数，并平滑所述投影数组函数；

求出所述投影数组函数的一阶和二阶导数；

求出所述投影数组函数的一阶导数的零点所对应的坐标值，标记为灰度均质区域所在的坐标；

求出所述投影数组函数的一阶导数值为零时对应的二阶导数的值，并与预设阈值比较，得出所述灰度均质区域的中点坐标；

将得到的中点坐标数组进行错位相减，得到均质区域间距值；

求平均后得到均质区域间距均值，并与均质区域间距值比较，剔除离群坐标，得到目标区域坐标；

若所述概率分布曲线为正态分布且具有一个波峰，则目标区域坐标数为所述目标的计数值；

若所述概率分布曲线为正态分布且具有多个波峰，构造目标区域坐标线段，并将线段逆仿射变换，则线段围成的区域数量为所述目标的计数值。

5.如权利要求1所述的面向多领域的高适应性识别计数方法，其特征在于，所述提取所述目标区域ROI的形状特征，进一步包括如下步骤：

建立多形状特征模板库；

对所述目标区域ROI进行多类型模板匹配，以确定最佳匹配方式；

计算多类型模板匹配，得到多结果数量；

若所述多结果数量均低于预设阈值，则判断所述目标区域ROI为不规则形状特征；

若多结果数量中至少一个的数量高于预设阈值，则判断所述目标区域ROI为标准形状特征，并通过对比数量得出最佳匹配方式；

依据所述最佳匹配方式得到匹配结果数量，所述匹配结果数量记为所述目标的计数值。