[发明专利]物体边缘提取方法、装置及电子设备有效
申请号: | 201711243827.5 | 申请日: | 2017-11-30 |
公开(公告)号: | CN108986125B | 公开(公告)日: | 2022-02-01 |
发明(设计)人: | 王哲;罗元泰;朱倩;周剑;龙学军 | 申请(专利权)人: | 成都通甲优博科技有限责任公司 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T5/00;G06K9/62 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 张红平 |
地址: | 610000 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 物体 边缘 提取 方法 装置 电子设备 | ||
1.一种物体边缘提取方法,其特征在于,所述方法包括:
获取边缘提取模型;
根据所述边缘提取模型获取待识别图像信息中每个像素点对应的轮廓概率值,以获得轮廓概率矩阵;
对所述轮廓概率矩阵进行归一化处理,以生成第一边缘二值图;
对所述第一边缘二值图进行去噪处理;
提取去噪处理后的第一边缘二值图中的最大的连通区域,以获得第二边缘二值图;
从所述第二边缘二值图中提取对应的边缘线条;
根据所述边缘线条的斜率利用聚类算法对所述边缘线条进行分类;
分别将每个类别对应的边缘线条按照预设的第一规则进行筛选;
分别对筛选出的每条边缘线条进行延长处理及加粗处理,以获得第三边缘二值图;
提取所述第三边缘二值图中的最大的连通区域,以获得第四边缘二值图;
根据所述第四边缘二值图,利用预设置的直线拟合算法生成物体边缘图。
2.如权利要求1所述的方法,其特征在于,获取边缘提取模型的步骤包括:
采集样本图片信息;
响应用户操作,对所述样本图片信息设置对应的标注信息;
根据所述样本图片信息及对应的标注信息建立训练集及测试集;
利用所述训练集训练预设置的特征提取网络模型,以获得初始边缘提取模型;
利用所述测试集对所述初始边缘提取模型进行测试及调整以获得所述边缘提取模型。
3.如权利要求2所述的方法,其特征在于,所述采集样本图片信息的方式包括以下之一或之间的组合:
按照预设的第二规则从获取的第一初始样本图片信息中筛选出作为样本的所述样本图片信息;或
响应用户的点选操作,将获取的被标记为样本的第二初始样本图片信息进行样本扩张,以获得所述样本图片信息。
4.一种物体边缘提取装置,其特征在于,所述装置包括:
获取模块,用于获取边缘提取模型;
第一提取模块,用于根据所述边缘提取模型获取待识别图像信息中每个像素点对应的轮廓概率值,以获得轮廓概率矩阵;
第一处理模块,用于对所述轮廓概率矩阵进行归一化处理,以生成第一边缘二值图;
第二处理模块,用于对所述第一边缘二值图进行去噪处理;
第二提取模块,提取去噪处理后的第一边缘二值图中的最大的连通区域,以获得第二边缘二值图;
第三提取模块,用于从所述第二边缘二值图中提取对应的边缘线条;
分类模块,用于根据所述边缘线条的斜率利用聚类算法对所述边缘线条进行分类;
筛选模块,用于分别将每个类别对应的边缘线条按照预设的第一规则进行筛选;
第三处理模块,用于分别对筛选出的每条边缘线条进行延长处理及加粗处理,以获得第三边缘二值图;
所述第二提取模块,还用于提取所述第三边缘二值图中的最大的连通区域,以获得第四边缘二值图;
拟合模块,用于根据所述第四边缘二值图,利用预设置的直线拟合算法生成物体边缘图。
5.一种电子设备,其特征在于,所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取边缘提取模型;
根据所述边缘提取模型获取待识别图像信息中每个像素点对应的轮廓概率值,以获得轮廓概率矩阵;
对所述轮廓概率矩阵进行归一化处理,以生成第一边缘二值图;
对所述第一边缘二值图进行去噪处理;
提取去噪处理后的第一边缘二值图中的最大的连通区域,以获得第二边缘二值图;
从所述第二边缘二值图中提取对应的边缘线条;
根据所述边缘线条的斜率利用聚类算法对所述边缘线条进行分类;
分别将每个类别对应的边缘线条按照预设的第一规则进行筛选;
分别对筛选出的每条边缘线条进行延长处理及加粗处理,以获得第三边缘二值图;
提取所述第三边缘二值图中的最大的连通区域,以获得第四边缘二值图;
根据所述第四边缘二值图,利用预设置的直线拟合算法生成物体边缘图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都通甲优博科技有限责任公司,未经成都通甲优博科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711243827.5/1.html,转载请声明来源钻瓜专利网。