專利名稱：一種基于空間相關(guān)矩陣的圖像特征分析模型的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一種基于空間相關(guān)矩陣的圖像特征分析模型，涉及物體識別的分析計算模 型，這種特征能夠揭示所有或多數(shù)物體都具有的內(nèi)在屬性(如形狀，空間關(guān)系等)，而對物 體的個體細(xì)微變化不敏感；屬于圖形圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
物體檢測是模式識別中的二元分類問題，同時也是一個具有挑戰(zhàn)性的計算機視覺 問題，有時也被劃分為機器學(xué)習(xí)領(lǐng)域的研究內(nèi)容。物體檢測可被廣泛的應(yīng)用于多個領(lǐng)域，如 智能監(jiān)控中的行人檢測、人臉檢測，在視頻中檢索相似圖像等等。盡管已經(jīng)有大量的文獻對 其進行了全面深入的探究，幾個關(guān)鍵的問題至今沒有被充分的闡述，甚至有些沒有解決，因 此仍是當(dāng)前的一個熱點研究領(lǐng)域之一。尤其在物體識別的特征算法中，盡管Haar特征已經(jīng)取得了巨大的成功，但是Haar 特征仍然暴露出了很多缺點，總的來說，主要的不足主要體現(xiàn)在如下幾個方面1)每個Haar特征最多使用了 4個矩形區(qū)域，這本應(yīng)該是一個優(yōu)點。然而，一個物 體通常具有四個以上的具有分類能力的子區(qū)域。2)每個子矩形區(qū)域是同尺寸的，或滿足一定的比例關(guān)系。但在實際中，對于目標(biāo)物 體來說，它的每個具有分類能力的區(qū)域的尺寸通常都是不同的。3)每個子矩形區(qū)域的權(quán)重相同，其中，正樣本的權(quán)重是“1”，負(fù)樣本的權(quán)重是 “-1”。也就是說，每個子矩形的對分類效果的影響是相同的。但在實際中物體的不同部分 對分類效果的影響程度肯定是不同的。4)簡單的Haar連接特征包括邊緣特征，線特征和中心環(huán)繞特征。這些特征能夠強 有力的捕捉到目標(biāo)物體的局部細(xì)節(jié)特征。但它很難捕獲目標(biāo)物體的整體結(jié)構(gòu)屬性，同時它 也丟失了物體各部分間的空間相關(guān)性。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于空間相關(guān)矩陣的圖像特征分析模型，以克服現(xiàn)有 Haar特征分析模型的不足，允許特征模型擁有更多的具有分類能力的子區(qū)域，允許分類能 力的區(qū)域的尺寸是不同的，更加精確的衡量了每個子矩形區(qū)域的權(quán)重，提高了空間表達能 力。為實現(xiàn)上述目的，本發(fā)明提出了一種基于空間相關(guān)矩陣的圖像特征分析模型，有 效的結(jié)合了一階統(tǒng)計特征和二階統(tǒng)計特征，從而實現(xiàn)了更強的空間表達能力和分類能力。 空間相關(guān)矩陣特征是一種可伸縮的，易擴展的，且與Haar特征兼容的特征生成及表達方 式。另外，在特征值計算上，空間相關(guān)矩陣特征也允許使用積分圖及其它一些優(yōu)化的一階特 征計算方法來提高計算的速度。一種基于空間相關(guān)矩陣的圖像特征分析模型，其數(shù)學(xué)表達式如下
其中，(x, y)代表了矩形區(qū)域左上角的坐標(biāo)值，(相對于整個樣本圖像而言)，該 區(qū)域是恰好包含特征ft的最小矩形區(qū)域。(w，h)代表矩形的長和寬；θ代表矩形區(qū)域的傾 角，0彡θ彡π/4 為特征子窗口，M1,η為空間相關(guān)矩陣，約為特征值，內(nèi)為關(guān)系規(guī)則。所述的特征子窗口 F1,η是由IXn個相同尺寸的子矩形區(qū)域的一階統(tǒng)計值特征 WJ)組成其中仍是用于計算圖像的特征子窗口的一階統(tǒng)計特征值。所述的空間相關(guān)矩陣M1, η，表示個1 Xη的矩陣，用于表示上述特征子窗口中所有 子窗口之間的空間關(guān)系及重要程度 其中，co(i，j)表示第(i，j)個特征子窗口的權(quán)重值，它是一個浮點數(shù)，且滿 足-1彡ω彡1。所述的特征值約是用于計算圖像的特征子窗口的一階統(tǒng)計特征值，內(nèi)是用于計算 圖像特征子窗口的二階統(tǒng)計特征值。本發(fā)明的有益效果是克服現(xiàn)有Haar特征分析模型的不足，允許特征模型擁有更 多的具有分類能力的子區(qū)域，允許分類能力的區(qū)域的尺寸是不同的，更加精確的衡量了每 個子矩形區(qū)域的權(quán)重，提高了空間表達能力。


圖1是特征子窗口的示意2是采用本發(fā)明的模型進行特征檢測的錯誤率和采用的特征個數(shù)的關(guān)系曲線。
具體實施例方式下面結(jié)合實施例，對本發(fā)明的技術(shù)方案做進一步的說明。F1, η定義了一個IXn的矩陣，我們稱其為特征子窗口 .如圖1所示，它是由IXn 個相同尺寸的子矩形區(qū)域組成，每個子矩形區(qū)域稱為一個特征子窗口，準(zhǔn)確的說，我們將整 個矩形區(qū)域在垂直和水平兩個方向被1，η等比例分割。
權(quán)利要求
1. 一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于該模型包括矩形區(qū)域 左上角的坐標(biāo)值(X，y)，矩形的長和寬(W，h)，矩形區(qū)域的傾角Θ，特征子窗口 F1,n，空間相 關(guān)矩陣Mlin，特征值約，和關(guān)系規(guī)則約；
2.根據(jù)權(quán)利要求1的一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于所述 的矩形區(qū)域的傾角θ，0彡θ彡π/4。
3.根據(jù)權(quán)利要求1的一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于所述 的特征子窗口 F1>n是由IXn個相同尺寸的子矩形區(qū)域的一階統(tǒng)計值特征仍組成F,=^ (0,0) ^ (1,0)^ (0,1) 釣(1,1)釣(/-1,0) <^(/-1,0)...釣(/-1, -1)其中仍是用于計算圖像的特征子窗口的一階統(tǒng)計特征值。
4.根據(jù)權(quán)利要求1的一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于所述 的空間相關(guān)矩陣M1,η，表示個IXn的矩陣，用于表示上述特征子窗口中所有子窗口之間的 空間關(guān)系及重要程度M “ =ω(0,0) 0(0,1) 0(1,0) 0(1,1)ω(0,η-1) ω(\,η-\)ω(/-1,0) ω(/-1,0) ... — 1, — 1)其中，co(i，j)表示第(i，j)個特征子窗口的權(quán)重值，它是一個浮點數(shù)，且滿 足-1彡ω彡1。
5.根據(jù)權(quán)利要求1的一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于所述 的特征值灼是用于計算圖像的特征子窗口的一階統(tǒng)計特征值。
6.根據(jù)權(quán)利要求1的一種基于空間相關(guān)矩陣的圖像特征分析模型，其特征在于所述 的關(guān)系規(guī)則約是用于計算圖像特征子窗口的二階統(tǒng)計特征值。
全文摘要
本發(fā)明提出了一種基于空間相關(guān)矩陣的圖像特征分析模型，該模型包括矩形區(qū)域左上角的坐標(biāo)值(x，y)(相對于整個樣本圖像而言)，矩形的長和寬(w，h)，矩形區(qū)域的傾角θ，特征子窗口Fl，n，空間相關(guān)矩陣Ml，n，特征值和關(guān)系規(guī)則本發(fā)明克服了現(xiàn)有Haar特征分析模型的不足，允許特征模型擁有更多的具有分類能力的子區(qū)域，允許分類能力的區(qū)域的尺寸是不同的，更加精確的衡量了每個子矩形區(qū)域的權(quán)重，提高了空間表達能力。
文檔編號G06K9/62GK102136071SQ201110056360
公開日2011年7月27日 申請日期2011年3月9日 優(yōu)先權(quán)日2011年3月9日
發(fā)明者李想, 李超, 熊璋, 袁曉冬, 聞佳 申請人:北京航空航天大學(xué)