專利名稱：一種建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺和模式識(shí)別技術(shù)領(lǐng)域，特別涉及建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)領(lǐng)域。
背景技術(shù)：
重復(fù)結(jié)構(gòu)廣泛地存在于建筑物的表面。比如，在居民住宅區(qū)，同一幢住宅樓的門、窗戶和陽臺(tái)通常呈現(xiàn)出完全相同的結(jié)構(gòu)單元。建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)是指從所拍攝的建筑物表面圖像中檢測(cè)出重復(fù)出現(xiàn)的結(jié)構(gòu)單元。建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)是實(shí)現(xiàn)建筑物表面圖像壓縮、基于圖像的建筑物三維重建、基于圖像的城市地標(biāo)性建筑物識(shí)別的重要手段，在文物保護(hù)、城市建設(shè)、城市管理(如基于虛擬現(xiàn)實(shí)技術(shù)的社區(qū)展示)、安全監(jiān)控等領(lǐng)域具有重要的應(yīng)用。現(xiàn)有的大多數(shù)建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)技術(shù)主要是基于對(duì)稱性檢測(cè)方法來實(shí)現(xiàn)的。對(duì)稱性檢測(cè)方法包含軸對(duì)稱檢測(cè)技術(shù)、旋轉(zhuǎn)對(duì)稱檢測(cè)技術(shù)、滑行對(duì)稱檢測(cè)技術(shù)和平移對(duì)稱檢測(cè)技術(shù)。軸對(duì)稱檢測(cè)技術(shù)主要用于檢測(cè)建筑物表面圖像重復(fù)結(jié)構(gòu)之間所隱含的對(duì)稱軸。該技術(shù)首先將圖像分割為小塊區(qū)域；接著，根據(jù)小塊區(qū)域的紋理特征和空間位置確定對(duì)稱軸；最后，根據(jù)對(duì)稱軸檢測(cè)出逐對(duì)相似的小塊區(qū)域，從而獲得重復(fù)的結(jié)構(gòu)。軸對(duì)稱檢測(cè)技術(shù)依賴于對(duì)圖像的分割。但是，有關(guān)圖像分割的核心技術(shù)尚未取得突破性進(jìn)展，圖像分割目前仍然是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)難點(diǎn)研究問題。這一點(diǎn)影響了軸對(duì)稱檢測(cè)技術(shù)在建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)中的應(yīng)用。旋轉(zhuǎn)對(duì)稱檢測(cè)技術(shù)主要用于檢測(cè)經(jīng)過一定角度的旋轉(zhuǎn)后仍然保持不變的結(jié)構(gòu)單元。該技術(shù)首先對(duì)適當(dāng)大小的小塊圖像以各種不同的角度進(jìn)行旋轉(zhuǎn)，并提取其旋轉(zhuǎn)后的紋理特征；接著，基于紋理特征之間的相似性估計(jì)最主要的旋轉(zhuǎn)角度；最后，通過遍歷圖像各小塊區(qū)域，檢測(cè)出圖像中重復(fù)的結(jié)構(gòu)。旋轉(zhuǎn)對(duì)稱檢測(cè)技術(shù)所檢測(cè)的結(jié)構(gòu)應(yīng)具有旋轉(zhuǎn)不變性，因此該技術(shù)只適用于少數(shù)特定的建筑物?；休S對(duì)稱檢測(cè)技術(shù)采用了與軸對(duì)稱檢測(cè)技術(shù)相同的技術(shù)步驟。不同的是，軸對(duì)稱檢測(cè)技術(shù)對(duì)整個(gè)圖像只估計(jì)一個(gè)對(duì)稱軸，但滑行軸對(duì)稱檢測(cè)技術(shù)可以估計(jì)多個(gè)對(duì)稱軸，且對(duì)稱軸沿著一條曲線進(jìn)行排列。較之軸對(duì)稱檢測(cè)技術(shù)，滑行軸對(duì)稱檢測(cè)技術(shù)所適用的圖像范圍更大，但該技術(shù)仍需要對(duì)圖像進(jìn)行分割，因此削弱了其實(shí)用性。平移對(duì)稱檢測(cè)技術(shù)采用了與旋轉(zhuǎn)對(duì)稱檢測(cè)相同的技術(shù)步驟。不同的是，平移對(duì)稱檢測(cè)技術(shù)是通過將結(jié)構(gòu)單元在圖像內(nèi)進(jìn)行平移來實(shí)現(xiàn)的。平移對(duì)稱檢測(cè)技術(shù)容易受到光照、遮擋和噪聲的影響?？偨Y(jié)起來，上述對(duì)稱性檢測(cè)方法需要事先指定對(duì)稱的類型，同時(shí)檢測(cè)精度依賴于所使用的紋理特征提取方法。但是，如何提取有效的紋理特征目前仍然是一個(gè)具有挑戰(zhàn)性的難題。由于基于對(duì)稱性檢測(cè)方法的建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)技術(shù)存在諸多局限，目前相關(guān)研究人員開始關(guān)注于研制無需首先進(jìn)行對(duì)稱性檢測(cè)而直接檢測(cè)出重復(fù)結(jié)構(gòu)的方法。目前，直接檢測(cè)方法主要包含概率密度估計(jì)法、三維點(diǎn)云驗(yàn)證法和低秩紋理矩陣法。概率密度估計(jì)法首先估計(jì)關(guān)于重復(fù)結(jié)構(gòu)的概率密度函數(shù)；接著，獲得概率密度函數(shù)的最大值，并將最大值所對(duì)應(yīng)的結(jié)構(gòu)單元作為新的節(jié)點(diǎn)加入到已有的馬爾可夫隨機(jī)場(chǎng)中；最后，再次進(jìn)行概率密度估計(jì)，并按此方式迭代地檢測(cè)所有的重復(fù)結(jié)構(gòu)。但是，只有當(dāng)圖像包含數(shù)量眾多的相同結(jié)構(gòu)且概率密度函數(shù)估計(jì)較精確時(shí)，該方法才會(huì)變得有效。三維點(diǎn)云驗(yàn)證法是利用多個(gè)視角拍攝的圖像提取關(guān)于建筑物的三維點(diǎn)云，并通過三維點(diǎn)云子集之間的相互驗(yàn)證來檢測(cè)重復(fù)結(jié)構(gòu)。該方法需要從多幅輸入圖像中估計(jì)三維點(diǎn)云，計(jì)算量十分龐大。低秩紋理矩陣法將圖像小塊的紋理特征向量組成一個(gè)紋理矩陣，然后通過分析該矩陣所包含的低秩子矩陣來發(fā)現(xiàn)重復(fù)的結(jié)構(gòu)。這一方法主要有兩個(gè)缺點(diǎn)其一，估計(jì)所有子矩陣的秩十分耗時(shí)；其二，即便是秩最小的子矩陣，通常并不一定對(duì)應(yīng)著感興趣的重復(fù)結(jié)構(gòu)，從而輸出不正確的檢測(cè)結(jié)果。綜上所述，現(xiàn)有的建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)技術(shù)遠(yuǎn)未成熟，檢測(cè)精度不高、計(jì)算量大。有關(guān)建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)的研究大多還處在實(shí)驗(yàn)驗(yàn)證階段，缺乏實(shí)用的重復(fù)結(jié)構(gòu)檢測(cè)技術(shù)。另外，現(xiàn)有的大多數(shù)重復(fù)結(jié)構(gòu)檢測(cè)技術(shù)對(duì)所檢測(cè)的結(jié)構(gòu)并沒有加以限定，通常導(dǎo)致檢測(cè)出來的結(jié)果并非是用戶所希望得到的重復(fù)結(jié)構(gòu)。引起這一問題的主要原因是大多數(shù)建筑物表面包含多種不同的重復(fù)結(jié)構(gòu)。在此情形下，在界定待檢測(cè)圖像中的多種不同類型的重復(fù)結(jié)構(gòu)時(shí)，現(xiàn)有技術(shù)會(huì)遇到不確定性問題，從而導(dǎo)致錯(cuò)誤的檢測(cè)結(jié)果。因 此，在實(shí)際應(yīng)用中，用戶希望通過標(biāo)注一個(gè)感興趣的結(jié)構(gòu)即可精確地獲得圖像中所包含的與用戶標(biāo)注相同的結(jié)構(gòu)，達(dá)到事半功倍的應(yīng)用效果。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，以便于用戶利用其標(biāo)注的結(jié)構(gòu)單元快速準(zhǔn)確地從待檢測(cè)圖像中提取出重復(fù)結(jié)構(gòu)。( 二 )技術(shù)方案為解決上述技術(shù)問題，本發(fā)明提供了一種建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)方法，該方法包括如下步驟步驟I :按照用戶標(biāo)注的結(jié)構(gòu)單元構(gòu)建結(jié)構(gòu)模板；步驟2 :利用結(jié)構(gòu)模板所包含像素的顏色構(gòu)建結(jié)構(gòu)模板的特征向量；步驟3 :估計(jì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度；步驟4 :利用像素的顏色估計(jì)近鄰像素之間的親合度；步驟5 :利用近鄰像素之間的親合度，對(duì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度進(jìn)行平滑；步驟6 :利用待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度，采用排序搜索法從待檢測(cè)圖像中提取出與結(jié)構(gòu)模板相似的重復(fù)結(jié)構(gòu)。優(yōu)選地，在步驟3中，所述圖像像素屬于結(jié)構(gòu)模板的隸屬度按下式計(jì)算
T = IMHI;J，其中，Sp為待檢測(cè)圖像的像素P屬于結(jié)構(gòu)模板的隸屬度，Vp為像素ρ的特征向量，V為步驟2獲得的結(jié)構(gòu)模板的特征向量，I I · I I表示向量求模長(zhǎng)運(yùn)算，上標(biāo)T表示轉(zhuǎn)置，P為自然數(shù)且取值范圍為I到wXh，W為待檢測(cè)圖像的寬度，h為待檢測(cè)圖像的高度。優(yōu)選地，在步驟4中，近鄰像素之間的親合度按下式計(jì)算
權(quán)利要求
1.一種建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)方法，該方法包括如下步驟步驟I:按照用戶標(biāo)注的結(jié)構(gòu)單元構(gòu)建結(jié)構(gòu)模板；步驟2 :利用結(jié)構(gòu)模板所包含像素的顏色構(gòu)建結(jié)構(gòu)模板的特征向量；步驟3 :估計(jì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度；步驟4 :利用像素的顏色估計(jì)近鄰像素之間的親合度；步驟5 :利用近鄰像素之間的親合度，對(duì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度進(jìn)行平滑；步驟6:利用待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度，采用排序搜索法從待檢測(cè)圖像中提取出與結(jié)構(gòu)模板相似的重復(fù)結(jié)構(gòu)。
2.如權(quán)利要求I所述的方法，其特征在于，在所述步驟3中，所述圖像像素屬于結(jié)構(gòu)模板的隸屬度按下式計(jì)算
3.如權(quán)利要求I所述的方法，其特征在于，在所述步驟4中，近鄰像素之間的親合度按下式計(jì)算
4.如權(quán)利要求3所述的方法，其特征在于，所述調(diào)節(jié)系數(shù)σ的默認(rèn)取值為30。
5.如權(quán)利要求I所述的方法，其特征在于，所述對(duì)圖像各像素屬于結(jié)構(gòu)模板的隸屬度進(jìn)行平滑處理通過求解如下最小化模型來實(shí)現(xiàn)
6.如權(quán)利要求5所述的方法，其特征在于，所述平衡參數(shù)λ的默認(rèn)取值為O. OOlt
全文摘要
本發(fā)明公開了一種建筑物表面圖像重復(fù)結(jié)構(gòu)檢測(cè)方法，該方法包括如下步驟按照用戶標(biāo)注的結(jié)構(gòu)單元構(gòu)建結(jié)構(gòu)模板；利用結(jié)構(gòu)模板所包含像素的顏色構(gòu)建結(jié)構(gòu)模板的特征向量；估計(jì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度；利用像素的顏色估計(jì)近鄰像素之間的親合度；利用近鄰像素之間的親合度，對(duì)待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度進(jìn)行平滑；利用待檢測(cè)圖像各像素屬于結(jié)構(gòu)模板的隸屬度，采用排序搜索法從待檢測(cè)圖像中提取出與結(jié)構(gòu)模板相似的重復(fù)結(jié)構(gòu)。該方法解決現(xiàn)有技術(shù)檢測(cè)精度低的問題以及現(xiàn)有技術(shù)在界定多種不同類型的重復(fù)結(jié)構(gòu)時(shí)所遇到的不確定性問題，具有廣闊的應(yīng)用前景。
文檔編號(hào)G06T7/00GK102930531SQ20121036691
公開日2013年2月13日 申請(qǐng)日期2012年9月28日 優(yōu)先權(quán)日2012年9月28日
發(fā)明者向世明, 孟高峰, 王穎, 肖鴻飛, 潘春洪 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所