[发明专利]基于光谱视频数据的典型目标材质属性提取方法和装置

摘要

本发明提供了一种基于光谱视频数据的典型目标材质属性提取方法和装置。该方法包括：采集RGB‑IR光谱视频图像；使用预训练的回归模型将转换RGB‑IR图像为特征谱段图像；特征谱段图像的每一个像素值提取反射率特征；使用预训练的分类模型对特征谱段图像的反射率特征进行分类，判断每一个像素值是否属于若干种材质之一，给出材质属性标签图；使用形态学开操作和填充操作对材质属性标签图进行处理，输出材质属性标签图。本发明利用不同材质的反射特性差异，提取光照无关的反射率特征，使用分类器对反射率特征进行判别，实现视频监控中的特定材质属性提取。

主权项

1.一种基于光谱视频数据的典型目标材质属性提取方法，其特征在于包括：A)采集RGB‑IR光谱视频图像，B)使用回归模型将RGB‑IR光谱视频图像转换为特征谱段图像，C)对特征谱段图像的每一个像素提取反射率特征，D)使用分类模型对特征谱段图像的反射率特征进行分类，判断每一个像素是否属于特定的若干种材质之一，并给出相应的材质分类标签图，E)使用形态学操作对材质属性标签图进行优化处理，其中：所述步骤B)中使用的回归模型由下述方法获得：B1)根据提取的材质属性，设定特征谱段，B2)把RGB‑IR成像设备的光谱响应函数与高光谱数据相乘，获得模拟RGB‑IR数据，B3)选取高光谱数据中波长最接近的谱段的数据作为特征谱段数据，B4)使用模拟RGB‑IR数据与模拟特征谱段数据，计算多光谱谱段至特征谱段的多元回归模型，其中多元回归模型可以是从线性回归、多项式回归和多变量样条回归中选出的一种，所述步骤C)包括：对于一个N维特征谱段数据P和光源光谱数据W，反射率特征F由下述表达式确定：F＝(P/W)/max(P/W)其中max表示计算向量最大元素的函数，所述分类模型通过训练而确定，该训练包括：D1)依据材质属性标注结果划分高光谱数据，构建训练数据集，D2)把高光谱数据和特征谱段的响应函数相乘，使用高光谱数据和特征谱段的响应函数相乘，获取模拟RGB‑IR图像，使用回归模型重建特征谱段光谱数据，D3)利用所述反射率特征与材质属性标签训练分类模型。