一種基于區(qū)域形狀特征的商標(biāo)圖像檢索方法技術(shù)

本發(fā)明專利技術(shù)公開了一種基于區(qū)域形狀特征的商標(biāo)圖像檢索方法一旋轉(zhuǎn)分層密度(RHD，Rotation?Hierarchical?Density)，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。本發(fā)明專利技術(shù)的圖像檢索方法在描述表達(dá)二值圖像的區(qū)域形狀特征時，采用旋轉(zhuǎn)?分層劃分的思想對圖像的區(qū)域形狀進(jìn)行分層分割，利用旋轉(zhuǎn)分層的特征抽取方法來替代現(xiàn)有技術(shù)所使用的特征抽取方法，抽取圖像區(qū)域形狀的像素特征和面積特征，并根據(jù)這兩種特征在圖像描述中的貢獻(xiàn)大小使用不同的權(quán)重系數(shù)進(jìn)行組合，提出了一種區(qū)域特征的組合描述算法，該算法只需要進(jìn)行簡單地乘法和加法操作，特征抽取過程計算簡單，占用存儲空間較低，有利于編程實(shí)現(xiàn)。本發(fā)明專利技術(shù)能夠有效地抽取圖像區(qū)域旋轉(zhuǎn)特征，并且能夠具體呈現(xiàn)圖像像素在趨于圖像邊緣區(qū)域的分布情況，符合人們觀察目標(biāo)的視覺特性，該特征具有旋轉(zhuǎn)、縮放和尺度不變性。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于區(qū)域形狀特征的商標(biāo)圖像檢索方法
本專利技術(shù)涉及一種基于區(qū)域形狀特征的商標(biāo)圖像檢索方法，屬于數(shù)字圖像處理

技術(shù)介紹
由于本專利技術(shù)抽取的是二值數(shù)字圖像的形狀特征，對于現(xiàn)實(shí)中采集到的RGB彩色圖像，在抽取圖像特征前需要通過圖像預(yù)處理將采集的所有圖像均轉(zhuǎn)化成二值數(shù)字圖像(即黑白圖像：形狀區(qū)域像素值為1，背景區(qū)域像素值為0)。圖像的識別檢索通常包括以下幾個步驟：特征抽取過程：1、輸入訓(xùn)練圖像；2、圖像預(yù)處理，將輸入的訓(xùn)練圖像轉(zhuǎn)化成二值圖像；3、按照特征抽取算法逐一抽取二值圖像的區(qū)域形狀特征；4、對抽取的區(qū)域形狀特征做必要的處理，并進(jìn)行存儲。圖像檢索識別過程：1、輸入查詢圖像，對其進(jìn)行預(yù)處理，將其轉(zhuǎn)換成二值圖像；2、抽取二值化的查詢圖像的區(qū)域形狀特征，并做相應(yīng)處理；3、按照匹配相似度度量準(zhǔn)則，計算查詢圖像特征向量與訓(xùn)練圖像的距離；4、對上述計算得到的所有度量距離進(jìn)行排序，檢索識別查詢圖像。目前最常用的圖像區(qū)域形狀描述方法分為兩個大類：基于邊界的方法和基于區(qū)域的方法?；谶吔绲男螤蠲枋龇椒ɡ玫氖菆D像的邊界特征，如：輪廓線特征等，往往要求研究區(qū)域的輪廓線閉合、區(qū)域連通，提取的是區(qū)域形狀的局部特征；基于區(qū)域的形狀描述方法利用的是形狀區(qū)域中的每一個像素點(diǎn)的特征，不僅考慮了區(qū)域形狀的邊界像素特征，還研究了區(qū)域形狀的內(nèi)部結(jié)構(gòu)，抽取的是區(qū)域形狀的全局特征。在研究區(qū)域形狀特征時，主要是提取一些興趣點(diǎn)的特征，然后根據(jù)提取的興趣點(diǎn)特征構(gòu)建特征向量，進(jìn)行圖像檢索。按照是否把圖像分割成更小的區(qū)域，可以把基于區(qū)域的描述方法劃分為：全局特征描述方法和結(jié)構(gòu)化特征描述方法。表1給出了常用的區(qū)域形狀特征的描述方法及其分類。表1.一些經(jīng)典的區(qū)域形狀描述方法及其分類對以上經(jīng)典的區(qū)域形狀描述方法的部分常用方法進(jìn)行具體分析：(1)幾何不變矩(Hu矩)根據(jù)圖像的灰度值分別函數(shù)定義零階矩、高階將和中心矩，利用二階和三階中心矩導(dǎo)出7個具有平移不變性、旋轉(zhuǎn)不變性和比例不變性的矩組。用Hu矩組成的特征量能夠快速地識別圖像，但是Hu矩特征的識別率較低。Hu不變矩的高階矩的抗噪性差，一般只用其低階矩，而低階Hu矩?zé)o法準(zhǔn)確描述圖像的細(xì)節(jié)信息，導(dǎo)致對圖像的描述不完整。因此，Hu不變矩不能描述復(fù)雜的圖像文理特征，一般用來描述圖像的形狀，對圖像中大的物體(如：水果形狀、車牌中的簡單字符等)的識別效果會相對好一點(diǎn)。(2)Zernike不變矩對于二維函數(shù)f(x，y)的Zernike矩的定義：式中：n是非負(fù)整數(shù)，n-|m|是偶數(shù)，并且n≥|m|；Rnm(ρ)表示點(diǎn)(x，y)的徑向多項(xiàng)式；ρ為原點(diǎn)到點(diǎn)(x，y)的矢量長度，即θ為ρ矢量與x軸在逆時針方向的夾角，即θ＝arctan(y/x)(-1＜x，y＜1)。對于圖像大小為N×N的數(shù)字圖像，其Zernike矩的實(shí)部Cnm和虛部Snm可以寫成如下離散形式：Zernike不變矩能夠構(gòu)造圖像的任意高階矩特征，更好地描述圖像的細(xì)節(jié)信息，用少量的矩特征就能還原、重構(gòu)圖像。與Hu不變矩相比，Zernike不變矩的圖像識別效果更好，且表達(dá)簡潔，冗余較少，被廣泛應(yīng)用于目標(biāo)識別研究當(dāng)中。但是Zernike不變矩的高階矩易受噪聲干擾，變化較大，且其各階矩分量與形狀的視覺特征的相關(guān)性不緊密，不易直觀地觀察矩分量對區(qū)域形狀的描述。(3)凸包算法根據(jù)興趣點(diǎn)的分布將任意的二值圖像分割成多個凸包，然后對各個凸包進(jìn)行特征提取，最后聯(lián)合各個凸包的特征進(jìn)行圖像檢索識別，該算法的計算復(fù)雜度相對較低，但是在凸包劃分時容易造成像素點(diǎn)的缺失或重復(fù)。(4)AHDH算法遞歸地計算幾何質(zhì)心，利用圖像的分層分解技術(shù)將圖像分割成多個子區(qū)域；同時計算每個區(qū)域的絕對密度和相對密度特征，構(gòu)造區(qū)域形狀特征的密度直方圖作為二值圖像的特征描述子。在該算法中，將二值圖像看作一個二維平面，平面上的區(qū)域形狀的像素集定義為B，屬于該形狀的像素點(diǎn)數(shù)目定義為N。在分割算法開始之前，對二值圖像進(jìn)行預(yù)處理，將二值圖像的中心平移到其質(zhì)心位置，使得圖像保持平移不變性。算法一旦開始，所有像素點(diǎn)的坐標(biāo)就保持不變；然后，將二值圖像的第i個矩形區(qū)域定義為該區(qū)域有一個黑色像素集。根據(jù)圖像的幾何質(zhì)心將二值圖像分割成幾個區(qū)域，構(gòu)造正交網(wǎng)格線橫穿整個二值圖像，然后下一層進(jìn)行同樣的分割，依次對二值圖像分層分割l層，或記作“l(fā)evel”。分割得到的每一個矩形區(qū)域都有兩個主要特征：黑色像素點(diǎn)數(shù)與面積在每一個分割層l上，計算出各個區(qū)域的幾何質(zhì)心，然后根據(jù)每個區(qū)域的幾何質(zhì)心將該區(qū)域分割成四個子區(qū)域j＝{1，2，3，4}。初始的區(qū)域(即：l＝1)是整個二值圖像區(qū)域。l＞1時，l層所有的區(qū)域都是(l-1)層的子區(qū)域。這種迭代一直進(jìn)行到終止迭代層。計算區(qū)域形狀的密度特征和相對密度特征，計算公式為：(其中：1≤i≤4l-1，1≤j≤4)；在每一個迭代層l，依據(jù)新的子區(qū)域，構(gòu)造出4l-1×4的特征矩陣FAl：那么，定義第l層的密度特征向量FVl和相對特征密度向量將相對密度矢量進(jìn)行量化。對于每個子區(qū)域如果相對密度則標(biāo)記該區(qū)域?yàn)椤癴ull”；否則，標(biāo)記該區(qū)域?yàn)椤癳mpty”。如果區(qū)域的黑色像素均勻地分布到四個子區(qū)域中，那么每一個子區(qū)域相對密度的期望值應(yīng)該都是1，因此，子區(qū)域標(biāo)記為“full”或者“empty”取決于它內(nèi)部的黑色像素。定義一個分布詞wi，以分布詞wi為內(nèi)容的構(gòu)造分布詞典L，那么L表示當(dāng)前區(qū)域與其四個子區(qū)域之間的16種″full″或者″empty″的連接關(guān)系。假設(shè)以E表示″empty″，以F表示″full″，那么詞典L的組成形式為：L＝[EEEE，EEEF，EEFE，…，F(xiàn)FFF]＝[w0，w1，w2，…，w15]基于該詞典可以得到每一層的量化特征表示如下：根據(jù)以上分割方法得到的密度特征、相對密度特征以及量化密度特征構(gòu)造出新的特征描述子向量FV，其公式表示如下：這種自適應(yīng)幾何分割與特征量化的結(jié)合提高了檢索精確率，降低了檢索缺失率。但是，AHDH算法提取的圖像特征在描述圖像時，有以下兩個問題：(a)AHDH算法提取的圖像特征無法保持特征旋轉(zhuǎn)不變性。如果圖像庫中的圖像發(fā)生了旋轉(zhuǎn)，那么圖像的像素點(diǎn)分布將會發(fā)生變化，按照區(qū)域像素特征計算的二值圖像的質(zhì)心進(jìn)行圖像分割時，各個子區(qū)域圖像的分割結(jié)果也會發(fā)生變化，構(gòu)造的特征描述子不滿足旋轉(zhuǎn)不變性，將無法準(zhǔn)確地描述圖像的區(qū)域特征，圖像檢索的效率下降，更有可能發(fā)生誤檢。(b)AHDH算法在每一個迭代層l，區(qū)域都會分割產(chǎn)生4l-1個區(qū)域，特征提取時需要分別對這4l-1個區(qū)域的特征計算，計算復(fù)雜，數(shù)據(jù)存儲占用較大空間。在迭代分割比較深，即l比較大時，由于其子區(qū)域數(shù)量過大，特征計算和數(shù)據(jù)存儲時容易溢出，造成特征描述的中斷，無法完成圖像檢索。綜上所述，圖像的區(qū)域形狀特征可以很好地表達(dá)和描述目標(biāo)圖像的特性，可以依據(jù)抽取的圖像區(qū)域形狀特征進(jìn)行特征匹配，實(shí)現(xiàn)模式識別和目標(biāo)檢索。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)要解決的技術(shù)問題在于解決現(xiàn)有基于區(qū)域形狀的特征抽取方法(AHDH)存在的由于圖像旋轉(zhuǎn)使得抽取的區(qū)域形狀特征發(fā)生變化造成圖像描述不準(zhǔn)確以及迭代層較深時的特征計算和數(shù)據(jù)存儲溢出等問題，提供一直能夠?qū)崿F(xiàn)高效、準(zhǔn)確表達(dá)和描述目標(biāo)圖像的特征抽取方法，同時保證抽取的區(qū)域形狀特征具有平移不變性、尺度不變性和旋轉(zhuǎn)不變性。本專利技術(shù)采本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種數(shù)字圖像識別方法，包括對目標(biāo)圖像的區(qū)域形狀特征描述方法，其特征在于，所述特征描述方法采用目標(biāo)圖像區(qū)域形狀的旋轉(zhuǎn)分層密度(RHD)特征。

【技術(shù)特征摘要】
1.一種數(shù)字圖像識別方法，包括對目標(biāo)圖像的區(qū)域形狀特征描述方法，其特征在于，所述特征描述方法采用目標(biāo)圖像區(qū)域形狀的旋轉(zhuǎn)分層密度(RHD)特征。2.如權(quán)利要求1所述目標(biāo)圖像區(qū)域形狀的旋轉(zhuǎn)分層密度(RHD)特征，其特征在于，所述旋轉(zhuǎn)分層密度采用“旋轉(zhuǎn)-分層”分割算法實(shí)現(xiàn)，具體過程包括以下步驟：步驟A、將輸入的目標(biāo)圖像轉(zhuǎn)換成二值化的圖像，其一般形式可以表示如下：這里x、y表示目標(biāo)圖像形狀內(nèi)各像素點(diǎn)的橫、縱坐標(biāo)，B是目標(biāo)圖像分布的區(qū)域形狀；步驟B、對于二值圖像B，它的黑色像素點(diǎn)數(shù)記作N，面積記作E。計算圖像的區(qū)域形狀質(zhì)心(xc，yc)，以質(zhì)心為原點(diǎn)建立直角坐標(biāo)系，x＝y(tǒng)c為水平坐標(biāo)軸，y＝xc為垂直坐標(biāo)軸，x＞yc為x軸正方向，y＞xc為y軸正方向，質(zhì)心計算公式如下：步驟C、以該圖像區(qū)域形狀內(nèi)第n個黑色像素點(diǎn)的橫、縱坐標(biāo)(xn，yn)構(gòu)造復(fù)數(shù)cn，有：cn＝xn+i*yn，計算該像素點(diǎn)在B建立的坐標(biāo)系中的輻角，計算過程如下：Z＝xn-xc+i·(yc-yn)＝r(cosβn+isinβn)，其中，xn-xc∈R，yc-yn∈R。r是復(fù)數(shù)的模長，βn是復(fù)數(shù)的輻角，如果求得的輻角βn為負(fù)值，則使用公式βn＝βn+360°將其轉(zhuǎn)換到0°～360°內(nèi)，便于分割區(qū)域選取判定。然后計算目標(biāo)圖像區(qū)域形狀內(nèi)的所有黑色像素點(diǎn)的輻角βn(n＝1，2，…，N)；步驟D、假設(shè)目標(biāo)圖像發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)角度為θi，在0°～360°內(nèi)均勻選取M個θi值。根據(jù)計算得到的輻角βn的取值判定是否選擇第n個黑色像素點(diǎn)作為其子區(qū)域的像素點(diǎn)，判定依據(jù)表示如下：對目標(biāo)圖像區(qū)域的所有黑色像素點(diǎn)進(jìn)行選取判定，得到該目標(biāo)圖像旋轉(zhuǎn)θi時的目標(biāo)子區(qū)域依據(jù)子區(qū)域的質(zhì)心對其進(jìn)行多層分割，選取指定方向上的區(qū)域。3.如權(quán)利要求2所述“旋轉(zhuǎn)-分層”分割算法，其特征在于，均勻采樣θi值，采樣頻率M＝90。4.如權(quán)利要求3所述采樣頻率M＝90，其特征在于，目標(biāo)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王斌，曾范清，鄭雪，
申請(專利權(quán))人：南京財經(jīng)大學(xué)，
類型：發(fā)明
國別省市：江蘇,32