[发明专利]基于凸壳扫描的图像物体对称性识别方法、系统及设备有效

专利信息
申请号: 202210084200.4 申请日: 2022-01-25
公开(公告)号: CN114119721B 公开(公告)日: 2022-04-01
发明(设计)人: 黄凯奇;张岩;任泳键 申请(专利权)人: 中国科学院自动化研究所
主分类号: G06T7/68 分类号: G06T7/68;G06T7/13
代理公司: 北京市恒有知识产权代理事务所(普通合伙) 11576 代理人: 郭文浩;尹文会
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 扫描 图像 物体 对称性 识别 方法 系统 设备
【说明书】:

发明属于计算机视觉和图像对称性识别领域,具体涉及了一种基于凸壳扫描的图像物体对称性识别方法、系统及设备,旨在解决现有技术在存在少量不对称元素时难以识别物体整体对称性的问题。本发明包括:对于图像中的每类物体进行检测与定位,并进行点集分类;对于每一类点集,通过基于Graham扫描法生成点集对应的凸壳;以凸壳中的每一条边中垂线与角平分线作为潜在对称轴;若存在任一对称轴,使得点集中关于该轴对称的点在点集中的占比大于设定对称性阈值,则该点集对应的物体具有对称性。本发明以简单高效的方式实现了场景图像中物体对称现象的识别,能够较好地应对存在噪声点(不完全对称)的情况,鲁棒性好。

技术领域

本发明属于计算机视觉和图像对称性识别领域,具体涉及了一种基于凸壳扫描的图像物体对称性识别方法、系统及设备。

背景技术

作为物体的基本几何属性之一,对称性广泛存在于各种图像中。场景图像中的对称性识别有助于使计算机更好地感知图像结构、理解图像信息,在许多应用场景下有着重要的作用。例如,在心理沙盘研究中,心理咨询师通常会根据被测者创造的沙盘作品,根据沙盘图像呈现的象征性意义归纳出心理学上的“主题”,进而分析被测者的心理状态。这些“主题”包括创伤、治愈、转化三大类,其中“对称”主题隶属于创伤类,如果能根据相同沙具在沙盘中的排列规律准确且自动识别出沙盘图像中的对称性特征,就能够归纳出沙盘的“对称”主题,进而方便后续的主题识别与心理沙盘分析。

场景图像中对称性识别的对象特点决定了该任务具有一定的挑战。在对图像进行对称性识别时,首先需要对图像中包含的物体元素进行检测与定位,然后根据相同元素在图像中的位置来判断其对称性,也即判断平面上多组二维点集的对称性,如果一组二维点中,所有的平面点均关于一条直线对称,则这组二维点具有对称性,也即这组二维点代表的物体元素在图像中具有对称性。在实际应用场景中,物体元素的对称性往往并不严格遵循二维点集的对称性定义,当大部分元素的分布呈现对称性,即处于“不完全对称”时,从视觉上来看,该元素在图像中仍然具有对称性,但极少数不对称的元素会给计算机的对称性识别带来很大的困难。因此,如何克服极少数“噪声”点的干扰,使计算机能够识别出图像中的整体性对称特征,是克服该领域挑战的一个重要思路。

现有技术中图像对称性识别方法大多需要求解同类物体元素的质心,进而验证该类元素的对称性,当存在极少数噪声点、或缺少部分对称点时,从视觉上看,图像的对称性受到的影响不大,但是质心的位置受噪声点的影响较大,从而使得图像对称性识别的准确性和精度较低。

发明内容

为了解决现有技术中的上述问题,即现有技术在存在少量不对称元素时难以识别物体整体对称性的问题,本发明提供了一种基于凸壳扫描的图像物体对称性识别方法,该识别方法包括:

步骤S10,将待识别场景图像的个物体转换为平面坐标系的二维点,并检测每一个物体的矩形边界框,获得点集;

步骤S20,将所述点集中物体类别相同且矩形边界框宽度、高度相同的物体归为同一类,获得类别点集;其中,为待识别场景图中物体类别的数量;

步骤S30,对于所述类别点集中的任一类点集,通过Graham扫描方法获取点集左下角的点,以作为点集的极点,分别计算极点之外的点的极角;

步骤S40,按照极角从小到大的顺序进行点集中各点的排序,获得极角排序后的点集;

步骤S50,建立凸壳集,将极角排序后的点集中前三个点放入凸包集合,遍历中其余的二维点,若向量位于向量右侧,则将放入凸壳集,获得点集的凸壳;

步骤S60,基于所述点集的凸壳,获取点集的潜在对称轴集;

步骤S70,若所述潜在对称轴集中存在一条对称轴,使得点集中相对于对称的二维点在点集中的比例大于设定对称性阈值,则点集对应的物体具有对称性。

在一些优选的实施例中,所述点集,其元素表示为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210084200.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top