pww特征提取算法说明书

1、pww 区域特征提取算法区域特征提取算法 一、一、 摘要摘要.2 二、二、 背景背景.2 三、三、 技术领域技术领域.3 四、四、 特征提取特征提取.3 4.1原理.3 4.2概述.3 4.3主流程.3 4.3 通道适配器分析组成线域.4 4.3.1相关定义和概念：.4 4.3.2流程图.4 4.4区域创建，生长，分裂，合并，提取分裂合并点。 .5 4.4.1相关定义和概念.5 4.4.2流程具体描述.7 4.4.3流程图.8 4.5检测封闭区域和区域适配器过滤区域 .8 4.6区域的后合并.9 4.7检测分裂合并点性质.9 4.8特征集合.10 五、五、 特征及特征描述特征及特征描述.10

2、5.1内特征.10 5.1.1定义和概念.10 5.1.2程序的内特征打印测试图.11 5.1.3内特征点特点.11 5.2外特征.12 5.2.1定义和概念.12 5.2.2外特征转化.12 5.3、特征点描述算法 .12 5.3.1特征点描述算法如下：.13 5.3.2流程图.14 5.4、特征点的 K 近邻描述.14 5.4.1图解.14 5.4.2应用说明.15 六、六、 图像特征图像特征.15 七、七、 特征匹配特征匹配.15 7.1特征点匹配算法.15 7.2区域匹配算法.16 八、八、 应用领域应用领域.16 8.1默认参数设置.16 8.2物体或个体的数目统计.17 8.3视频

3、的背景前景.18 8.4角点检测匹配图像.20 8.5图像智能分析识别方面.21 8.6外特征提取轮廓位置.21 8.7目标追踪.21 8.8全角度区域分析检测.22 8.9多通道规则的区域分析检测 .22 九、九、DEMO.22 十、接口十、接口.27 1、摘要摘要 本发明提出一种提取图像特征和建立相应特征描述的方法。其特征提取方 法包括：使用通道适配器提取线域，线域产生区域，区域生长、分裂、合并， 并整合连通域作为外特征，同时分析出轮廓并矢量化，用道格拉斯普克算法求 出特征点作为内特征。特征描述方法包括：一、k 近邻描述，以内特征或区域 重心为特征点，分析特征点的 k 近邻关系，对特征点画

4、圆，以近邻点为主方向 划分圆为 8 个扇区，计算各个扇区无效点密度和重心方向作为该特征点的特征 描述。二、内特征点形成多边形，针对多边形的凹凸性和各个角度进行描述。 本算法仅对图像做一次扫描，完成上述所有流程，并且可以使用内外两种特征 及两种特征描述方法对图像目标进行快速精确匹配。 2、背景背景 目前的图像特征按性质分有颜色，纹理，形状，空间关系，边缘，角点，区域，脊等 等。 人的视觉是先从形状，区域和颜色纹理特征快速判断目标，然后再从边缘，脊，角点 细节上分析判断目标，如果还分析不出，就会动用大脑从空间关系特征进行综合分析。如 果关注某个目标，则会以背景，颜色，纹理，形状，区域等特征过滤环境

5、中的干扰目标区 域，直接提取相关目标进行细节特征分析。对于模糊目标，就会动用大脑对目标进行空间 关系分析。 目前连通域方法无法提取出蛛网的连通域，导致连通域特征分裂，另外目前的特征点 提取方法，如 sift，surf 运算都相对复杂，导致很多应用环境的实时性无法保证。和其他特 征提取方法不同，本发明的特征提取方法是一次遍历图像就可以提取出特定区域的连通域 和角点特征。 本发明使用通道适配和区域适配分析出连通域和特征点。连通域特征可以从外形颜色 快速识别目标。特征点可以从细节识别目标，通道适配器和区域适配器可以过滤干扰目标 和噪点区域，这使得本发明在复杂背景的条件下提取特定目标成为可能。另外本发

6、明只遍 历一次图像，减少计算复杂度，提高图像视频分析的实时性。 图像特征点形成的空间关系在图像的缩放和旋转中，变化小，稳定。因此，本发明依 靠特征点的近邻关系来提取信息。根据近邻点位置来描述特征，没有梯度运算，运算量小， 适合实时图像视频处理。 3、技术领域技术领域 本发明涉及图像处理技术领域，尤其涉及一种图像特征提取方法和特征描述方法。 4、特征及特征描述特征及特征描述 pww 区域特征有内外两种特征，连通域和分裂合并特征点。没有分裂合并点的区域 就是简单的凸形，很容易通过外特征识别。而复杂的图像 就是凹的 就需要借助内特征来 识别。 5.1 内特征内特征 5.1.1定义和概念定义和概念 分

7、裂合并点：在图像横向扫描过程中，产生区域图形的分裂和合并现象。记录该点的 位置，特征匹配图像识别使用。 毛刺：设定以分裂合并点为中心的矩形，其无效点数在有效范围内，确定为毛 刺。默认范围是边长与矩形面积减边长之间。 角点：不属于毛刺，就是角点。 密度：有效点和矩形面积的比。 重心方向：无效点形成的重心和分裂合并点与扫描方向的顺时针夹角。 5.1.2程序的内特征打印测试图程序的内特征打印测试图 图 1：图 2： 说明：图 1 左上角的 0 代表分裂点，取分裂点为中心的矩形的下半部分分析。*代表有效点， 左下角 60 代表无效点数，0 表示方向。很明显该点属于分裂点的毛刺，图 2 的点也是毛刺。

8、图 3： 说明：左上角的 1 代表合并点，取合并点为中心的矩形的上半部分分析。*代表有效点，左 下角 49 代表无效点数，4 和 2 是重心坐标，-0.316228 表示方向。该点属于合并点的角点。 5.1.3内特征点特点内特征点特点 1、图片缩放 随着图像不断缩小，特征会由角点变普通点，普通点变毛刺，最后消失。 2、图片旋转 旋转角度不同，分裂合并点变化明显，锐角点相对稳定。 针对旋转，分析分裂合并特征点。如图： 说明：红色箭头位置，左图中的合并点，在右图就消失了。如果旋转角度大，其变化 更大，分裂点会变成合并点。当然角点的角度越小，旋转变化的机率就越小。 3、内特征中，分裂点取线域的右侧，

9、合并点取左侧，因此旋转 180 度内特征不变。 4、毛刺的确定是个取舍的难题，图形大，可能把重要的分裂合并点去掉了。图形小，可能 把关键的角点去掉了。对于多尺度分析更难了。对于小图来说 毛刺就是大图的特征点。而 且随着图像不断缩小，特征会由角点变普通点，普通点变毛刺，最后消失。 综上所述，图像在缩放和旋转时局部内特征点变化很大，但是内特征的整体拓扑结构综上所述，图像在缩放和旋转时局部内特征点变化很大，但是内特征的整体拓扑结构 变化相对较小变化相对较小。 5.2 外特征外特征 5.2.1定义和概念定义和概念 有效点数：形成区域形状的有效点数。 连接数：形成区域形状的像素点数目。有效点数除连接数等

10、于区域形状的密度。 区域面积：区域的长乘宽的矩形面积。 有效区域灰度：区域有效点数的像素值总和。 宽高：区域有效点形成的宽和高。 重心：区域有效点形成的重心 图像在旋转缩放时，由于扫描方向变化，区域面积，长宽比例会发生变化，区域不分图像在旋转缩放时，由于扫描方向变化，区域面积，长宽比例会发生变化，区域不分 裂时重心是稳定的。因此以重心为圆心，邻区域重心为方向和半径画园，作为外特征描述。裂时重心是稳定的。因此以重心为圆心，邻区域重心为方向和半径画园，作为外特征描述。 图示： 5.2.2外特征转化外特征转化 1、区域宽高的比。 缩放不变。 2、区域重心和中心的偏置和方向。 缩放不变。 3、分裂合并

11、点的数目与有效像素点数目的比。用来做内特征的简单比较。 4、单位像素的平均灰度 Value = 有效区域灰度/有效点数。旋转缩放不变。 Value 是各通道适配后的结果，通道适配如果采用狭窄的灰度范围，该值的变化范围就狭 窄。 5、区域密度=有效像素数目和区域面积的比。缩放不变。 5、图像特征图像特征 1、各区域的拓扑结构，用 knn 近邻点描述。 2、整合各区域有效点数，连接数，重心，密度，各通道灰度。 3、调整各通道阈值，如果区域面积和特征保持稳定，就说明该阈值范围是稳定的 pww 特 征范围 3、图像比较：整体特征比较，各区域拓扑结构比较。 4、区域多，且内特征少，可以使用 knn 做区

12、域重心匹配。 5、产生了区域的分裂与合并，通过内特征匹配可以获取分裂和合并区域的情况。 6、匹配算法： 对图像的各区域先作外特征识别，后做内特征识别。 使用区域特征匹配图像目标。 使用特征点匹配图像目标。 6、特征匹配特征匹配 7.1 特征点匹配算法特征点匹配算法 公式： ；iP ., 1 , 0, 1 , 0);(minarg j nimjFFdDisijjni jDis 是目标区第 j 个特征点的最小匹配差。 ) (ijFFd 是两个匹配点的特征描述子差。 jF 是目标区第 j 个特征点描述子， iF 是匹配区各特征点描述子。 m 是目标区特征点总数，n 是匹配区的特征点总数。 jP 是目

13、标区第 j 个特征点的最佳匹配特征点在匹配区的标记。 流程： 1、从目标区提取一个特征点，遍历匹配区所有特征点一一匹配，计算特征描述子的差，保 留差最小的匹配点。每个特征描述子包含 k 组 16 维数据，因此每次匹配需比较 k*k 次。 2、匹配区有重复就选择差小的点。 3、重复 1 过程，直到最后一个目标区的特征点取完。 7.2 区域匹配算法区域匹配算法 用区域重心替代特征点，算法流程和特征点匹配算法相同。 7、应用领域应用领域 Pww 区域特征包含内外两种特征，其应用范围广泛，以下举例说明。 8.1 默认参数设置默认参数设置 由于摄像头硬件采集的图像效果差异，背景环境的不同，以及不同的应用

14、，需要设置相应的参数来 调整，使其适应应用和环境。 以下参数均以像素点为单位 范围根据图像大小和应用环境定义 xMinConnNum = 5;/水平扫描连接数 如果是水平运动方向越大越防止抖动但是精度也降低 xNoConnNum = 3;/横向断连接数 yNoConnNum = 3;/纵向断连接数 iNoise = 40;/噪点像素大小面积=iNoise xNoise = xMinConnNum;/噪点横向长度的限制 yNoise = 5;/噪点纵向长度的限制 for (int i=0;i4;i+) iThdMini = 50;/rgb三像素阈值 iThdMaxi = 125;/ iCorne

15、rBound = 5;/角点检测的半径 ucCornerScope = 4;/角点对比如果在ucCornerScope个像素范围里就算相同的角点 bound = 3;/最好和x不连接数相等 亮度对比度参数范围-100至100 brightness = 0;/亮度对比度 contrast = 0; K近邻描述算法参数 Knn = 3;/k近邻数 minDistance = 5;/相隔最短距离，像素点数 radiusRatio = 0.8;/特征描述系数，控制检测半径长度 8.2 物体或个体的数目统计物体或个体的数目统计 原理原理： 自定义通道过滤适配和区域过滤适配，提取特定的连通域，每个连通域就

16、是一个个体。 该算法仅仅遍历一次图像像素点，因此性能好，可以处理超大图片。 人脸统计效果图人脸统计效果图： 调整参数：亮度对比度均=63，x 连接=4，x 断 y 断连接=0，其他默认。 通道适配：rgb 肤色过滤 区域适配：人脸区域 重新调整参数：亮度对比度=0，x 连接=3 通道适配：二项式混合肤色过滤 红细胞计数效果图： 参数调整：通道 2Max 调整到 180，打开 t4.jpg 8.3 视频的背景前景视频的背景前景 原理：原理： 提取帧差，使用 pww 区域特征算法提取连通域，计算背景。目前实现的效果超好，速 度超快。可以实时处理视频画面。 定义：定义： 融合公式：p = alpha

17、*p1 + (1-alpha)*p2 p 更新的背景图像素点 p1 更新前的背景图像素点 p2 当前帧的像素点 alpha 背景更新比例 alpha 计算： 背景初始分析时=alpha1，当融合背景帧数超过设定数时=alpha2 参数和设置参数和设置： double diffPercent;/前后帧变化比 当前帧和前帧的图像变化超过此数，就完全更新背景。 int freshNum;/更新背景使用 前freshNum帧图alpha=alpha1，否则=alpha2 int curFrameN;/帧累加 double alpha1,alpha2; /更新背景的比例 Mat prev_frame,f

18、oreground,background; /前帧、前景图、背景图 流程图流程图： 效果图效果图： 调整参数：通道 Max 均调至 256 视频 7.avi 8.4 角点检测匹配图像角点检测匹配图像 图像按标准缩小一半，K=3 的匹配情况： K=5 的情况，明显匹配点多了： 图像变形缩小后的情况，k=3 8.5 图像智能分析识别方面图像智能分析识别方面 用图像区域特征建立数据集，进行训练。用决策树或 svm 等人工智能模型进行预测。 包括人脸识别，行人识别，指纹识别。ocr 字符识别等等。 还没开始实验。 8.6 外特征提取轮廓位置外特征提取轮廓位置 网页认证校验码识别 二维码识别等等 没实验

19、 8.7 目标追踪目标追踪 定义定义： 1、区域的分裂和合并：视频中，由于环境变化和镜头晃动等原因，或者汽车被电线杆遮挡 等等，区域存在分裂和合并的情况。这种情况下要通过区域的内特征点的匹配来识别，由 于内特征点的角点计算不够稳定，该功能暂时无法实现。 2、目标表：用于保存捕获的运动目标。其包含的目标结构如下： int id;/目标id 用于标识视频中的不同目标 S_Pos* pt;/目标的时间序列点 用于记录目标运行轨迹 int memLen;/目标序列点空间 内存分配 int curLen;/目标序列点数 S_Region ray;/目标特征 用于目标区域对比查询 3、超时分析：每 30

20、秒对目标表进行超时检测。去掉 30 秒内不在视频中保存出现的目标， 并将该目标轨迹写入硬盘保存。 流程图流程图： 说明： 1、提取的 pww 区域特征是根据帧差提取，基本上就是各个运动目标特征。因此有虚线框 (重新提取特征)的流程。 2、提取的目标是前后帧的匹配区域。它的好处：保证目标的区域特征稳定至少连续两帧。 过滤掉干扰因素导致的区域分裂与合并的错误目标。 3、区域对比目前的方案是针对区域外特征和灰度直方图的比较。虚线框里重新提取内特征 和 knn 比较被屏蔽了。 8.8 全角度区域分析检测全角度区域分析检测 定义： 全角点获取：图片 180 度内按角度顺时针旋转，统计分析各旋转角度的分裂

21、合并点。 由于内特征点旋转 180 度不变。因此旋转 0180 度，计算各旋转角度的区域和内特征， 并统计角点击中率。形成区域特征集合。 如果出现分裂点的左上方向才是角，合并点右下方向是角，或者旋转角度可能出现不 同的分裂区。x 断连接可以设为 0。同时 bound 边界也调整为 0。 图像的全角度匹配。还没开始，主要是运算量相对比较大，而且没有找到比较好的应 用场景。 8.9 多通道规则的区域分析检测多通道规则的区域分析检测 采用多种通道规则形成的多个区域特征的集合。目前还没开始，以后的打算。 九、九、demo 1、Windows 需要 vc 下安装配置 opecv，网上有相关资料。 2、linux