本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，更具體的說，涉及一種圓形圖像識別特征提取方法及系統(tǒng)。

背景技術(shù)：

現(xiàn)實生活中存在大量的圓形圖像目標(biāo)識別問題，例如車標(biāo)、圖標(biāo)、圖徽、商標(biāo)、標(biāo)簽、硬幣、裝飾物品上的圓形花紋和圖案等。在很多場合，圓形圖像印制、擺放的角度是不固定的，圖案常出現(xiàn)角度旋轉(zhuǎn)。若直接識別獲取到的原始圖像，則需要在系統(tǒng)內(nèi)存儲大量的各種角度的原型圖樣的樣本，樣本搜集難度大，不易實現(xiàn)。因此，為了解決現(xiàn)實場景中的圓形圖像目標(biāo)的識別，首先需要對采集到的原始圖像進行處理，提取識別特征。在提取識別特征前，首先要解決的就是圖像出現(xiàn)角度旋轉(zhuǎn)的問題。在現(xiàn)有技術(shù)中，并沒有較好的克服圓形圖像角度旋轉(zhuǎn)后提取識別特征的方法。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種圓形圖像識別特征提取方法及系統(tǒng)，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種圓形圖像識別特征提取方法，包括：

對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，所述第一圓形圖像為獲取的原始圓形圖像；

利用掩膜模板將所述第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

提取所述環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

基于所述模式對得到所述環(huán)狀區(qū)域的所述關(guān)于中心點對稱的點的所述模式對的直方圖；

將所述直方圖組裝得到識別特征。

優(yōu)選地，還包括：

將所述識別特征發(fā)送至支持向量機分類器，利用所述支持向量機分類器識別所述識別特征得到識別結(jié)果。

優(yōu)選地，所述支持向量機分類器使用線性核函數(shù)作為其核函數(shù)。

優(yōu)選地，所述利用支持向量機分類器識別所述識別特征得到識別結(jié)果具體為：

所述支持向量機分類器識別三個通道的所述識別特征得到所述識別結(jié)果。

一種圓形圖像識別特征提取系統(tǒng)，包括：

歸一化模塊，用于對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，所述第一圓形圖像為獲取的原始圓形圖像；

分區(qū)模塊，用于利用掩膜模板將所述第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

計算模塊，用于提取所述環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

統(tǒng)計模塊，基于所述模式對得到所述環(huán)狀區(qū)域的所述關(guān)于中心點對稱的點的所述模式對的直方圖；

組裝模塊，用于將所述直方圖組裝得到識別特征。

優(yōu)選地，還包括：

將所述識別特征發(fā)送至支持向量機分類器，利用所述支持向量機分類器識別所述識別特征得到識別結(jié)果。

優(yōu)選地，所述支持向量機分類器使用線性核函數(shù)作為其核函數(shù)。

優(yōu)選地，利用所述支持向量機分類器識別所述識別特征得到識別結(jié)果具體為：

支持向量機分類器識別三個通道的特征得到識別結(jié)果。

從上述技術(shù)方案可以看出，本發(fā)明提供了一種圓形圖像識別特征提取方法，在獲得圓形圖像后，對圓形圖像進行歸一化處理并利用掩膜模板劃分為包含多個環(huán)狀區(qū)域的環(huán)狀空間；基于計算編碼值的方法得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；基于模式對得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；組合直方圖得到識別特征，通過提取關(guān)于中心點對稱的點的模式對的直方圖，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征，進而實現(xiàn)高準(zhǔn)確率的識別圓形圖案。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1為本發(fā)明公開的一種圓形圖像識別特征提取方法的實施例1的流程圖；

圖2為計算編碼值的示意圖；

圖3為本發(fā)明公開的一種圓形圖像識別特征提取方法的實施例3的流程圖；

圖4為近似計算編碼值時劃分扇區(qū)的示意圖；

圖5為點a、b、c的位置示意圖；

圖6為計算點a、b、c的編碼值的流程圖；

圖7為本發(fā)明公開的一種圓形圖像識別特征的提取系統(tǒng)的實施例7的具體結(jié)構(gòu)示意圖；

圖8為本發(fā)明公開的一種圓形圖像識別特征的提取系統(tǒng)的實施例8的具體結(jié)構(gòu)示意圖；

圖9為環(huán)狀空間及關(guān)于中心點對稱的點的示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。

如圖1所示，為本發(fā)明提供的圓形圖像識別特征提取方法實施例1的流程圖：

s101、對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，第一圓形圖像為獲取的原始圓形圖像；

將第一圓形圖像尺寸歸一化為m×m的第二圓形圖像，即iroi，其中m的取值大小與第一圓形圖像的大小成正比。例如將第一圓形圖像分為一個200×200的區(qū)域，其中的200即為200個單位長度。

s102、利用掩膜模板將第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

以同一圓心生成多個半徑遞增且部分交疊的圓環(huán)掩膜模板,即在200×200的區(qū)域中，以點(m/2,m/2)作為圓心o，重疊的生成n個等面積的圓環(huán)，掩膜模板為ψm，例如取n＝26，即每個圓環(huán)半徑范圍為，利用掩膜模板對第二圓形圖像iroi進行掩膜處理得到若干個環(huán)狀區(qū)域im，im＝iroi*ψm

s103、提取環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

首先，定義編碼值，如圖2所示，設(shè)o為環(huán)狀區(qū)域im的中心點，p為im內(nèi)任一像素點，提取像素點p的編碼值：建立局部坐標(biāo)系統(tǒng)，將沿op方向稱為徑向坐標(biāo)軸r，垂直op方向稱為切向坐標(biāo)軸t，p為新的局部坐標(biāo)系統(tǒng)原點。分別在徑向r和切向t方向找到4個對稱的鄰近點，按照逆時針分別記作p1、p2、p3、p4，其中p1在坐標(biāo)軸r上，且p1位于坐標(biāo)軸t上相對于o的相反側(cè)，同時將4個鄰域點與p點的距離記為d，其中d的取值可為1，此處的1即為一個單位長度與上述的200采用同樣的單位長度，按照p1、p2、p3、p4的順序與p點進行像素值大小的比較，由式：

得到二進制數(shù)編碼t＝(t1t2t3t4)，i(p)即為p點的像素值，i(pi)為所取點pi的像素值得到二進制數(shù)編碼t＝(t1t2t3t4)。

再由式：f＝8*t1+4*t2+2*t3+t4將二進制數(shù)編碼轉(zhuǎn)換為十進制數(shù)編碼，f即為點p的編碼值。

在計算p點的編碼值時為了提高計算速度，避免插值計算，在計算編碼值時可采用近似算法。

如圖4所示，即在第二圓形圖像內(nèi)，沿從圖像中心指向p點的方向，以45度為單位，將圓形區(qū)域劃分為8個扇區(qū)。

如圖5、圖6所示，為任意選擇的三個點a、b及c的位置示意圖及計算編碼值的流程圖。其中，a、b、c與水平方向x軸所成夾角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。

如圖9所示，為環(huán)狀空間及關(guān)于中心點對稱的點的示意圖。在環(huán)狀區(qū)域內(nèi)取點(i，j)及(i＇，j＇)，兩點關(guān)于中心點o對稱，兩者坐標(biāo)關(guān)系如下式：

求(i，j)的k×k(k取值范圍為3～11)的鄰域內(nèi)(包括(i，j))的編碼值，統(tǒng)計出現(xiàn)次數(shù)最多的編碼值，將該編碼值作為點(i，j)的代表模式，記為s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，則關(guān)于中心點對稱的點的模式對表示為(s1，s2)，否則表示為(s2，s1)。

s104、基于模式對得到環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；

統(tǒng)計每個環(huán)狀區(qū)域im內(nèi)的所有模式對，按照每個模式對在該環(huán)狀區(qū)域出現(xiàn)頻率即可獲得在該環(huán)狀區(qū)域im中所有模式對的直方圖描述，記作hm，根據(jù)組合關(guān)系，模式對有16*16＝256種組合，因此hm是一個256維的特征向量?？紤]到(i，j)及(i＇，j＇)關(guān)于中心點o對稱，實際計算時，點(i，j)只需要在環(huán)狀區(qū)域的上半部分取樣即可，這樣可以避免不必要的重復(fù)統(tǒng)計。

s105、將直方圖組裝得到識別特征。

將所有環(huán)狀空間im的直方圖hm進行組裝，例如取n＝26，則得到識別特征h＝(h1,h2,……，h26)。組裝方式可由內(nèi)到外依次組裝。

綜上所述，本實施例提供了一種圓形圖像識別特征提取方法，在獲得圓形圖像后，對圓形圖像進行歸一化處理并利用掩膜模板劃分為包含多個環(huán)狀區(qū)域的環(huán)狀空間；基于計算編碼值的方法得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；基于模式對得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；組合直方圖得到識別特征，通過提取關(guān)于中心點對稱的點的模式對的直方圖，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征，進而實現(xiàn)高準(zhǔn)確率的識別圓形圖案。

如圖3所示，為本發(fā)明提供的圓形圖像識別特征提取方法實施例3的流程圖：

s301、對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，第一圓形圖像為獲取的原始圓形圖像；

將第一圓形圖像尺寸歸一化為m×m的第二圓形圖像，即iroi，其中m的取值大小與第一圓形圖像的大小成正比。例如將第一圓形圖像分為一個200×200的區(qū)域，其中的200即為200個單位長度。

s302、利用掩膜模板將第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

以同一圓心生成多個半徑遞增且部分交疊的圓環(huán)掩膜模板,即在200×200的區(qū)域中，以點(m/2,m/2)作為圓心o，重疊的生成n個等面積的圓環(huán)，掩膜模板為ψm，例如取n＝26，即每個圓環(huán)半徑范圍為，利用掩膜模板對第二圓形圖像iroi進行掩膜處理得到若干個環(huán)狀區(qū)域im，im＝iroi*ψm

s303、提取環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

首先，定義編碼值，如圖2所示，設(shè)c為環(huán)狀區(qū)域im的中心點，p為im內(nèi)任一像素點，提取像素點p的編碼值：建立局部坐標(biāo)系統(tǒng)，將沿cp方向稱為徑向坐標(biāo)軸r，垂直cp方向稱為切向坐標(biāo)軸t，p為新的局部坐標(biāo)系統(tǒng)原點。分別在徑向r和切向t方向找到4個對稱的鄰近點，按照逆時針分別記作p1、p2、p3、p4，其中p1在坐標(biāo)軸r上，且p1位于坐標(biāo)軸t上相對于c的相反側(cè)，同時將4個鄰域點與p點的距離記為d，其中d的取值可為1，此處的1即為一個單位長度與上述的200采用同樣的單位長度，按照p1、p2、p3、p4的順序與p點進行像素值大小的比較，由式：

得到二進制數(shù)編碼t＝(t1t2t3t4)，i(p)即為p點的像素值，i(pi)為所取點pi的像素值得到二進制數(shù)編碼t＝(t1t2t3t4)。

再由式：f＝8*t1+4*t2+2*t3+t4將二進制數(shù)編碼轉(zhuǎn)換為十進制數(shù)編碼，f即為點p的編碼值。

在計算p點的編碼值時為了提高計算速度，避免插值計算，在計算編碼值時可采用近似算法。

如圖4所示，即在第二圓形圖像內(nèi)，沿從圖像中心指向p點的方向，以45度為單位，將圓形區(qū)域劃分為8個扇區(qū)。

如圖5、圖6所示，為任意選擇的三個點a、b及c的位置示意圖及計算編碼值的流程圖。其中，a、b、c與水平方向x軸所成夾角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。

如圖9所示，為環(huán)狀空間及關(guān)于中心點對稱的點的示意圖。在環(huán)狀區(qū)域內(nèi)取點(i，j)及(i＇，j＇)，兩點關(guān)于中心點o對稱，兩者坐標(biāo)關(guān)系如下式：

求(i，j)的k×k(k取值范圍為3～11)的鄰域內(nèi)(包括(i，j))的編碼值，統(tǒng)計出現(xiàn)次數(shù)最多的編碼值，將該編碼值作為點(i，j)的代表模式，記為s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，則關(guān)于中心點對稱的點的模式對表示為(s1，s2)，否則表示為(s2，s1)。

s304、基于模式對得到環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；

統(tǒng)計每個環(huán)狀區(qū)域im內(nèi)的所有模式對，按照每個模式對在該環(huán)狀區(qū)域出現(xiàn)頻率即可獲得在該環(huán)狀區(qū)域im中所有模式對的直方圖描述，記作hm，根據(jù)組合關(guān)系，模式對有16*16＝256種組合，因此hm是一個256維的特征向量?？紤]到(i，j)及(i＇，j＇)關(guān)于中心點o對稱，實際計算時，點(i，j)只需要在環(huán)狀區(qū)域的上半部分取樣即可，這樣可以避免不必要的重復(fù)統(tǒng)計。

s305、將直方圖組裝得到識別特征。

將所有環(huán)狀空間im的直方圖hm進行組裝，例如取n＝26，則得到識別特征h＝(h1,h2,……，h26)。組裝方式可由內(nèi)到外依次組裝。

綜上所述，本實施例提供了一種圓形圖像識別特征提取方法，在獲得圓形圖像后，對圓形圖像進行歸一化處理并利用掩膜模板劃分為包含多個環(huán)狀區(qū)域的環(huán)狀空間；基于計算編碼值的方法得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；基于模式對得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；組合直方圖得到識別特征，通過提取關(guān)于中心點對稱的點的模式對的直方圖，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征，進而實現(xiàn)高準(zhǔn)確率的識別圓形圖案。

為進一步優(yōu)化本方案，本方法還包括以下步驟：

s306、將識別特征發(fā)送至支持向量機分類器，利用支持向量機分類器識別識別特征得到識別結(jié)果。

支持向量機方法是建立在統(tǒng)計學(xué)習(xí)理論的vc維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折中，以求獲得最好的推廣能力。

此處使用的支持向量機分類器為采用多個樣本進行訓(xùn)練后的可根據(jù)識別特征進行圖像識別的支持向量機分類器。傳遞模塊將識別圖像發(fā)送給支持向量機分類器后，即可對原圖像進行識別。

為進一步優(yōu)化本方案，支持向量機分類器使用線性核函數(shù)作為其核函數(shù)。

為進一步優(yōu)化本方案，支持向量機分類器識別三個通道的特征得到識別結(jié)果。例如對第二圓形圖像iroi的三個通道r、g、b得到的對應(yīng)的識別特征hr、hg、hb進行識別得到結(jié)果。r、g、b分別代表圖像的顏色表示方式，采用識別三個通道的識別特征得到識別結(jié)果比識別一個通道的識別特征得到識別結(jié)果識別率更高。

如圖7所示，為本發(fā)明提供的圓形圖像識別特征提取系統(tǒng)實施例7的具體結(jié)構(gòu)示意圖：

本系統(tǒng)包括歸一化模塊701、分區(qū)模塊702、計算模塊703、統(tǒng)計模塊704及組裝模塊705，其中：

歸一化模塊701與分區(qū)模塊702連接，分區(qū)模塊702與計算模塊703連接，計算模塊703與統(tǒng)計模塊704連接，統(tǒng)計模塊704與組裝模塊705連接。

歸一化模塊701對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，第一圓形圖像為獲取的原始圓形圖像；

將第一圓形圖像尺寸歸一化為m×m的第二圓形圖像，即iroi，其中m的取值大小與第一圓形圖像的大小成正比。例如將第一圓形圖像分為一個200×200的區(qū)域，其中的200即為200個單位長度。

分區(qū)模塊702利用掩膜模板將第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

以同一圓心生成多個半徑遞增且部分交疊的圓環(huán)掩膜模板,即在200×200的區(qū)域中，以點(m/2,m/2)作為圓心o，重疊的生成n個等面積的圓環(huán)，掩膜模板為ψm，例如取n＝26，即每個圓環(huán)半徑范圍為，利用掩膜模板對第二圓形圖像iroi進行掩膜處理得到若干個環(huán)狀區(qū)域im，im＝iroi*ψm

計算模塊703提取環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

首先，定義編碼值，如圖2所示，設(shè)o為環(huán)狀區(qū)域im的中心點，p為im內(nèi)任一像素點，提取像素點p的編碼值：建立局部坐標(biāo)系統(tǒng)，將沿op方向稱為徑向坐標(biāo)軸r，垂直op方向稱為切向坐標(biāo)軸t，p為新的局部坐標(biāo)系統(tǒng)原點。分別在徑向r和切向t方向找到4個對稱的鄰近點，按照逆時針分別記作p1、p2、p3、p4，其中p1在坐標(biāo)軸r上，且p1位于坐標(biāo)軸t上相對于o的相反側(cè)，同時將4個鄰域點與p點的距離記為d，其中d的取值可為1，此處的1即為一個單位長度與上述的200采用同樣的單位長度，按照p1、p2、p3、p4的順序與p點進行像素值大小的比較，由式：

得到二進制數(shù)編碼t＝(t1t2t3t4)，i(p)即為p點的像素值，i(pi)為所取點pi的像素值得到二進制數(shù)編碼t＝(t1t2t3t4)。

再由式：f＝8*t1+4*t2+2*t3+t4將二進制數(shù)編碼轉(zhuǎn)換為十進制數(shù)編碼，f即為點p的編碼值。

在計算p點的編碼值時為了提高計算速度，避免插值計算，在計算編碼值時可采用近似算法。

如圖4所示，即在第二圓形圖像內(nèi)，沿從圖像中心指向p點的方向，以45度為單位，將圓形區(qū)域劃分為7個扇區(qū)。

如圖5、圖6所示，為任意選擇的三個點a、b及c的位置示意圖及計算編碼值的流程圖。其中，a、b、c與水平方向x軸所成夾角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。

如圖9所示，為環(huán)狀空間及關(guān)于中心點對稱的點的示意圖。在環(huán)狀區(qū)域內(nèi)取點(i，j)及(i＇，j＇)，兩點關(guān)于中心點o對稱，兩者坐標(biāo)關(guān)系如下式：

求(i，j)的k×k(k取值范圍為3～11)的鄰域內(nèi)(包括(i，j))的編碼值，統(tǒng)計出現(xiàn)次數(shù)最多的編碼值，將該編碼值作為點(i，j)的代表模式，記為s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，則關(guān)于中心點對稱的點的模式對表示為(s1，s2)，否則表示為(s2，s1)。

統(tǒng)計模塊704基于模式對得到環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；

統(tǒng)計每個環(huán)狀區(qū)域im內(nèi)的所有模式對，按照每個模式對在該環(huán)狀區(qū)域出現(xiàn)頻率即可獲得在該環(huán)狀區(qū)域im中所有模式對的直方圖描述，記作hm，根據(jù)組合關(guān)系，模式對有16*16＝256種組合，因此hm是一個256維的特征向量?？紤]到(i，j)及(i＇，j＇)關(guān)于中心點o對稱，實際計算時，點(i，j)只需要在環(huán)狀區(qū)域的上半部分取樣即可，這樣可以避免不必要的重復(fù)統(tǒng)計。

組裝模塊705將直方圖組裝得到識別特征。

將所有環(huán)狀空間im的直方圖hm進行組裝，例如取n＝26，則得到識別特征h＝(h1,h2,……，h26)。組裝方式可由內(nèi)到外依次組裝。

綜上所述，本實施例提供了一種圓形圖像識別特征提取系統(tǒng)，在獲得圓形圖像后，對圓形圖像進行歸一化處理并利用掩膜模板劃分為包含多個環(huán)狀區(qū)域的環(huán)狀空間；基于計算編碼值的方法得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；基于模式對得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；組合直方圖得到識別特征，通過提取關(guān)于中心點對稱的點的模式對的直方圖，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征，進而實現(xiàn)高準(zhǔn)確率的識別圓形圖案。

如圖8所示，為本發(fā)明提供的圓形圖像識別特征提取系統(tǒng)實施例8的具體結(jié)構(gòu)示意圖：

本系統(tǒng)包括歸一化模塊801、分區(qū)模塊802、計算模塊803、統(tǒng)計模塊804及組裝模塊805，其中：

歸一化模塊801與分區(qū)模塊802連接，分區(qū)模塊802與計算模塊803連接，計算模塊803與統(tǒng)計模塊804連接，統(tǒng)計模塊804與組裝模塊805連接。

歸一化模塊801對第一圓形圖像進行尺寸歸一化后得到第二圓形圖像，第一圓形圖像為獲取的原始圓形圖像；

將第一圓形圖像尺寸歸一化為m×m的第二圓形圖像，即iroi，其中m的取值大小與第一圓形圖像的大小成正比。例如將第一圓形圖像分為一個200×200的區(qū)域，其中的200即為200個單位長度。

分區(qū)模塊802利用掩膜模板將第二圓形圖像分為由若干個環(huán)狀區(qū)域構(gòu)成的環(huán)狀空間；

以同一圓心生成多個半徑遞增且部分交疊的圓環(huán)掩膜模板,即在200×200的區(qū)域中，以點(m/2,m/2)作為圓心o，重疊的生成n個等面積的圓環(huán)，掩膜模板為ψm，例如取n＝26，即每個圓環(huán)半徑范圍為，利用掩膜模板對第二圓形圖像iroi進行掩膜處理得到若干個環(huán)狀區(qū)域im，im＝iroi*ψm

計算模塊803提取環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；

首先，定義編碼值，如圖2所示，設(shè)o為環(huán)狀區(qū)域im的中心點，p為im內(nèi)任一像素點，提取像素點p的編碼值：建立局部坐標(biāo)系統(tǒng)，將沿op方向稱為徑向坐標(biāo)軸r，垂直op方向稱為切向坐標(biāo)軸t，p為新的局部坐標(biāo)系統(tǒng)原點。分別在徑向r和切向t方向找到4個對稱的鄰近點，按照逆時針分別記作p1、p2、p3、p4，其中p1在坐標(biāo)軸r上，且p1位于坐標(biāo)軸t上相對于o的相反側(cè)，同時將4個鄰域點與p點的距離記為d，其中d的取值可為1，此處的1即為一個單位長度與上述的200采用同樣的單位長度，按照p1、p2、p3、p4的順序與p點進行像素值大小的比較，由式：

得到二進制數(shù)編碼t＝(t1t2t3t4)，i(p)即為p點的像素值，i(pi)為所取點pi的像素值得到二進制數(shù)編碼t＝(t1t2t3t4)。

再由式：f＝8*t1+4*t2+2*t3+t4將二進制數(shù)編碼轉(zhuǎn)換為十進制數(shù)編碼，f即為點p的編碼值。

在計算p點的編碼值時為了提高計算速度，避免插值計算，在計算編碼值時可采用近似算法。

如圖4所示，即在第二圓形圖像內(nèi)，沿從圖像中心指向p點的方向，以45度為單位，將圓形區(qū)域劃分為8個扇區(qū)。

如圖5、圖6所示，為任意選擇的三個點a、b及c的位置示意圖及計算編碼值的流程圖。其中，a、b、c與水平方向x軸所成夾角，θa<22.5°,22.5°<θb<67.5°,67.5°<θc<112.5°。

如圖9所示，為環(huán)狀空間及關(guān)于中心點對稱的點的示意圖。在環(huán)狀區(qū)域內(nèi)取點(i，j)及(i＇，j＇)，兩點關(guān)于中心點o對稱，兩者坐標(biāo)關(guān)系如下式：

求(i，j)的k×k(k取值范圍為3～11)的鄰域內(nèi)(包括(i，j))的編碼值，統(tǒng)計出現(xiàn)次數(shù)最多的編碼值，將該編碼值作為點(i，j)的代表模式，記為s1。同理可得(i＇，j＇)的代表模式s2，若s1>s2，則關(guān)于中心點對稱的點的模式對表示為(s1，s2)，否則表示為(s2，s1)。

統(tǒng)計模塊804基于模式對得到環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；

統(tǒng)計每個環(huán)狀區(qū)域im內(nèi)的所有模式對，按照每個模式對在該環(huán)狀區(qū)域出現(xiàn)頻率即可獲得在該環(huán)狀區(qū)域im中所有模式對的直方圖描述，記作hm，根據(jù)組合關(guān)系，模式對有16*16＝256種組合，因此hm是一個256維的特征向量?？紤]到(i，j)及(i＇，j＇)關(guān)于中心點o對稱，實際計算時，點(i，j)只需要在環(huán)狀區(qū)域的上半部分取樣即可，這樣可以避免不必要的重復(fù)統(tǒng)計。

組裝模塊805將直方圖組裝得到識別特征。

將所有環(huán)狀空間im的直方圖hm進行組裝，例如取n＝26，則得到識別特征h＝(h1,h2,……，h26)。組裝方式可由內(nèi)到外依次組裝。

綜上所述，本實施例提供了一種圓形圖像識別特征提取系統(tǒng)，在獲得圓形圖像后，對圓形圖像進行歸一化處理并利用掩膜模板劃分為包含多個環(huán)狀區(qū)域的環(huán)狀空間；基于計算編碼值的方法得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對；基于模式對得到每個環(huán)狀區(qū)域的關(guān)于中心點對稱的點的模式對的直方圖；組合直方圖得到識別特征，通過提取關(guān)于中心點對稱的點的模式對的直方圖，可克服圓形圖像角度旋轉(zhuǎn)的問題，實現(xiàn)提取圓形圖像的識別特征，進而實現(xiàn)高準(zhǔn)確率的識別圓形圖案。

為進一步優(yōu)化本方案，本系統(tǒng)還包括支持向量機分類器806，其中：

支持向量機分類器806與組裝模塊805連接。

組裝模塊805將識別特征發(fā)送至支持向量機分類器806，利用支持向量機分類器806識別識別特征得到識別結(jié)果。

支持向量機方法是建立在統(tǒng)計學(xué)習(xí)理論的vc維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折中，以求獲得最好的推廣能力。

此處使用的支持向量機分類器806為采用多個樣本進行訓(xùn)練后的可根據(jù)識別特征進行圖像識別的支持向量機分類器806。傳遞模塊將識別圖像發(fā)送給支持向量機分類器806后，即可對原圖像進行識別。

為進一步優(yōu)化本方案，支持向量機分類器806使用線性核函數(shù)作為其核函數(shù)。

為進一步優(yōu)化本方案，支持向量機分類器806識別三個通道的識別特征得到識別結(jié)果。例如對第二圓形圖像iroi的三個通道r、g、b得到的對應(yīng)的識別特征hr、hg、hb進行識別得到結(jié)果。r、g、b分別代表圖像的顏色表示方式，采用識別三個通道的識別特征得到識別結(jié)果比識別一個通道的識別特征得到識別結(jié)果識別率更高。

本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同相似部分互相參見即可。

對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。