專利名稱：一種彩色圖像顏色特征提取方法及裝置的制作方法
技術領域：
本發(fā)明涉及圖像處理技術領域，尤其涉及一種彩色圖像顏色特征提取方法及裝置。
背景技術：
隨著多媒體技術的迅速發(fā)展，視頻數(shù)據(jù)日趨龐大，如何對這些海量視頻數(shù)據(jù)進行分析、搜索和識別，成為相關研究領域的重要挑戰(zhàn)，特別是在智能監(jiān)控和數(shù)字安防領域，越來越成為研究的熱點和難點。為了對圖像中的目標對象進行識別和跟蹤，通常需要提取目標的圖像特征進行比對，作為一種魯棒性高的視覺特征，顏色特征對于物體本身的尺寸、方 向和視角等因素依賴性較小，因而被廣泛使用。提取顏色特征的方法有很多，如采用圖像分割的方法，將圖像分成若干不同的色彩區(qū)域，然后存儲其對應的特征以供后續(xù)查詢和匹配。傳統(tǒng)的圖像分割技術，包括分水嶺算法、區(qū)域分割及合并、頻域技術等，在圖像和視頻處理的諸多應用中很有用，然而這些方法基本上都難以產(chǎn)生彩色圖像的精細化分割結果，而且對于大規(guī)模的數(shù)據(jù)庫滿足不了實時性的要求。因此，有人提出基于Graph理論的圖像分割方法，但都是基于對全局圖像進行操作，計算效率同樣受到制約。

發(fā)明內容
本發(fā)明實施例的目的是針對傳統(tǒng)圖像分割方法難以獲得高質量、精細化的分割結果，且實時性不能滿足大規(guī)模數(shù)據(jù)庫要求的問題，對傳統(tǒng)方法進行改進和優(yōu)化，而提出一種新的圖像顏色特征提取方法及裝置。為了達到上述發(fā)明目的，本發(fā)明實施例提出的一種圖像顏色特征提取方法是通過以下技術方案實現(xiàn)的一種圖像顏色特征提取方法，所述方法包括當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像；對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象；根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。優(yōu)選地，所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函數(shù)模型，或基于貝葉斯網(wǎng)絡的背景模型；優(yōu)選地，所述對獲得的所述前景圖像進行顏色歸一化處理具體包括像素顏色值對R，G，B三通道亮度之和或者對三通道最大值進行歸一。優(yōu)選地，所述圖像分割算法包括基于Graph的算法、分水嶺算法、區(qū)域分割及合并、形態(tài)學算法、Quadtree分割算法、并行區(qū)域算法、或頻域算法。
進一步優(yōu)選地，當所述算法為基于Graph的算法時，所述利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊子區(qū)域具體包括根據(jù)待分割的對像建立一個無向權圖G(V，E)，其中，像素點為圖的頂點，邊連接相鄰像素點，邊的權重為兩像素點的不相似性度量，自適應地迭代合并聚類。進一步優(yōu)選地，所述方法還包括對分割的子區(qū)域利用計算幾何學方法擬合成較規(guī)則的幾何形狀，其中，每個blob塊對應有RGB顏色和空間坐標信息。進一步優(yōu)選地，所述方法還包括賦予每個blob位置的預先確定的等分網(wǎng)格屬性以使后續(xù)快速索引。優(yōu)選地，所述方法還包括對每個blob的位置屬性進行bit位編碼并將特征傳輸?shù)较鄳姆掌鬟M行上存儲。為了實現(xiàn)前述發(fā)明目的，本發(fā)明實施例還提出了一種圖像顏色特征提取裝置，所述裝置是通過以下技術方案實現(xiàn)的一種圖像顏色特征提取裝置，所述裝置包括圖像前景提取模塊，用來當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像；圖像預處理模塊，用來對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象；圖像分割模塊，用來根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。進一步優(yōu)選地，所述裝置還包括特征擬合模塊，用來對分割的子區(qū)域利用計算幾何學方法擬合成較規(guī)則的幾何形狀，其中，每個blob塊對應有RGB顏色和空間坐標信息。進一步優(yōu)選地，所述裝置還包括特征索引模塊，用來賦予每個blob位置的預先確定的等分網(wǎng)格屬性以使后續(xù)快速索引。 優(yōu)選地，所述裝置還包括特征編碼模塊，用來對每個blob的位置屬性進行bit位編碼并將特征傳輸?shù)较鄳姆掌鬟M行上存儲。與現(xiàn)有技術相比，本發(fā)明實施例提出的一種圖像顏色特征提取方法及裝置，能夠精確、有效的用于行人等目標識別中的智能視頻搜索的彩色圖像特征提取、編碼，因為只對前景區(qū)域處理，提高了實時性能，并對圖像進行顏色歸一化操作，從而彌補了不同點位的多個監(jiān)控攝像機捕獲的圖像質量的差異性，改善了識別效果。另外，引入基于Graph的圖像分割算法提取顏色特征，并加以改進，使得圖像分割更為精確。另外，本發(fā)明實施例還擬合blob區(qū)域成規(guī)則幾何形狀，最大程度地還原被分割對象的空間分布并易于表達和使用；另外，采用二進制編碼，極大壓縮存儲空間，同時，將分割圖像等分成若干個網(wǎng)格區(qū)域，最終分割出來的blob都會有一個對應的網(wǎng)格屬性，以后查找的時候都只在相應區(qū)域里面進行查找，縮少了搜索范圍。


通過下面結合附圖對其示例性實施例進行的描述，本發(fā)明上述特征和優(yōu)點將會變得更加清楚和容易理解。圖I為本發(fā)明實施例I 一種圖像顏色特征提取方法的流程圖；圖2為本發(fā)明實施例2 —種圖像顏色特征提取裝置組成示意圖；圖3為本發(fā)明實施例3另一種圖像顏色特征提取裝置組成示意圖；圖4為本發(fā)明實施例4另一種圖像顏色特征提取裝置組成示意圖；
圖5為本發(fā)明實施例5另一種圖像顏色特征提取裝置組成示意具體實施例方式下面結合附圖對本發(fā)明作進一步詳細說明。如圖I所示，為本發(fā)明實施例I 一種圖像顏色特征提取方法的流程圖，所述方法包括S101.當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像；S102.對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象；S103.根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。在本發(fā)明實施例中，不同點位的攝像頭實時采集視頻信號，傳輸給特征提取服務器，不間斷地提取顏色特征；特征提取服務器接收到每幀視頻圖像時，建立和更新背景模型，同時提取前景對象，然后對獲得的前景圖像進行顏色歸一化處理，得到的歸一化后的圖像作為分割的圖像數(shù)據(jù)。由于采集的視頻圖像受圖像背景噪聲的干擾，既影響視頻對象特征的精確提取，又降低了圖像分割的實時性，而基于背景模型的前景提取技術可有效解決此類問題。其中，背景模型可以采用多種模型，如基于MRF的背景模型，混合高斯方法，概率密度函數(shù)(HF)模型，基于貝葉斯網(wǎng)絡的背景建模等，本發(fā)明實施例不限制背景模型的具體實施方式
。另外，顏色歸一化操作可使用像素顏色值對R，G，B三通道亮度之和或者對三通道最大值進行歸一。由于實際場景千差萬別，光照、物體表面特性、環(huán)境光源等會對識別結果產(chǎn)生很大的影響。針對這個問題，本發(fā)明實施例對圖像進行顏色歸一化操作，從而彌補了不同點位的多個監(jiān)控攝像機捕獲的圖像質量的差異性，改善了識別效果。對圖像進行分割，得到一個個blob子區(qū)域。根據(jù)像素點間的顏色特征的不相似性量度，對圖像各像素點進行聚類，將圖像分割成一塊塊子區(qū)域，子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大，并提取各子區(qū)域對應的顏色和位置特征。本發(fā)明實施例特別地，針對以前都是對全圖進行分割的做法，只對提取的前景點進行處理，忽略背景區(qū)域，這樣能極大地提高計算效率?？捎玫膱D像分割方法包括基于Graph的算法、分水嶺算法、區(qū)域分割及合并、形態(tài)學方法、Quadtree分割技術、并行區(qū)域技術、頻域技術等。本發(fā)明實施例以改進的基于Graph的算法為例，根據(jù)待分割的圖像建立一個無向權圖G(V，E)，像素點為圖的頂點，邊連接相鄰像素點，邊的權重為兩像素點的不相似性度量，如各分量的絕對差和等。之后自適應地迭代合并聚類，最終得到的各子區(qū)域內部差異較小，區(qū)域間的差異較大。對分割結果用計算幾何學方法擬合成較規(guī)則的幾何形狀，矩形或者橢圓均可，每個blob塊對應有RGB顏色和空間坐標信息。由于以上步驟分割出來的區(qū)域并不規(guī)則，不利于存儲和后續(xù)的匹配等處理，本發(fā)明實施例對不規(guī)則的blob區(qū)域進行幾何擬合，最大程度地還原被分割對象的空間分布。為了后續(xù)能快速索引所需要的blob塊,賦予每個blob所在的預先確定的等分網(wǎng)格屬性，快速索引同樣可以使用基于四叉樹的空間索引方式。
優(yōu)選地，本發(fā)明實施例方法還包括對每個blob的位置屬性采用按bit位編碼，壓縮不用的bits，并將特征傳輸?shù)较鄳姆掌鬟M行上存儲，以備后用。為了減少blob位置信息的存儲量，對其坐標采用按bit編碼而非byte編碼的方式，極大地壓縮了存儲空間。同時，將分割圖像等分成若干個網(wǎng)格區(qū)域，最終分割出來的blob都會有一個對應的網(wǎng)格屬性，以后查找的時候都只在相應區(qū)域里面進行查找，縮少了搜索范圍。如圖2所示，為了實現(xiàn)前述發(fā)明目的，本發(fā)明實施例2還提出了一種圖像顏色特征提取裝置，所述裝置是通過以下技術方案實現(xiàn)的一種圖像顏色特征提取裝置，所述裝置包括圖像前景提取模塊，用來當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像；圖像預處理模塊，用來對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象；圖像分割模塊，用來根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。進一步優(yōu)選地，如圖3所示，所述裝置還包括特征擬合模塊，用來對分割的子區(qū)域利用計算幾何學方法擬合成較規(guī)則的幾何形狀，其中，每個blob塊對應有RGB顏色和空間坐標信息。進一步優(yōu)選地,如圖4所示,所述裝置還包括特征索引模塊，用來賦予每個blob位置的預先確定的等分網(wǎng)格屬性以使后續(xù)快速索引。優(yōu)選地,如圖5所示,所述裝置還包括特征編碼模塊，用來對每個blob的位置屬性進行bit位編碼并將特征傳輸?shù)较鄳姆掌鬟M行上存儲。與現(xiàn)有技術相比，本發(fā)明實施例提出的一種圖像顏色特征提取方法及裝置，能夠精確、有效的用于行人等目標識別中的智能視頻搜索的彩色圖像顏色特征提取、編碼，只對前景區(qū)域處理，提高了實時性能，并對圖像進行顏色歸一化操作，從而彌補了不同點位的多個監(jiān)控攝像機捕獲的圖像質量的差異性，改善了識別效果。另外，引入基于Graph的圖像分割算法提取顏色特征，并加以改進，使得圖像分割更為精確。另外，本發(fā)明實施例還擬合blob區(qū)域成規(guī)則幾何形狀，最大程度地還原被分割對象的空間分布并易于表達和使用；另外，采用二進制編碼，極大壓縮存儲空間，同時，將分割圖像等分成若干個網(wǎng)格區(qū)域，最終分割出來的blob都會有一個對應的網(wǎng)格屬性，以后查找的時候都只在相應區(qū)域里面進行查找，縮少了搜索范圍。本發(fā)明所屬領域的一般技術人員可以理解，本發(fā)明以上實施例僅為本發(fā)明的優(yōu)選實施例之一，為篇幅限制，這里不能逐一列舉所有實施方式，任何可以體現(xiàn)本發(fā)明權利要求技術方案的實施，都在本發(fā)明的保護范圍內。需要注意的是，以上內容是結合具體的實施方式對本發(fā)明所作的進一步詳細說 明，不能認定本發(fā)明的具體實施方式
僅限于此，在本發(fā)明的上述指導下，本領域技術人員可以在上述實施例的基礎上進行各種改進和變形，而這些改進或者變形落在本發(fā)明的保護范圍內。
權利要求
1.一種圖像顏色特征提取方法，其特征在于，所述方法包括 當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像； 對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象； 根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。
2.如權利要求I所述的圖像顏色特征提取方法，其特征在于，所述背景模型包括基于MRF的背景模型、混合高斯模型，概率密度函數(shù)模型，或基于貝葉斯網(wǎng)絡的背景模型。
3.如權利要求I所述的圖像顏色特征提取方法，其特征在于，所述對獲得的所述前景圖像進行顏色歸一化處理具體包括 像素顏色值對R，G，B三通道亮度之和或者對三通道最大值進行歸一。
4.如權利要求I所述的圖像顏色特征提取方法，其特征在于，所述圖像分割算法包括基于Graph的算法、分水嶺算法、區(qū)域分割及合并、形態(tài)學算法、Quadtree分割算法、并行區(qū)域算法、或頻域算法。
5.如權利要求4所述的圖像顏色特征提取方法，其特征在于，當所述算法為基于Graph的算法時，所述利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊子區(qū)域具體包括 根據(jù)待分割的對像建立一個無向權圖G(V，E)，其中，像素點為圖的頂點，邊連接相鄰像素點，邊的權重為兩像素點的不相似性度量，自適應地迭代合并聚類。
6.如權利要求I所述的圖像顏色特征提取方法，其特征在于，所述方法還包括 對分割的子區(qū)域利用計算幾何學方法擬合成較規(guī)則的幾何形狀，其中，每個blob塊對應有RGB顏色和空間坐標信息。
7.如權利要求I所述的圖像顏色特征提取方法，其特征在于，所述方法還包括 賦予每個blob位置的預先確定的等分網(wǎng)格屬性以使后續(xù)快速索引。
8.如權利要求7所述的圖像顏色特征提取方法，其特征在于，所述方法還包括 對每個blob的位置屬性進行bit位編碼并將特征傳輸?shù)较鄳姆掌鬟M行上存儲。
9.一種圖像顏色特征提取裝置，其特征在于，所述裝置包括 圖像前景提取模塊，用來當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像； 圖像預處理模塊，用來對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象； 圖像分割模塊，用來根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。
10.如權利要求9所述的圖像顏色特征提取裝置，其特征在于，所述裝置還包括 特征擬合模塊，用來對分割的子區(qū)域利用計算幾何學方法擬合成較規(guī)則的幾何形狀，其中，每個blob塊對應有RGB顏色和空間坐標信息。
11.如權利要求9所述的圖像顏色特征提取裝置，其特征在于，所述裝置還包括特征索引模塊，用來賦予每個blob位置的預先確定的等分網(wǎng)格屬性以使后續(xù)快速索引。
12.如權利要求9所述的圖像顏色特征提取裝置，其特征在于，所述裝置還包括 特征編碼模塊，用來對每個blob的位置屬性進行bit位編碼并將特征傳輸?shù)较鄳姆掌鬟M行上存儲。
全文摘要
本發(fā)明公開了一種彩色圖像顏色特征提取方法及裝置，用于圖像處理技術領域，傳統(tǒng)彩色圖像分割方法難以獲得高質量、精細化的分割結果，且實時性不能滿足大規(guī)模數(shù)據(jù)庫要求的問題，所述方法包括當接收到視頻圖像時，建立背景模型，提取所述視頻圖像的前景圖像；對獲得的所述前景圖像進行顏色歸一化處理，獲得歸一化后的圖像并作為圖像數(shù)據(jù)分割的對象；根據(jù)像素點間的顏色特征的不相似性量度，利用圖像分割算法對圖像各像素點進行聚類，將圖像分割成一塊塊blob子區(qū)域，并提取各子區(qū)域對應的顏色和位置特征，其中，所述子區(qū)域內部顏色差異小，子區(qū)域間的顏色差異大。本發(fā)明能夠精確、有效的進行目標圖像識別，并有較高的實時性能。如不特別說明，本發(fā)明所指的圖像均為彩色圖像。
文檔編號G06K9/62GK102663398SQ201210092860
公開日2012年9月12日 申請日期2012年3月31日 優(yōu)先權日2012年3月31日
發(fā)明者張如高, 張安發(fā), 王運節(jié), 虞正華 申請人:上海博康智能信息技術有限公司