国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種環(huán)形坑的圖像識別方法

      文檔序號:6547437閱讀:286來源:國知局
      一種環(huán)形坑的圖像識別方法
      【專利摘要】本發(fā)明公開了一種環(huán)形坑的圖像識別方法,其包括:步驟1、對待識別圖像進(jìn)行預(yù)處理;步驟2、識別預(yù)處理后的待識別圖像中的環(huán)形坑明亮區(qū)域和陰影區(qū)域,并提取環(huán)形坑的邊緣;步驟3、利用所述環(huán)形坑明亮區(qū)域、陰影區(qū)域以及邊緣的形態(tài)學(xué)關(guān)系進(jìn)行匹配,選取符合條件的環(huán)形坑作為疑似環(huán)形坑;步驟4、利用環(huán)形坑的強(qiáng)分類器對所述疑似環(huán)形坑進(jìn)行識別,得到識別后的環(huán)形坑,其中,所述環(huán)形坑的強(qiáng)分類器是利用Adaboost算法對訓(xùn)練樣本進(jìn)行基于紋理特征的強(qiáng)分類器訓(xùn)練而得到的。本發(fā)明只需一次判斷計算就可完成環(huán)形坑的精確分類識別,降低了環(huán)形坑識別的計算復(fù)雜度。
      【專利說明】一種環(huán)形坑的圖像識別方法
      【技術(shù)領(lǐng)域】
      [0001]本發(fā)明屬于圖像識別【技術(shù)領(lǐng)域】,具體涉及一種環(huán)形坑的圖像識別方法,其為利用陰影-明亮模式在嫦娥2號CCD影像數(shù)據(jù)中快速識別小型環(huán)形坑的方法。
      【背景技術(shù)】
      [0002]環(huán)形坑作為月球上一種主要的地形特征,一直以來都是月球科學(xué)領(lǐng)域的研究熱點(diǎn)。通過對環(huán)形坑的形貌體態(tài)、大小和分布特點(diǎn)等進(jìn)行研究分析,有助于有關(guān)月球撞擊動力學(xué)、月球地質(zhì)年代及地形演化等科學(xué)問題的解釋。而環(huán)形坑的識別為此類研究提供了一種技術(shù)上的手段。
      [0003]從識別方法上講,環(huán)形坑識別算法大體上可以分為三大類:1)非監(jiān)督檢測算法,就是利用環(huán)形坑的幾何特征等條件,如其邊緣一般呈圓形或橢圓狀,通過模式識別的相關(guān)技術(shù)進(jìn)行環(huán)形坑的識別;2)監(jiān)督檢測算法,就是利用機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)來構(gòu)建模式分類器用于環(huán)形坑的識別;3)組合檢測算法:就是將多種檢測方法綜合起來加以利用,包括自主和半自主的算法,以獲得較好的檢測效果。從具體的實現(xiàn)來看,目前采用比較多的方法包括基于模板匹配的方法、基于霍夫變換及其改進(jìn)型的方法等等。
      [0004]目前,國外科學(xué)家已經(jīng)利用現(xiàn)有的DEM數(shù)據(jù),較為完整地識別出了月球表面較大的環(huán)形坑,并制作了相應(yīng)的數(shù)據(jù)庫,但由于DEM數(shù)據(jù)分辨率的不足,對于直徑在幾公里級別及以下的小型環(huán)形坑,無法得到很好的識別。我國嫦娥2號獲取的分辨率為7米的、覆蓋全月范圍的CCD影像圖為這類小型環(huán)形坑的識別提供了非常好的數(shù)據(jù)素材。
      [0005]月球上環(huán)形坑的數(shù)量隨著其直徑的變小而呈指數(shù)級的爆發(fā)式增長,而傳統(tǒng)的利用影像數(shù)據(jù)識別環(huán)形坑的方法由于采用了復(fù)雜的數(shù)學(xué)運(yùn)算進(jìn)行窮舉遍歷,具有非常高的計算復(fù)雜度,特別是在高分辨率影像數(shù)據(jù)下識別效率相對較低。

      【發(fā)明內(nèi)容】

      [0006]本發(fā)明的目的在于,提供一種環(huán)形坑的圖像識別方法,尤其適用于在嫦娥2號CXD影像中快速識別小型環(huán)形坑,該方法利用小型環(huán)形坑在太陽光照下呈現(xiàn)出的明亮和陰影面及其邊緣特征,粗略識別出包含大量誤檢對象的疑似環(huán)形坑目標(biāo),進(jìn)而用基于Haar特征、利用Adaboost算法構(gòu)建的強(qiáng)分類器對此識別結(jié)果進(jìn)行快速分類識別,從而快速地實現(xiàn)對小型環(huán)形坑的精確識別。
      [0007]本發(fā)明提供了一種環(huán)形坑的圖像識別方法,其包括:
      [0008]步驟1、對待識別圖像進(jìn)行預(yù)處理;
      [0009]步驟2、識別預(yù)處理后的待識別圖像中的環(huán)形坑明亮區(qū)域和陰影區(qū)域,并提取環(huán)形坑的邊緣;
      [0010]步驟3、利用所述環(huán)形坑明亮區(qū)域、陰影區(qū)域以及邊緣的形態(tài)學(xué)關(guān)系進(jìn)行匹配,選取符合條件的環(huán)形坑作為疑似環(huán)形坑;
      [0011]步驟4、利用環(huán)形坑的強(qiáng)分類器對所述疑似環(huán)形坑進(jìn)行識別,得到識別后的環(huán)形坑,其中,所述環(huán)形坑的強(qiáng)分類器是利用Adaboost算法對訓(xùn)練樣本進(jìn)行基于紋理特征的強(qiáng)分類器訓(xùn)練而得到的。
      [0012]所述的步驟I采用了中值濾波器、強(qiáng)度濾波器和面積濾波器對待識別圖像進(jìn)行了順序預(yù)處理。
      [0013]所述步驟2中環(huán)形坑明亮區(qū)域的識別通過計算待識別環(huán)形坑明亮區(qū)域的改進(jìn)Hu矩與預(yù)先建立的特征矩之間的歐氏距離來實現(xiàn),所述特征矩為已確定環(huán)形坑明亮區(qū)域的Hu矩;陰影區(qū)域的識別是將待識別圖像的灰度值反轉(zhuǎn)后,利用上述環(huán)形坑明亮區(qū)域識別方式進(jìn)行識別;環(huán)形坑邊緣的提取通過在待識別圖像中利用預(yù)定大小的模板進(jìn)行滑動處理得到新圖像,并按一定閾值對所述新圖像進(jìn)行二值化后得到。
      [0014]所述改進(jìn)Hu矩為Hu矩絕對值的對數(shù)。
      [0015]所述利用預(yù)定大小的模板進(jìn)行滑動處理得到新圖像如下表示:
      [0016]Auv = max [m (M) -min (M),max (M) _m (M)]
      [0017]其中,Auv表示新圖像A中第(U,V)個像素的像素值,m(M)為模板M區(qū)域內(nèi)所有像素的平均值,min (M)為模板M區(qū)域內(nèi)所有像素的最小值,max (M)為模板M區(qū)域內(nèi)所有像素的最大值;所述一定閾值如下計算:
      [0018]T = a [max (A) -min (A) ] +min (A)
      [0019]其中,α取常數(shù)。
      [0020]所述步驟3中的所述形態(tài)學(xué)關(guān)系為:環(huán)形坑明亮區(qū)域與陰影區(qū)域成對出現(xiàn),并且邊緣包圍在明亮區(qū)域或陰影區(qū)域周圍。
      [0021]所述的形態(tài)學(xué)關(guān)系通過以下條件實現(xiàn):
      [0022]明亮區(qū)域和陰影區(qū)域的面積相比不超過4倍;
      [0023]明亮區(qū)域外接長方形和陰影區(qū)域外接長方形之間的距離不超過兩者較大者的長邊的1.5倍;
      [0024]由明亮區(qū)域和陰影區(qū)域組成的新區(qū)域的外接長方形其長寬比小于明亮區(qū)域和陰影區(qū)域各自外接長方形的長寬比;
      [0025]由明亮區(qū)域和陰影區(qū)域組成的新區(qū)域中,在明亮區(qū)域或陰影區(qū)域的外邊緣附近,沿著其走向存在一條環(huán)形坑邊緣,其長度不短于鄰近明亮區(qū)域或陰影區(qū)域外接長方形長邊的0.8倍。
      [0026]所述步驟3中疑似環(huán)形坑的圓心和直徑的計算方法為,計算所配對明亮區(qū)域和陰影區(qū)域組合成的新區(qū)域的外接長方形,將其中心作為圓心,其長邊長作為疑似環(huán)形坑的直徑。
      [0027]所述的步驟4具體包括如下步驟:
      [0028]步驟401:選取環(huán)形坑正負(fù)樣本;其中,將環(huán)形坑的圓心做為中心,邊長為2倍直徑的正方形框定范圍內(nèi)的圖像作為樣本;
      [0029]步驟402:對所選取的正負(fù)樣本計算積分圖,
      [0030]步驟403:對正負(fù)樣本進(jìn)行Haar特征計算;
      [0031]步驟404:構(gòu)建針對每個Haar特征的弱分類器;
      [0032]步驟405:利用所述Haar特征及其對應(yīng)的弱分類器,采用Adaboost算法訓(xùn)練出一個強(qiáng)分類器;其中,所述Haar特征包括根據(jù)環(huán)形坑邊緣、明亮區(qū)域和陰影區(qū)域的紋理特征,建立的橫向、豎向和4個對角線方向一共6種基本的Haar特征;
      [0033]所述的步驟4中,對于每一個待識別的疑似環(huán)形坑,以其圓心為中心,邊長為2倍直徑的正方形在原圖像中框定范圍,將此范圍內(nèi)的圖像作為待識別疑似環(huán)形坑圖像計算其積分圖,并將前述訓(xùn)練所得的強(qiáng)分類器縮放至與框定范圍等大的尺寸,通過一次判定對疑似環(huán)形坑進(jìn)行識別本發(fā)明的優(yōu)點(diǎn)在于:1)傳統(tǒng)的環(huán)形坑識別方法大多利用較為復(fù)雜的數(shù)學(xué)解算在圖像上進(jìn)行窮舉遍歷,具有很高的計算復(fù)雜度,而本發(fā)明將環(huán)形坑的識別分成兩階段進(jìn)行,第一階段利用相對比較簡單的運(yùn)算以及寬泛的條件,粗略地計算出一組包含了大量誤檢目標(biāo)的疑似環(huán)形坑;第二階段的識別在第一階段的結(jié)果之上,利用已經(jīng)訓(xùn)練好的強(qiáng)分類器,只需一次判斷計算就可完成環(huán)形坑的精確分類識別,降低了環(huán)形坑識別的計算復(fù)雜度;2)本發(fā)明利用小型環(huán)形坑在太陽光照下呈現(xiàn)出的成對的陰影區(qū)域和明亮區(qū)域模式,以及環(huán)形坑邊緣總是沿著陰影區(qū)域或明亮區(qū)域的邊界而出現(xiàn)的特征,能夠排除掉大多數(shù)不是環(huán)形坑的地形,從而大幅減少后續(xù)的計算量。
      【專利附圖】

      【附圖說明】
      [0034]圖1為本發(fā)明中環(huán)形坑的圖像識別方法流程圖;
      [0035]圖2為環(huán)形坑明亮區(qū)域、陰影區(qū)域和邊緣的形態(tài)學(xué)關(guān)系圖;
      [0036]圖3為本發(fā)明中強(qiáng)分類器的訓(xùn)練流程圖;
      [0037]圖4為本發(fā)明中針對環(huán)形坑紋理特征構(gòu)建的Haar特征示意圖。
      【具體實施方式】
      [0038]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白,以下結(jié)合具體實施例,并參照附圖,對本發(fā)明作進(jìn)一步的詳細(xì)說明。
      [0039]圖1示出了本發(fā)明中一種環(huán)形坑的圖像識別方法流程圖。如圖1所示,該方法包括:
      [0040]步驟1、對輸入的圖像數(shù)據(jù)進(jìn)行預(yù)處理;
      [0041]步驟2、從預(yù)處理后的圖像數(shù)據(jù)識別環(huán)形坑明亮區(qū)域和陰影區(qū)域,并提取環(huán)形坑的邊緣;
      [0042]步驟3、利用所述環(huán)形坑明亮區(qū)域、陰影區(qū)域以及邊緣的形態(tài)學(xué)關(guān)系進(jìn)行匹配,選取符合條件的環(huán)形坑作為疑似環(huán)形坑;
      [0043]步驟4、利用環(huán)形坑的強(qiáng)分類器對所述疑似環(huán)形坑進(jìn)行識別,得到識別后的環(huán)形坑,其中,所述環(huán)形坑的強(qiáng)分類器是利用Adaboost算法對訓(xùn)練樣本進(jìn)行基于紋理特征的強(qiáng)分類器訓(xùn)練而得到的。
      [0044]下面根據(jù)具體實例詳細(xì)闡述本發(fā)明提出的上述方法和各個步驟。
      [0045]對于步驟1,本發(fā)明提出的圖像環(huán)形坑的識別方法特別適用于對月球表面地形圖像的識別,如嫦娥2號上獲得的CCD影像圖像的識別等。由于嫦娥2號的影像數(shù)據(jù)是由搭載在衛(wèi)星上的CCD相機(jī)拍攝而成,相比于DEM數(shù)據(jù),盡管光學(xué)影像數(shù)據(jù)具有分辨率高的優(yōu)點(diǎn),但其更容易受到其他條件的干擾,比如,月球表面還存在大量其他的地形也會在太陽光照下產(chǎn)生陰影區(qū)域和明亮區(qū)域,因此需要首先對嫦娥2號的CCD圖像數(shù)據(jù)進(jìn)行預(yù)處理。當(dāng)然本發(fā)明提出的上述方法也不僅僅限于月球表面地形圖像上的識別,本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解,本發(fā)明提出的上述方法適用于任何需要識別環(huán)形坑的圖像的識別。
      [0046]本發(fā)明提出的方法中預(yù)處理的過程主要包括利用幾個過濾器對圖像進(jìn)行處理,具體地,所述步驟I包括:
      [0047]步驟101、利用中值濾波器對圖像進(jìn)行中值濾波處理,隨后與原圖像作相減運(yùn)算,以消除諸如山脈等大規(guī)模地形的影響;
      [0048]步驟102、利用強(qiáng)度濾波器對進(jìn)行了中值濾波的圖像進(jìn)行強(qiáng)度濾波處理,濾波屬性定義為P = A(Mib)2,其中A為當(dāng)前計算特征區(qū)域的面積(像素點(diǎn)個數(shù)),ha為當(dāng)前計算特征區(qū)域的灰度值,hb為當(dāng)前計算區(qū)域的領(lǐng)域中仍亮過ha的特征點(diǎn)的灰度值,若此時計算的P小于預(yù)先設(shè)定的閾值Po,則hb所表示的特征點(diǎn)被納入當(dāng)前計算的特征區(qū)域而予以消除,同時用hb的灰度值替代當(dāng)前計算的特征區(qū)域的灰度值匕,并轉(zhuǎn)向下一個特征點(diǎn)繼續(xù)判定。此濾波器用以消除缺乏足夠?qū)Ρ榷然虼笮《鵁o法區(qū)分的特征;
      [0049]上述步驟中,P用以表示強(qiáng)度濾波器濾波屬性的計算,當(dāng)對圖像應(yīng)用此濾波器時,特征區(qū)域就會從一個像素開始自動生長,每擴(kuò)展I個像素就計算P值,直到滿足PWtl的條件才停止增長,從而確定當(dāng)前特征區(qū)域的大小。這和其他濾波器的用法是類似的,只不過其他濾波器窗口是固定的。
      [0050]步驟103、利用面積濾波器將步驟102計算所得的過小的特征區(qū)域進(jìn)行濾除。
      [0051]步驟104、利用設(shè)定的灰度值閾值,經(jīng)上述濾波器處理后的圖像生成二值圖像。二值圖像中每一塊白色連通區(qū)域均可視為待識別的明亮區(qū)域。
      [0052]由于上述濾波器是圖像處理領(lǐng)域中的常規(guī)手段,因此每個濾波器的具體技術(shù)實現(xiàn)不在此贅述。
      [0053]步驟2具體包括如下步驟:
      [0054]步驟201、環(huán)形坑明亮區(qū)域的識別;該步驟具體包括如下兩個步驟:
      [0055]步驟2011、計算預(yù)處理后圖像中各個待識別明亮區(qū)域的Hu矩;
      [0056]經(jīng)過前述的預(yù)處理后,對明亮區(qū)域的提取主要利用幾何不變矩Hu矩來實現(xiàn),其7個不變矩的公式為:
      [0057]
      【權(quán)利要求】
      1.一種環(huán)形坑的圖像識別方法,其包括: 步驟1、對待識別圖像進(jìn)行預(yù)處理; 步驟2、識別預(yù)處理后的待識別圖像中的環(huán)形坑明亮區(qū)域和陰影區(qū)域,并提取環(huán)形坑的邊緣; 步驟3、利用所述環(huán)形坑明亮區(qū)域、陰影區(qū)域以及邊緣的形態(tài)學(xué)關(guān)系進(jìn)行匹配,選取符合條件的環(huán)形坑作為疑似環(huán)形坑; 步驟4、利用環(huán)形坑的強(qiáng)分類器對所述疑似環(huán)形坑進(jìn)行識別,得到識別后的環(huán)形坑,其中,所述環(huán)形坑的強(qiáng)分類器是利用Adaboost算法對訓(xùn)練樣本進(jìn)行基于紋理特征的強(qiáng)分類器訓(xùn)練而得到的。
      2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述的步驟I采用了中值濾波器、強(qiáng)度濾波器和面積濾波器對待識別圖像進(jìn)行了順序預(yù)處理。
      3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟2中環(huán)形坑明亮區(qū)域的識別通過計算待識別環(huán)形坑明亮區(qū)域的改進(jìn)Hu矩與預(yù)先建立的特征矩之間的歐氏距離來實現(xiàn),所述特征矩為已確定環(huán)形坑明亮區(qū)域的Hu矩;陰影區(qū)域的識別是將待識別圖像的灰度值反轉(zhuǎn)后,利用上述環(huán)形坑明亮區(qū)域識別方式進(jìn)行識別;環(huán)形坑邊緣的提取通過在待識別圖像中利用預(yù)定大小的模板進(jìn)行滑動處理得到新圖像,并按一定閾值對所述新圖像進(jìn)行二值化后得到。
      4.根據(jù)權(quán)利要求3 所述的方法,其特征在于,所述改進(jìn)Hu矩為Hu矩絕對值的對數(shù)。
      5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述利用預(yù)定大小的模板進(jìn)行滑動處理得到新圖像如下表示:
      Auv = max [m (M) -min (M),max (M) _m (M)] 其中,Auv表示新圖像A中第(u,V)個像素的像素值,m(M)為模板M區(qū)域內(nèi)所有像素的平均值,min(M)為模板M區(qū)域內(nèi)所有像素的最小值,max (M)為模板M區(qū)域內(nèi)所有像素的最大值;所述一定閾值如下計算:
      T = a [max (A) -min (A) ] +min (A) 其中,α取常數(shù)。
      6.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟3中的所述形態(tài)學(xué)關(guān)系為:環(huán)形坑明亮區(qū)域與陰影區(qū)域成對出現(xiàn),并且邊緣包圍在明亮區(qū)域或陰影區(qū)域周圍。
      7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述的形態(tài)學(xué)關(guān)系通過以下條件實現(xiàn): 明亮區(qū)域和陰影區(qū)域的面積相比不超過4倍; 明亮區(qū)域外接長方形和陰影區(qū)域外接長方形之間的距離不超過兩者較大者的長邊的1.5 倍; 由明亮區(qū)域和陰影區(qū)域組成的新區(qū)域的外接長方形其長寬比小于明亮區(qū)域和陰影區(qū)域各自外接長方形的長寬比; 由明亮區(qū)域和陰影區(qū)域組成的新區(qū)域中,在明亮區(qū)域或陰影區(qū)域的外邊緣附近,沿著其走向存在一條環(huán)形坑邊緣,其長度不短于鄰近明亮區(qū)域或陰影區(qū)域外接長方形長邊的0.8 倍。
      8.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述步驟3中疑似環(huán)形坑的圓心和直徑的計算方法為,計算所配對明亮區(qū)域和陰影區(qū)域組合成的新區(qū)域的外接長方形,將其中心作為圓心,其長邊長作為疑似環(huán)形坑的直徑。
      9.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述的步驟4具體包括如下步驟: 步驟401:選取環(huán)形坑正負(fù)樣本;其中,將環(huán)形坑的圓心做為中心,邊長為2倍直徑的正方形框定范圍內(nèi)的圖像作為樣本; 步驟402:對所選取的正負(fù)樣本計算積分圖, 步驟403:對正負(fù)樣本進(jìn)行Haar特征計算; 步驟404:構(gòu)建針對每個Haar特征的弱分類器; 步驟405:利用所述Haar特征及其對應(yīng)的弱分類器,采用Adaboost算法訓(xùn)練出一個強(qiáng)分類器;其中,所述Haar特征包括根據(jù)環(huán)形坑邊緣、明亮區(qū)域和陰影區(qū)域的紋理特征,建立的橫向、豎 向和4個對角線方向一共6種基本的Haar特征。
      10.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述的步驟4中,對于每一個待識別的疑似環(huán)形坑,以其圓心為中心,邊長為2倍直徑的正方形在原圖像中框定范圍,將此范圍內(nèi)的圖像作為待識別疑似環(huán)形坑圖像計算其積分圖,并將前述訓(xùn)練所得的強(qiáng)分類器縮放至與框定范圍等大的尺寸,通過一次判定對疑似環(huán)形坑進(jìn)行識別。
      【文檔編號】G06K9/00GK104036234SQ201410220532
      【公開日】2014年9月10日 申請日期:2014年5月23日 優(yōu)先權(quán)日:2014年5月23日
      【發(fā)明者】張舟斌, 李春來, 左維 申請人:中國科學(xué)院國家天文臺
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1