[发明专利]一种环形坑的图像识别方法

摘要

本发明公开了一种环形坑的图像识别方法，其包括步骤1、对待识别图像进行预处理；步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘；步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。本发明只需一次判断计算就可完成环形坑的精确分类识别，降低了环形坑识别的计算复杂度。

主权项

一种环形坑的图像识别方法，其包括：步骤1、对待识别图像进行预处理；所述待识别图像为嫦娥2号CCD影像数据中的图像，所述环形坑为月球环形坑；步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘；步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；所述步骤3中的所述形态学关系为：环形坑明亮区域与阴影区域成对出现，并且边缘包围在明亮区域或阴影区域周围，所述的形态学关系通过以下条件实现：明亮区域和阴影区域的面积相比不超过4倍；明亮区域外接长方形和阴影区域外接长方形之间的距离不超过两者较大者的长边的1.5倍；由明亮区域和阴影区域组成的新区域的外接长方形其长宽比小于明亮区域和阴影区域各自外接长方形的长宽比；由明亮区域和阴影区域组成的新区域中，在明亮区域或阴影区域的外边缘附近，沿着其走向存在一条环形坑边缘，其长度不短于邻近明亮区域或阴影区域外接长方形长边的0.8倍，步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的；所述的步骤4具体包括如下步骤：步骤401：选取环形坑正负样本，正负样本数量为1:2；其中，将环形坑的圆心做为中心，边长为2倍直径的正方形框定范围内的图像作为样本；步骤402：对所选取的正负样本计算积分图，步骤403：对正负样本进行Haar特征计算；步骤404：构建针对每个Haar特征的弱分类器；其中，弱分类器h(x,f,p,θ)是由一个特征f、阈值θ和指示不等号方向的p组成，按以下式子对正负样本x进行分类：h(x,f,p,θ)=1pf(x)<pθ0else]]>对于每种Haar特征f，计算其在所有正负样本x上的Haar特征值，并将计算结果按从小到大的顺序进行排序，随后顺序扫描排序表，依次从表中选取当前的特征值元素作为阈值，并计算该阈值条件下的分类误差；扫描完排序表内的全部特征值元素之后，从中选取具有最小分类误差的特征值元素作为最优阈值，并利用该最优阈值构建当前特征的弱分类器；分类误差计算公式为：e＝min(S++(T‑‑S‑)，S‑+(T+‑S+))其中：T+为全部环形坑样本的权重之和；T‑为全部非环形坑样本的权重之和；S+为在此特征值元素之前的环形坑样本的权重之和；S‑为在此特征值元素之前的非环形坑样本的权重之和；步骤405：利用所述Haar特征及其对应的弱分类器，采用Adaboost算法训练出一个强分类器；其中，所述Haar特征包括根据环形坑边缘、明亮区域和阴影区域的纹理特征，建立的横向、竖向和4个对角线方向一共6种基本的Haar特征；所述的步骤4中，对于每一个待识别的疑似环形坑，以其圆心为中心，边长为2倍直径的正方形在原图像中框定范围，将此范围内的图像作为待识别疑似环形坑图像计算其积分图，并将前述训练所得的强分类器缩放至与框定范围等大的尺寸，通过一次判定对疑似环形坑进行识别。