基于紋理分析的快速圖像特征提取方法
【專利摘要】本發(fā)明提供了一種基于紋理分析的快速圖像特征提取方法。該方法先將模板圖像灰度化后提取其邊緣，然后再進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，得到一幅含有多個白色斑塊的二值圖像，然后比較這幾個白色斑塊所在區(qū)域的紋理度量平均熵并提取平均熵最大的區(qū)域。同理，在待測圖像中也將紋理變化最為劇烈的區(qū)域即圖像顯著區(qū)域提取出來，然后利用圖像顯著區(qū)域代替原始圖像進(jìn)行匹配運算。該方法縮小了特征點搜索范圍，降低了計算量，達(dá)到了節(jié)省時間的目的。
【專利說明】基于紋理分析的快速圖像特征提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像分析及模式識別【技術(shù)領(lǐng)域】，具體地說，屬于一種基于紋理分析的 快速圖像特征提取方法。

【背景技術(shù)】
[0002] 在工業(yè)在線生產(chǎn)中，由于機(jī)械振動或者其它一些不可避免的原因可能會導(dǎo)致待測 產(chǎn)品在傳送帶上相對于模板圖像發(fā)生了平移或者旋轉(zhuǎn)，這樣攝像機(jī)獲取的待測圖像在形狀 上就與模板圖像有了一些差別。為了更好的檢測缺陷，需將待測圖像校正，然后再與模板圖 像進(jìn)行差分運算。而為了將待測圖像校正，需要對待測圖像和模板圖像進(jìn)行匹配運算，得到 它們之間的變換矩陣，利用變換矩陣將待測圖像校正。
[0003] 局部特征提取算法所提取的圖像特征對圖像發(fā)生旋轉(zhuǎn)、平移、尺度變化和亮度變 化時都具有較高的魯棒性，故常常被用在兩幅圖像有旋轉(zhuǎn)、平移、尺度變化和亮度變化關(guān)系 時的圖像匹配問題。但是由于圖像中特征點數(shù)量過多，并且其特征描述符維數(shù)過高，致使特 征匹配計算量大和效率不高。針對該問題，本發(fā)明采取一種提取圖像紋理變化劇烈的區(qū)域 即圖像中最為粗糙的部分來代替整幅圖像進(jìn)行配準(zhǔn)運算的方法。由于提取的圖像塊是原圖 像的部分區(qū)域，檢測范圍便會縮小，從而節(jié)省了算法時間，并且該圖像塊是圖像中最為粗糙 的區(qū)域，紋理變化比較大，能夠檢測到大量穩(wěn)定的局部特征點。而這些大量穩(wěn)定的局部特征 點能夠保證匹配算法的精度。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于利用灰度圖像的紋理度量平均熵來提取一幅圖像中紋理變化 最為劇烈的區(qū)域，利用該區(qū)域來代替整幅圖像進(jìn)行匹配運算，由于它縮小了算法的搜索范 圍，減少了計算量，從而達(dá)到了節(jié)省時間的目的。
[0005] 為實現(xiàn)上述目的，本發(fā)明提供了一種基于紋理分析的快速圖像特征提取方法，其 包括以下部分：
[0006]S01、圖像預(yù)處理：將原始輸入圖像進(jìn)行灰度化，得到灰度圖像，然后對進(jìn)行邊緣提 取，得到邊緣圖像；
[0007]S02、斑點分析：對邊緣圖像進(jìn)行二值形態(tài)學(xué)處理，得到多塊斑點，對各斑點進(jìn)行斑 點分析,去除邊緣斑點和小斑點；
[0008] S03、顯著區(qū)域選取：計算各斑點區(qū)域圖像的紋理特征，選取平均熵最大的圖像塊 作為顯著區(qū)域Btjpt;
[0009]S04、基于顯著區(qū)域的特征提取：在顯著區(qū)域中提取局部特征點。
[0010] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S02具體為：
[0011] (1)對邊緣圖像A1進(jìn)行閉運算，使A1中的鄰近邊緣點聚集起來成為一個個的白色 小斑塊，得到圖像A2;
[0012] (2)對4進(jìn)行開運算，去除一些面積較小的白色斑塊，得到圖像A3 ;
[0013] (3)求得圖像A3中每個斑點的質(zhì)心坐標(biāo)Ci,i= 1，2，...，n，其中n為圖像A3中斑 點的個數(shù)；
[0014] (4)計算每個斑點的質(zhì)心坐標(biāo)Ci到圖像邊緣的距離(Ixi =min(IXI，IN-xI)，(Iyi = max(|y|，|M_y|)，其中M為圖像的寬度，N為圖像的長度；
[0015] (5)若dXi〈5或者dyi〈5,則此質(zhì)心所代表的斑點i予以移除；
[0016] (6)計算每個斑點的面積Si，若Si〈20,將該斑點i予以刪除；
[0017] ⑵得到斑點分析后的圖像A4;
[0018] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S03具體為：
[0019] (1)求取斑點分析后的圖像A4中每個斑點的質(zhì)心坐標(biāo)ck,k= 1，2,…，m，m為A4 中斑點的個數(shù)；
[0020] (2)以ck，k= 1，2, ...，m為中心，在圖像A中分別截取m個100X100的圖像塊

【權(quán)利要求】
1. 一種基于紋理分析的快速圖像特征提取方法，其特征在于，其包括以下步驟： 501、 圖像預(yù)處理：將原始輸入圖像進(jìn)行灰度化，得到灰度圖像A，然后對A進(jìn)行邊緣提 取，得到邊緣圖像A1; 502、 斑點分析：對邊緣圖像進(jìn)行二值形態(tài)學(xué)處理，得到多塊斑點，對各斑點進(jìn)行斑點分 析,去除邊緣斑點和小斑點； 503、 顯著區(qū)域選取：計算各斑點區(qū)域圖像的紋理特征，選取平均熵最大的圖像塊作為 顯著區(qū)域Btjpt; 504、 基于顯著區(qū)域的特征提取：在顯著區(qū)域Btjpt中提取局部特征點。
2. 根據(jù)權(quán)利要求1所述的基于紋理分析的快速圖像特征提取方法，所述步驟S02具體 為： (1) 對邊緣圖像A1進(jìn)行閉運算，使A1中的鄰近邊緣點聚集起來成為一個個的白色小斑 塊，得到圖像A2; (2) 對A2進(jìn)行開運算，去除一些面積較小的白色斑塊，得到圖像A3 ; (3) 求得圖像A3中每個斑點的質(zhì)心坐標(biāo)Ci,i= 1，2, ...，n，其中η為圖像A3中斑點的 個數(shù)； (4) 計算每個斑點的質(zhì)心坐標(biāo)Ci到圖像邊緣的距離(Ixi =min(|x|, |N-x|), (Iyi = max(|y|, |M_y)，其中M為圖像的寬度，N為圖像的長度； (5) 若dXi〈5或者dyi〈5,則此質(zhì)心所代表的斑點i予以移除； (6) 計算每個斑點的面積Si，若Si〈20,將該斑點i予以刪除； (7) 得到斑點分析后的圖像A4。
3. 根據(jù)權(quán)利要求1所述的基于紋理分析的快速圖像特征提取方法，所述步驟S03具體 為： (1) 求取斑點分析后的圖像A4中每個斑點的質(zhì)心坐標(biāo)ck,k= 1，2, ...，m，m為A4中斑 點的個數(shù)； (2) 以ck，k= 1，2，...，m為中心，在圖像A中分別截取m個IOOX100的圖像塊Bk; ⑶計算圖像塊Bk的平均熵& = ，其中p(z)為灰度z在圖像塊Bk j=0 中出現(xiàn)的次數(shù)，L為圖像塊Bk中像素的個數(shù)； (4)提取平均熵最大的圖像塊作為特征提取圖像，即顯著區(qū)域圖像B_。
【文檔編號】G06K9/46GK104318239SQ201410646802
【公開日】2015年1月28日 申請日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】化春鍵, 陳瑩, 鄧朝省 申請人:江南大學(xué)