一种圆形图像识别特征提取方法及系统与流程
本发明涉及图像识别技术领域，更具体的说，涉及一种圆形图像识别特征提取方法及系统。
背景技术：
现实生活中存在大量的圆形图像目标识别问题，例如车标、图标、图徽、商标、标签、硬币、装饰物品上的圆形花纹和图案等。在很多场合，圆形图像印制、摆放的角度是不固定的，图案常出现角度旋转。若直接识别获取到的原始图像，则需要在系统内存储大量的各种角度的原型图样的样本，样本搜集难度大，不易实现。因此，为了解决现实场景中的圆形图像目标的识别，首先需要对采集到的原始图像进行处理，提取识别特征。在提取识别特征前，首先要解决的就是图像出现角度旋转的问题。在现有技术中，并没有较好的克服圆形图像角度旋转后提取识别特征的方法。
技术实现要素：
有鉴于此，本发明的目的在于提供一种圆形图像识别特征提取方法及系统，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征。
为实现上述目的，本发明提供如下技术方案：
一种圆形图像识别特征提取方法，包括：
对第一圆形图像进行尺寸归一化后得到第二圆形图像，所述第一圆形图像为获取的原始圆形图像；
利用掩膜模板将所述第二圆形图像分为由若干个环状区域构成的环状空间；
提取所述环状区域的关于中心点对称的点的模式对；
基于所述模式对得到所述环状区域的所述关于中心点对称的点的所述模式对的直方图；
将所述直方图组装得到识别特征。
优选地，还包括：
将所述识别特征发送至支持向量机分类器，利用所述支持向量机分类器识别所述识别特征得到识别结果。
优选地，所述支持向量机分类器使用线性核函数作为其核函数。
优选地，所述利用支持向量机分类器识别所述识别特征得到识别结果具体为：
所述支持向量机分类器识别三个通道的所述识别特征得到所述识别结果。
一种圆形图像识别特征提取系统，包括：
归一化模块，用于对第一圆形图像进行尺寸归一化后得到第二圆形图像，所述第一圆形图像为获取的原始圆形图像；
分区模块，用于利用掩膜模板将所述第二圆形图像分为由若干个环状区域构成的环状空间；
计算模块，用于提取所述环状区域的关于中心点对称的点的模式对；
统计模块，基于所述模式对得到所述环状区域的所述关于中心点对称的点的所述模式对的直方图；
组装模块，用于将所述直方图组装得到识别特征。
优选地，还包括：
将所述识别特征发送至支持向量机分类器，利用所述支持向量机分类器识别所述识别特征得到识别结果。
优选地，所述支持向量机分类器使用线性核函数作为其核函数。
优选地，利用所述支持向量机分类器识别所述识别特征得到识别结果具体为：
支持向量机分类器识别三个通道的特征得到识别结果。
从上述技术方案可以看出，本发明提供了一种圆形图像识别特征提取方法，在获得圆形图像后，对圆形图像进行归一化处理并利用掩膜模板划分为包含多个环状区域的环状空间；基于计算编码值的方法得到每个环状区域的关于中心点对称的点的模式对；基于模式对得到每个环状区域的关于中心点对称的点的模式对的直方图；组合直方图得到识别特征，通过提取关于中心点对称的点的模式对的直方图，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征，进而实现高准确率的识别圆形图案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明公开的一种圆形图像识别特征提取方法的实施例1的流程图；
图2为计算编码值的示意图；
图3为本发明公开的一种圆形图像识别特征提取方法的实施例3的流程图；
图4为近似计算编码值时划分扇区的示意图；
图5为点a、b、c的位置示意图；
图6为计算点a、b、c的编码值的流程图；
图7为本发明公开的一种圆形图像识别特征的提取系统的实施例7的具体结构示意图；
图8为本发明公开的一种圆形图像识别特征的提取系统的实施例8的具体结构示意图；
图9为环状空间及关于中心点对称的点的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，为本发明提供的圆形图像识别特征提取方法实施例1的流程图：
s101、对第一圆形图像进行尺寸归一化后得到第二圆形图像，第一圆形图像为获取的原始圆形图像；
将第一圆形图像尺寸归一化为m×m的第二圆形图像，即iroi，其中m的取值大小与第一圆形图像的大小成正比。例如将第一圆形图像分为一个200×200的区域，其中的200即为200个单位长度。
s102、利用掩膜模板将第二圆形图像分为由若干个环状区域构成的环状空间；
以同一圆心生成多个半径递增且部分交叠的圆环掩膜模板,即在200×200的区域中，以点(m/2,m/2)作为圆心o，重叠的生成n个等面积的圆环，掩膜模板为ψm，例如取n＝26，即每个圆环半径范围为，
s103、提取环状区域的关于中心点对称的点的模式对；
首先，定义编码值，如图2所示，设o为环状区域im的中心点，p为im内任一像素点，提取像素点p的编码值：建立局部坐标系统，将沿op方向称为径向坐标轴r，垂直op方向称为切向坐标轴t，p为新的局部坐标系统原点。分别在径向r和切向t方向找到4个对称的邻近点，按照逆时针分别记作p1、p2、p3、p4，其中p1在坐标轴r上，且p1位于坐标轴t上相对于o的相反侧，同时将4个邻域点与p点的距离记为d，其中d的取值可为1，此处的1即为一个单位长度与上述的200采用同样的单位长度，按照p1、p2、p3、p4的顺序与p点进行像素值大小的比较，由式：
得到二进制数编码t＝(t1t2t3t4)，i(p)即为p点的像素值，i(pi)为所取点pi的像素值得到二进制数编码t＝(t1t2t3t4)。
再由式：f＝8*t1+4*t2+2*t3+t4将二进制数编码转换为十进制数编码，f即为点p的编码值。
在计算p点的编码值时为了提高计算速度，避免插值计算，在计算编码值时可采用近似算法。
如图4所示，即在第二圆形图像内，沿从图像中心指向p点的方向，以45度为单位，将圆形区域划分为8个扇区。
如图5、图6所示，为任意选择的三个点a、b及c的位置示意图及计算编码值的流程图。其中，a、b、c与水平方向x轴所成夹角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。
如图9所示，为环状空间及关于中心点对称的点的示意图。在环状区域内取点(i，j)及(i＇，j＇)，两点关于中心点o对称，两者坐标关系如下式：
求(i，j)的k×k(k取值范围为3～11)的邻域内(包括(i，j))的编码值，统计出现次数最多的编码值，将该编码值作为点(i，j)的代表模式，记为s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，则关于中心点对称的点的模式对表示为(s1，s2)，否则表示为(s2，s1)。
s104、基于模式对得到环状区域的关于中心点对称的点的模式对的直方图；
统计每个环状区域im内的所有模式对，按照每个模式对在该环状区域出现频率即可获得在该环状区域im中所有模式对的直方图描述，记作hm，根据组合关系，模式对有16*16＝256种组合，因此hm是一个256维的特征向量。考虑到(i，j)及(i＇，j＇)关于中心点o对称，实际计算时，点(i，j)只需要在环状区域的上半部分取样即可，这样可以避免不必要的重复统计。
s105、将直方图组装得到识别特征。
将所有环状空间im的直方图hm进行组装，例如取n＝26，则得到识别特征h＝(h1,h2,……，h26)。组装方式可由内到外依次组装。
综上所述，本实施例提供了一种圆形图像识别特征提取方法，在获得圆形图像后，对圆形图像进行归一化处理并利用掩膜模板划分为包含多个环状区域的环状空间；基于计算编码值的方法得到每个环状区域的关于中心点对称的点的模式对；基于模式对得到每个环状区域的关于中心点对称的点的模式对的直方图；组合直方图得到识别特征，通过提取关于中心点对称的点的模式对的直方图，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征，进而实现高准确率的识别圆形图案。
如图3所示，为本发明提供的圆形图像识别特征提取方法实施例3的流程图：
s301、对第一圆形图像进行尺寸归一化后得到第二圆形图像，第一圆形图像为获取的原始圆形图像；
将第一圆形图像尺寸归一化为m×m的第二圆形图像，即iroi，其中m的取值大小与第一圆形图像的大小成正比。例如将第一圆形图像分为一个200×200的区域，其中的200即为200个单位长度。
s302、利用掩膜模板将第二圆形图像分为由若干个环状区域构成的环状空间；
以同一圆心生成多个半径递增且部分交叠的圆环掩膜模板,即在200×200的区域中，以点(m/2,m/2)作为圆心o，重叠的生成n个等面积的圆环，掩膜模板为ψm，例如取n＝26，即每个圆环半径范围为，
s303、提取环状区域的关于中心点对称的点的模式对；
首先，定义编码值，如图2所示，设c为环状区域im的中心点，p为im内任一像素点，提取像素点p的编码值：建立局部坐标系统，将沿cp方向称为径向坐标轴r，垂直cp方向称为切向坐标轴t，p为新的局部坐标系统原点。分别在径向r和切向t方向找到4个对称的邻近点，按照逆时针分别记作p1、p2、p3、p4，其中p1在坐标轴r上，且p1位于坐标轴t上相对于c的相反侧，同时将4个邻域点与p点的距离记为d，其中d的取值可为1，此处的1即为一个单位长度与上述的200采用同样的单位长度，按照p1、p2、p3、p4的顺序与p点进行像素值大小的比较，由式：
得到二进制数编码t＝(t1t2t3t4)，i(p)即为p点的像素值，i(pi)为所取点pi的像素值得到二进制数编码t＝(t1t2t3t4)。
再由式：f＝8*t1+4*t2+2*t3+t4将二进制数编码转换为十进制数编码，f即为点p的编码值。
在计算p点的编码值时为了提高计算速度，避免插值计算，在计算编码值时可采用近似算法。
如图4所示，即在第二圆形图像内，沿从图像中心指向p点的方向，以45度为单位，将圆形区域划分为8个扇区。
如图5、图6所示，为任意选择的三个点a、b及c的位置示意图及计算编码值的流程图。其中，a、b、c与水平方向x轴所成夹角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。
如图9所示，为环状空间及关于中心点对称的点的示意图。在环状区域内取点(i，j)及(i＇，j＇)，两点关于中心点o对称，两者坐标关系如下式：
求(i，j)的k×k(k取值范围为3～11)的邻域内(包括(i，j))的编码值，统计出现次数最多的编码值，将该编码值作为点(i，j)的代表模式，记为s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，则关于中心点对称的点的模式对表示为(s1，s2)，否则表示为(s2，s1)。
s304、基于模式对得到环状区域的关于中心点对称的点的模式对的直方图；
统计每个环状区域im内的所有模式对，按照每个模式对在该环状区域出现频率即可获得在该环状区域im中所有模式对的直方图描述，记作hm，根据组合关系，模式对有16*16＝256种组合，因此hm是一个256维的特征向量。考虑到(i，j)及(i＇，j＇)关于中心点o对称，实际计算时，点(i，j)只需要在环状区域的上半部分取样即可，这样可以避免不必要的重复统计。
s305、将直方图组装得到识别特征。
将所有环状空间im的直方图hm进行组装，例如取n＝26，则得到识别特征h＝(h1,h2,……，h26)。组装方式可由内到外依次组装。
综上所述，本实施例提供了一种圆形图像识别特征提取方法，在获得圆形图像后，对圆形图像进行归一化处理并利用掩膜模板划分为包含多个环状区域的环状空间；基于计算编码值的方法得到每个环状区域的关于中心点对称的点的模式对；基于模式对得到每个环状区域的关于中心点对称的点的模式对的直方图；组合直方图得到识别特征，通过提取关于中心点对称的点的模式对的直方图，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征，进而实现高准确率的识别圆形图案。
为进一步优化本方案，本方法还包括以下步骤：
s306、将识别特征发送至支持向量机分类器，利用支持向量机分类器识别识别特征得到识别结果。
支持向量机方法是建立在统计学习理论的vc维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以求获得最好的推广能力。
此处使用的支持向量机分类器为采用多个样本进行训练后的可根据识别特征进行图像识别的支持向量机分类器。传递模块将识别图像发送给支持向量机分类器后，即可对原图像进行识别。
为进一步优化本方案，支持向量机分类器使用线性核函数作为其核函数。
为进一步优化本方案，支持向量机分类器识别三个通道的特征得到识别结果。例如对第二圆形图像iroi的三个通道r、g、b得到的对应的识别特征hr、hg、hb进行识别得到结果。r、g、b分别代表图像的颜色表示方式，采用识别三个通道的识别特征得到识别结果比识别一个通道的识别特征得到识别结果识别率更高。
如图7所示，为本发明提供的圆形图像识别特征提取系统实施例7的具体结构示意图：
本系统包括归一化模块701、分区模块702、计算模块703、统计模块704及组装模块705，其中：
归一化模块701与分区模块702连接，分区模块702与计算模块703连接，计算模块703与统计模块704连接，统计模块704与组装模块705连接。
归一化模块701对第一圆形图像进行尺寸归一化后得到第二圆形图像，第一圆形图像为获取的原始圆形图像；
将第一圆形图像尺寸归一化为m×m的第二圆形图像，即iroi，其中m的取值大小与第一圆形图像的大小成正比。例如将第一圆形图像分为一个200×200的区域，其中的200即为200个单位长度。
分区模块702利用掩膜模板将第二圆形图像分为由若干个环状区域构成的环状空间；
以同一圆心生成多个半径递增且部分交叠的圆环掩膜模板,即在200×200的区域中，以点(m/2,m/2)作为圆心o，重叠的生成n个等面积的圆环，掩膜模板为ψm，例如取n＝26，即每个圆环半径范围为，
计算模块703提取环状区域的关于中心点对称的点的模式对；
首先，定义编码值，如图2所示，设o为环状区域im的中心点，p为im内任一像素点，提取像素点p的编码值：建立局部坐标系统，将沿op方向称为径向坐标轴r，垂直op方向称为切向坐标轴t，p为新的局部坐标系统原点。分别在径向r和切向t方向找到4个对称的邻近点，按照逆时针分别记作p1、p2、p3、p4，其中p1在坐标轴r上，且p1位于坐标轴t上相对于o的相反侧，同时将4个邻域点与p点的距离记为d，其中d的取值可为1，此处的1即为一个单位长度与上述的200采用同样的单位长度，按照p1、p2、p3、p4的顺序与p点进行像素值大小的比较，由式：
得到二进制数编码t＝(t1t2t3t4)，i(p)即为p点的像素值，i(pi)为所取点pi的像素值得到二进制数编码t＝(t1t2t3t4)。
再由式：f＝8*t1+4*t2+2*t3+t4将二进制数编码转换为十进制数编码，f即为点p的编码值。
在计算p点的编码值时为了提高计算速度，避免插值计算，在计算编码值时可采用近似算法。
如图4所示，即在第二圆形图像内，沿从图像中心指向p点的方向，以45度为单位，将圆形区域划分为7个扇区。
如图5、图6所示，为任意选择的三个点a、b及c的位置示意图及计算编码值的流程图。其中，a、b、c与水平方向x轴所成夹角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。
如图9所示，为环状空间及关于中心点对称的点的示意图。在环状区域内取点(i，j)及(i＇，j＇)，两点关于中心点o对称，两者坐标关系如下式：
求(i，j)的k×k(k取值范围为3～11)的邻域内(包括(i，j))的编码值，统计出现次数最多的编码值，将该编码值作为点(i，j)的代表模式，记为s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，则关于中心点对称的点的模式对表示为(s1，s2)，否则表示为(s2，s1)。
统计模块704基于模式对得到环状区域的关于中心点对称的点的模式对的直方图；
统计每个环状区域im内的所有模式对，按照每个模式对在该环状区域出现频率即可获得在该环状区域im中所有模式对的直方图描述，记作hm，根据组合关系，模式对有16*16＝256种组合，因此hm是一个256维的特征向量。考虑到(i，j)及(i＇，j＇)关于中心点o对称，实际计算时，点(i，j)只需要在环状区域的上半部分取样即可，这样可以避免不必要的重复统计。
组装模块705将直方图组装得到识别特征。
将所有环状空间im的直方图hm进行组装，例如取n＝26，则得到识别特征h＝(h1,h2,……，h26)。组装方式可由内到外依次组装。
综上所述，本实施例提供了一种圆形图像识别特征提取系统，在获得圆形图像后，对圆形图像进行归一化处理并利用掩膜模板划分为包含多个环状区域的环状空间；基于计算编码值的方法得到每个环状区域的关于中心点对称的点的模式对；基于模式对得到每个环状区域的关于中心点对称的点的模式对的直方图；组合直方图得到识别特征，通过提取关于中心点对称的点的模式对的直方图，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征，进而实现高准确率的识别圆形图案。
如图8所示，为本发明提供的圆形图像识别特征提取系统实施例8的具体结构示意图：
本系统包括归一化模块801、分区模块802、计算模块803、统计模块804及组装模块805，其中：
归一化模块801与分区模块802连接，分区模块802与计算模块803连接，计算模块803与统计模块804连接，统计模块804与组装模块805连接。
归一化模块801对第一圆形图像进行尺寸归一化后得到第二圆形图像，第一圆形图像为获取的原始圆形图像；
将第一圆形图像尺寸归一化为m×m的第二圆形图像，即iroi，其中m的取值大小与第一圆形图像的大小成正比。例如将第一圆形图像分为一个200×200的区域，其中的200即为200个单位长度。
分区模块802利用掩膜模板将第二圆形图像分为由若干个环状区域构成的环状空间；
以同一圆心生成多个半径递增且部分交叠的圆环掩膜模板,即在200×200的区域中，以点(m/2,m/2)作为圆心o，重叠的生成n个等面积的圆环，掩膜模板为ψm，例如取n＝26，即每个圆环半径范围为，
计算模块803提取环状区域的关于中心点对称的点的模式对；
首先，定义编码值，如图2所示，设o为环状区域im的中心点，p为im内任一像素点，提取像素点p的编码值：建立局部坐标系统，将沿op方向称为径向坐标轴r，垂直op方向称为切向坐标轴t，p为新的局部坐标系统原点。分别在径向r和切向t方向找到4个对称的邻近点，按照逆时针分别记作p1、p2、p3、p4，其中p1在坐标轴r上，且p1位于坐标轴t上相对于o的相反侧，同时将4个邻域点与p点的距离记为d，其中d的取值可为1，此处的1即为一个单位长度与上述的200采用同样的单位长度，按照p1、p2、p3、p4的顺序与p点进行像素值大小的比较，由式：
得到二进制数编码t＝(t1t2t3t4)，i(p)即为p点的像素值，i(pi)为所取点pi的像素值得到二进制数编码t＝(t1t2t3t4)。
再由式：f＝8*t1+4*t2+2*t3+t4将二进制数编码转换为十进制数编码，f即为点p的编码值。
在计算p点的编码值时为了提高计算速度，避免插值计算，在计算编码值时可采用近似算法。
如图4所示，即在第二圆形图像内，沿从图像中心指向p点的方向，以45度为单位，将圆形区域划分为8个扇区。
如图5、图6所示，为任意选择的三个点a、b及c的位置示意图及计算编码值的流程图。其中，a、b、c与水平方向x轴所成夹角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。
如图9所示，为环状空间及关于中心点对称的点的示意图。在环状区域内取点(i，j)及(i＇，j＇)，两点关于中心点o对称，两者坐标关系如下式：
求(i，j)的k×k(k取值范围为3～11)的邻域内(包括(i，j))的编码值，统计出现次数最多的编码值，将该编码值作为点(i，j)的代表模式，记为s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，则关于中心点对称的点的模式对表示为(s1，s2)，否则表示为(s2，s1)。
统计模块804基于模式对得到环状区域的关于中心点对称的点的模式对的直方图；
统计每个环状区域im内的所有模式对，按照每个模式对在该环状区域出现频率即可获得在该环状区域im中所有模式对的直方图描述，记作hm，根据组合关系，模式对有16*16＝256种组合，因此hm是一个256维的特征向量。考虑到(i，j)及(i＇，j＇)关于中心点o对称，实际计算时，点(i，j)只需要在环状区域的上半部分取样即可，这样可以避免不必要的重复统计。
组装模块805将直方图组装得到识别特征。
将所有环状空间im的直方图hm进行组装，例如取n＝26，则得到识别特征h＝(h1,h2,……，h26)。组装方式可由内到外依次组装。
综上所述，本实施例提供了一种圆形图像识别特征提取系统，在获得圆形图像后，对圆形图像进行归一化处理并利用掩膜模板划分为包含多个环状区域的环状空间；基于计算编码值的方法得到每个环状区域的关于中心点对称的点的模式对；基于模式对得到每个环状区域的关于中心点对称的点的模式对的直方图；组合直方图得到识别特征，通过提取关于中心点对称的点的模式对的直方图，可克服圆形图像角度旋转的问题，实现提取圆形图像的识别特征，进而实现高准确率的识别圆形图案。
为进一步优化本方案，本系统还包括支持向量机分类器806，其中：
支持向量机分类器806与组装模块805连接。
组装模块805将识别特征发送至支持向量机分类器806，利用支持向量机分类器806识别识别特征得到识别结果。
支持向量机方法是建立在统计学习理论的vc维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以求获得最好的推广能力。
此处使用的支持向量机分类器806为采用多个样本进行训练后的可根据识别特征进行图像识别的支持向量机分类器806。传递模块将识别图像发送给支持向量机分类器806后，即可对原图像进行识别。
为进一步优化本方案，支持向量机分类器806使用线性核函数作为其核函数。
为进一步优化本方案，支持向量机分类器806识别三个通道的识别特征得到识别结果。例如对第二圆形图像iroi的三个通道r、g、b得到的对应的识别特征hr、hg、hb进行识别得到结果。r、g、b分别代表图像的颜色表示方式，采用识别三个通道的识别特征得到识别结果比识别一个通道的识别特征得到识别结果识别率更高。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
- 还没有人留言评论。精彩留言会获得点赞！