[发明专利]一种图像目标外观对称性与形状特征的检测方法

说明书

技术领域

本发明涉及数字图像处理、计算机视觉和模式识别等学科技术，提出了一种基于计算机视觉的图像目标特征提取和检测方法。 

背景技术

无论是自然的还是人工的物体往往都是以对称的形式展现，对理解和解释自然界的图像目标而言，检测对称性具有重要意义。而目前关于图像目标对称的研究很少。本发明方法还适用于目标外观特征的检测。 

发明内容

本发明提出了一种针对图像目标对称性以及各种形状特征的提取和检测方法。将图像目标用矩形框框定，该目标的对称性，以及其他外观特性是通过累加计算矩形框中子矩形框内所有像素的灰度值（也可以是1种或多种颜色通道值组合）并比较而得到的；利用“积分图”（Integral image）计算矩形子块中所有像素灰度的累加值。本发明提出的目标形状特征的提取，所涉及运算主要是加法运算，具有快速的特点。 

本发明提出了图像目标的“矩形特征”概念，即一个视觉目标的形状特征可以由若干个子矩形特征组合描述而成。目标矩形特征可以根据不同的分块结构和分布位置进行特征组合描述，主要有两矩形分块结构、三矩形分块结构、四矩形分块结构、六矩形分块结构、九矩形分块结构、十六矩形分块结构等等，可以根据实际情况进一步细分矩形结构。 

根据实际检测目标的长宽比，矩形目标框可以分正方形和长方形两种，为简化描述，主要以正方形为主描述各分块结构。 

目标外观的特性可以用各分块矩形灰度累加值（简称矩形值）的差值来表示。矩形之间的差值反映了两块矩形外观的差异。为减少光照变化等影响，用差值除以整个目标矩形值。目标的矩形特征主要是以目标局部矩形块之间差值以基础的，设定相对偏差的阈值δ，根据目标不同矩形块之间偏差大小，判定该目标或整体或局部的对称特征，甚至可以用来判定一些特定形状，如P型目标。 

矩形特征里的矩形分块分为均等和不均等两类，主要根据检测目标的外观特征来决定。在后面的特征论述中，为简化表述，除非有特别说明，否则矩形分块的大小均等划分。 

1）二矩形分块结构特性 

参阅图1，二矩形分块结构。该图左边表示的是左R_2l、右R_2r两个矩形分块结构，右图表示的是上R_2t、下R_2b两个矩形分块结构。

                         （1） 

式（1）中R_all表示整个目标矩形值，R_2l、R_2r分别表示矩形子块值，Feature_lr表示左右是否对称的特性，1表示对称，0表示不对称。abs（）表示取绝对值函数。式（1）利用矩形子块像素累加值之差表示两个矩形区颜色的差异，并对数据做归一化（0～1）处理。后面各式的表达类似。

                       （2） 

Feature2_tb表示上下对称特性，1表示对称，0表示不对称。

2）三矩形分块矩阵特性 

参阅图2，三分块矩形结构。该结构分左中右和上中下两种特性，反映的是视觉目标在空间上下或左右的分布特征。三分块矩形的大小可以均匀划分，也可以中间大两边小，也可以两边大中间小，也可以是一边大另一边小等等，根据检测目标的具体情况决定。主要用来检测目标左右的和上下的分布情况：目标特征最常见的表现为中间突出、两边弱化，或者中间弱化两边突出等不同分布特征。

为简化表示，将三等分结构看作是否具有均匀分布特征，即（3）、（4）式，Feature_lmr_d表示目标在左、中、右三个矩形分块的外观分布特性，Feature_tib_d表示上中下均分分布特性，取1表示三矩形分块是颜色均匀分布的，取0表示不均匀。 

           （3） 

                         （4）

或者用来表示目标是否是具有边缘特征，主要表现为目标单边矩形块颜色与另外相邻两块颜色不同，其计算取值按照（5）、（6）式，Feature_lmr_e表示目标有左右边缘特性，Feature_tib_e表示上下有边缘特性，取1表示有，取0比表示无。

（5）