[发明专利]基于角点特征的图像多目标检测方法及装置

摘要

本发明提出了一种基于角点特征的图像多目标检测方法及装置，通过对纤类图像所蕴含的角点、骨架和曲率序列等自然特征进行分析和抽象，研究该类图像可用于计算机理解和高压缩比传输的结构化表示方法；利用角点和骨架特征来描述非规则目标区域，也可推广到涉及图像目标区域探测的其它应用场景，也有利于使得混纺纤维的种类识别朝智能化、自动化方向发展。本发明拟以光学显微镜放大图像为对象探索适合边缘线灰度模糊特征的盲复原算法，以图像局部特征相关的角点检测和提取为目标，研究结构特征层次化表示和基于空间邻域相关性的结构化描述方法，以期形成若干创新突破，为解决图像纹理提取和特征表示问题提供有效技术途径。

主权项

一种基于角点特征的目标检测方法，其特征在于，所述方法包括以下步骤：S1：采集纤类复杂重叠图像；S2：对复杂重叠图像进行预处理、角点检测；S3：基于角点和骨架知识的特征提取及表征；S4：复杂重叠图像的结构化特征建模；S5：纤维目标识别；其中，所述步骤S2中的图像预处理过程包括：图像的二值化‑>图像滤波‑>图像重构‑>图像增强，所述图像滤波包括图像形态学处理和边缘平滑；所述步骤S3具体为获取图像的角点序列和骨架描述，角点包括交叉点和其它角点，利用骨架提取法对多个重叠目标中的单个个体进行标注，但骨架提取中交叉点和端点之间会出现多个线段，一般公共线段出现在交叉区域，需要将其删除；但重叠纤维较多的时候会出现“伪公共线段”，此时需要借助于智能识别算法来进行标注；把每幅图像看作一个集合F，则重叠纤维图形的每根纤维的边缘轮廓曲线对应一个子集合Fⁱ，它包含一系列的相似点；对重叠纤维图像集F＝{F¹,F²,…,F^M}，利用聚类算法对轮廓图像进行分类，找到各像素点P^j所属纤维集Fⁱ，对各纤维个体进行标识；所述步骤S4以纤类图像的局部特征作为基本图像描述特征，进而以局部特征之间的尺度相关性和空间相关性为依据，实现对图像结构的表达。