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