專利名稱：：基于屬性匹配的浮選視頻測(cè)速方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種視頻測(cè)速技術(shù)，尤其涉及一種基于屬性匹配的浮選視頻測(cè)速方法。
背景技術(shù)：
：在有色金屬、黑色金屬、煤泥的浮選自動(dòng)控制過(guò)程中，浮選泡沫的流動(dòng)速度是浮選質(zhì)量的重要指標(biāo)。對(duì)運(yùn)動(dòng)泡沫圖像進(jìn)行測(cè)速是一件較困難的事情，有些浮選質(zhì)量差的圖像中，整幅充滿著運(yùn)動(dòng)中的小氣泡，數(shù)量很大。圖像的運(yùn)動(dòng)速度快而且圖像內(nèi)氣泡的面積、形態(tài)及顏色等相似程度較高。部分氣泡目標(biāo)粘連，一些大氣泡會(huì)隨時(shí)破裂，在后續(xù)幀中由一些小氣泡代替，部分氣泡邊緣模糊或者處于陰影之中，還由于浮選現(xiàn)場(chǎng)環(huán)境污染嚴(yán)重，攝取的圖像普遍背景昏暗、清晰度差等原因，造成對(duì)運(yùn)動(dòng)泡沫圖像測(cè)速的困難。現(xiàn)有技術(shù)中的運(yùn)動(dòng)檢測(cè)及估計(jì)方法，一種是直接的幀間變化檢測(cè)；另一種是基于塊匹配或光流方法的運(yùn)動(dòng)矢量場(chǎng)計(jì)算。幀間運(yùn)動(dòng)檢測(cè)方法適合于運(yùn)動(dòng)快且形變較大的運(yùn)動(dòng)目標(biāo)；運(yùn)動(dòng)矢量方法可以處理全局運(yùn)動(dòng)情況。上述現(xiàn)有技術(shù)至少存在以下缺點(diǎn)計(jì)算費(fèi)時(shí)間、速度慢，對(duì)過(guò)于復(fù)雜和快速的運(yùn)動(dòng)及泡沫圖像的測(cè)速效果不好。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種測(cè)速速度快、效果好的基于屬性匹配的浮選視頻測(cè)速方法。本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的本發(fā)明的基于屬性匹配的浮選視頻測(cè)速方法，包括步驟-首先，提取目標(biāo)區(qū)域在第一幀圖像中提取亮度和面積均符合設(shè)定閾值的目標(biāo)區(qū)域；然后，進(jìn)行目標(biāo)區(qū)域的匹配在第二幀圖像中尋找與所述目標(biāo)區(qū)域的特征差別符合設(shè)定閾值的區(qū)域?yàn)樗瞿繕?biāo)區(qū)域的匹配區(qū)域；之后，如果匹配成功，則根據(jù)匹配的結(jié)果計(jì)算所述目標(biāo)區(qū)域在所述第一幀圖像與第二幀圖像間的位移；如果匹配失敗，則選擇下一個(gè)目標(biāo)區(qū)域進(jìn)行匹配。由上述本發(fā)明提供的技術(shù)方案可以看出，本發(fā)明所述的基于屬性匹配的浮選視頻測(cè)速方法，由于首先在第一幀圖像中提取亮度和面積均符合設(shè)定閾值的目標(biāo)區(qū)域；然后在第二幀圖像中尋找與之相匹配的匹配區(qū)域，如果匹配成功，則根據(jù)匹配的結(jié)果計(jì)算目標(biāo)區(qū)域在第一幀圖像與第二幀圖像間的位移，進(jìn)而可以計(jì)算出目標(biāo)區(qū)域的移動(dòng)速度。測(cè)速速度快、效果好。具體實(shí)施例方式本發(fā)明的基于屬性匹配的浮選視頻測(cè)速方法，其較佳的具體實(shí)施方式是，包括歩驟首先，提取目標(biāo)區(qū)域在第一幀圖像中提取亮度和面積較大的區(qū)域?yàn)槟繕?biāo)區(qū)域，可以設(shè)定一個(gè)閾值，當(dāng)亮度和面積均符合設(shè)定閾值時(shí)，為提取的目標(biāo)區(qū)域；然后，進(jìn)行目標(biāo)區(qū)域的匹配，所提取的目標(biāo)區(qū)域可以有多個(gè)，首先對(duì)多個(gè)目標(biāo)區(qū)域按面積由大到小進(jìn)行排序，然后從最大的目標(biāo)區(qū)域丌始，依次進(jìn)行匹配。具體可以在第二幀圖像中尋找與目標(biāo)區(qū)域的特征差別符合設(shè)定閾值的區(qū)域?yàn)槟繕?biāo)區(qū)域的匹配區(qū)域，這里的匹配區(qū)域?qū)嶋H上就是目標(biāo)區(qū)域從第一幀圖像移動(dòng)到第二幀圖像后的位置。之后，如果匹配成功，則根據(jù)匹配的結(jié)果計(jì)算目標(biāo)區(qū)域在第一幀圖像與第二幀圖像間的位移，進(jìn)而可以計(jì)算目標(biāo)區(qū)域的移動(dòng)速度；如果匹配失敗，則選擇下一個(gè)目標(biāo)區(qū)域進(jìn)行匹配。上述過(guò)程中，所提取的目標(biāo)函數(shù)的亮度的閾值可以為灰度值大于或等于130;面積的閾值可以為連續(xù)且符合亮度閾值的像素點(diǎn)的個(gè)數(shù)大于或等于1520。匹配區(qū)域與目標(biāo)區(qū)域的特征差別的閾值可以為-平均灰度值相差小于或等于5;面積相差小于或等于10%;縱向軸長(zhǎng)和橫向軸長(zhǎng)的差值分別小于或等于5個(gè)像素。當(dāng)目標(biāo)區(qū)域匹配成功之后還可以進(jìn)行目標(biāo)校驗(yàn)，具體包括首先，在所述第一幀圖像中選擇兩個(gè)目標(biāo)區(qū)域并計(jì)算兩個(gè)目標(biāo)區(qū)域之間的矢量，同時(shí)計(jì)算第二幅圖像中的相應(yīng)的兩個(gè)匹配區(qū)域之間的矢量；然后，對(duì)兩個(gè)矢量的相似性進(jìn)行比較，當(dāng)二者的差別符合設(shè)定的閾值時(shí)，則兩個(gè)目標(biāo)區(qū)域?yàn)樾ｒ?yàn)成功的目標(biāo)區(qū)域。所選擇的兩個(gè)目標(biāo)區(qū)域可以為兩個(gè)相鄰的目標(biāo)區(qū)域。兩個(gè)矢量的相似性差別的閾值可以為兩個(gè)矢量在x方向和y方向上的分量分別小于或等于5個(gè)像素。然后計(jì)算校驗(yàn)成功的目標(biāo)區(qū)域的中心在第一幀圖像與第二幀圖像間的位移，位移與幀頻之積為目標(biāo)區(qū)域的移動(dòng)速度。可以計(jì)算多個(gè)目標(biāo)區(qū)域的移動(dòng)速度，并取多個(gè)目標(biāo)區(qū)域的移動(dòng)速度的平均值。下面通過(guò)具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)的闡述，包括歩驟l、提取第一幀視頻圖像，并提取其中的目標(biāo)區(qū)域，具體包括歩驟l.1、提取高亮區(qū)域首先，將提取的圖像灰度化，提取圖像中的所有高亮區(qū)域，遍歷圖像像素點(diǎn)，將灰度值大于HIGH—GRAY430且連通的像素區(qū)域由鏈表存儲(chǔ)，鏈表的節(jié)點(diǎn)信息如表l所示表l鏈表節(jié)點(diǎn)信息<table>tableseeoriginaldocumentpage6</column></row><table>歩ifW.2、去噪處理對(duì)于所提取的每個(gè)高亮區(qū)域檢驗(yàn)其面積，可以用表l中鏈表末端節(jié)點(diǎn)標(biāo)號(hào)與開始節(jié)點(diǎn)標(biāo)號(hào)的差值表示面積，可以設(shè)置一個(gè)閾值，如15至20個(gè)像素點(diǎn)。當(dāng)面積大于設(shè)置的閾值時(shí)，為泡沫種子區(qū)域，小的區(qū)域即為噪聲。由于圖像的明暗亮度差別大，有些圖像內(nèi)部?jī)汉醵际切∨菽?，因此面積閾值可以選取較低的值。步驟1.3、提取目標(biāo)區(qū)域?qū)Φ谝粠瑘D像的泡沫種子區(qū)域，按照面積排序，將排序在前的十個(gè)區(qū)域作為待處理的目標(biāo)區(qū)域。步驟1.4、尋找目標(biāo)區(qū)域上下左右邊界排序種子區(qū)域像素的x坐標(biāo)，找到區(qū)域的x坐標(biāo)的最小值u和最大值x,值；排序y坐標(biāo)，找到區(qū)域的最少值y自和最大值y,值。歩驟1.5、目標(biāo)區(qū)域特征的提取計(jì)算出前十個(gè)目標(biāo)區(qū)域的特征，包括面積S、平均灰度值A(chǔ)VER—GRAY、中心位置H)、橫向軸長(zhǎng)H—axis及縱向軸長(zhǎng)Vaxis,其中S-目標(biāo)區(qū)域的像素個(gè)數(shù)N<formula>formulaseeoriginaldocumentpage6</formula>歩驟2、進(jìn)行目標(biāo)區(qū)域的匹配匹配第一幀圖像的第一個(gè)目標(biāo)區(qū)域，以第一個(gè)目標(biāo)區(qū)域中心位置(X—U為頂點(diǎn)，在相鄰的第二幀圖像中按照?qǐng)D像運(yùn)動(dòng)方向作Mi矩形，在矩形內(nèi)尋找第一個(gè)目標(biāo)區(qū)域的匹配區(qū)域。如果兩個(gè)區(qū)域的特征相差在設(shè)定的閾值以下，則兩個(gè)區(qū)域?yàn)橄嗥ヅ涞膬蓚€(gè)區(qū)域，設(shè)定的閾值可以包括平均灰度值相差小于或等于5，艮卩abs(AVER—GRAY11-AVER—GRAY21)<=5;面積相差小于或等于10%,即abs(Area11-Area21)/Areall<=10%;縱向軸長(zhǎng)和橫向軸長(zhǎng)的差值分別小于或等于5個(gè)像素。如果第一個(gè)目標(biāo)匹配成功，則繼續(xù)匹配下一個(gè)目標(biāo)；如果第一個(gè)目標(biāo)匹配失敗，則從下一個(gè)目標(biāo)開始匹配。步驟3、對(duì)匹配成功的目標(biāo)進(jìn)行校驗(yàn)由于圖像中目標(biāo)的相似度很高，因此可以通過(guò)相鄰兩幀圖像中目標(biāo)的相似度對(duì)匹配成功的目標(biāo)進(jìn)行校驗(yàn)。具體包括計(jì)算第一幀圖像中匹配成功的兩個(gè)相鄰目標(biāo)之間的矢量，同時(shí)在第二幀圖像中計(jì)算相應(yīng)的兩個(gè)目標(biāo)間的矢量，比較兩個(gè)矢量的相似性，包括方向和長(zhǎng)度，誤差小于一定閾值范圍，則校驗(yàn)成功，這里的閾值可以是兩個(gè)矢量在x方向和y方向上的分量分別小于或等于5個(gè)像素。否則，取后續(xù)目標(biāo)進(jìn)行如上校驗(yàn)，直至校驗(yàn)成功。步驟4、對(duì)運(yùn)動(dòng)速度進(jìn)行計(jì)算對(duì)于校驗(yàn)成功的目標(biāo)，計(jì)算兩幀圖像間目標(biāo)中心位置的位移，位移與幀頻之積，即為視頻的移動(dòng)速度?？梢酝ㄟ^(guò)計(jì)算兩個(gè)或多個(gè)目標(biāo)的移動(dòng)速度，取其平均值作為最終的速度。本發(fā)明在對(duì)于部分目標(biāo)局部識(shí)別的情況下，通過(guò)提取圖像的形態(tài)、顏色、面積等特征，對(duì)運(yùn)動(dòng)視頻進(jìn)行測(cè)速，可以提高測(cè)速的速度。并通過(guò)計(jì)算兩幀連續(xù)圖像中兩個(gè)相鄰目標(biāo)之間的位置矢量差，對(duì)識(shí)別的目標(biāo)進(jìn)行有效校驗(yàn)，則有效保證了目標(biāo)識(shí)別的正確性。由于光源的影響，圖像中個(gè)泡沫的頂部不同程度地呈現(xiàn)較高亮度，而且泡沫之間的某些邊界呈現(xiàn)高亮，某些邊界相當(dāng)黑暗，某些邊界非常模糊。圖像的高亮區(qū)域是泡沫分割的一個(gè)較好指標(biāo)，有助于分割，黑暗模糊對(duì)分割不利。圖像中每個(gè)泡沫頂部的高亮區(qū)域是泡沫的重要指示，本發(fā)明提取若干個(gè)大面積的高亮區(qū)域作為目標(biāo)，并將這些目標(biāo)按照面積排序。根據(jù)位置、面積、平均灰度值和形態(tài)等目標(biāo)特征在下一幀中進(jìn)行匹配。首先匹配最大面積的高亮區(qū)域，如果匹配失敗，則匹配面積序列中的第二個(gè)目標(biāo)，依次類推。由于圖像中泡沫的相似程度很高，需要對(duì)匹配成功的泡沫進(jìn)行校驗(yàn)。對(duì)于匹配成功的兩個(gè)面積相鄰的高亮區(qū)域，在兩幀中進(jìn)行相對(duì)位置檢驗(yàn)，即一對(duì)泡沫的位置矢量在兩幀中誤差很小。每個(gè)泡沫在相鄰幀中位移與幀頻之積為速度，可以對(duì)成對(duì)泡沫的運(yùn)動(dòng)速度進(jìn)行平均得出最終的速度。本發(fā)明中無(wú)需識(shí)別所有泡沫，只對(duì)圖像中的一些代表性泡沫目標(biāo)進(jìn)行識(shí)別即可，且不必要對(duì)目標(biāo)的進(jìn)行完全識(shí)別，對(duì)目標(biāo)局部識(shí)別可加快目標(biāo)識(shí)別速度。通過(guò)快速提取圖像中的目標(biāo)特征，如位置、面積、平均灰度值和形態(tài)等，能快速、有效的進(jìn)行浮選視頻測(cè)速。當(dāng)目標(biāo)的相似程度很高時(shí)，還對(duì)目標(biāo)的識(shí)別給出了簡(jiǎn)明有效的識(shí)別方法。以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。權(quán)利要求1、一種基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，包括步驟首先，提取目標(biāo)區(qū)域在第一幀圖像中提取亮度和面積均符合設(shè)定閾值的目標(biāo)區(qū)域；然后，進(jìn)行目標(biāo)區(qū)域的匹配在第二幀圖像中尋找與所述目標(biāo)區(qū)域的特征差別符合設(shè)定閾值的區(qū)域?yàn)樗瞿繕?biāo)區(qū)域的匹配區(qū)域；之后，如果匹配成功，則根據(jù)匹配的結(jié)果計(jì)算所述目標(biāo)區(qū)域在所述第一幀圖像與第二幀圖像間的位移；如果匹配失敗，則選擇下一個(gè)目標(biāo)區(qū)域進(jìn)行匹配。2、根據(jù)權(quán)利要求l所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所述亮度的閾值為灰度值大于或等于130;所述面積的閾值為連續(xù)且符合亮度閾值的像素點(diǎn)的個(gè)數(shù)大于或等于1520。3、根據(jù)權(quán)利要求2所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所述匹配區(qū)域與所述目標(biāo)區(qū)域的特征差別的閾值為平均灰度值相差小于或等于5;面積相差小于或等于10%;縱向軸長(zhǎng)和橫向軸長(zhǎng)的差值分別小于或等于5個(gè)像素。4、根據(jù)權(quán)利要求l所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所述的目標(biāo)區(qū)域有多個(gè)，首先對(duì)所述多個(gè)目標(biāo)區(qū)域按面積由大到小進(jìn)行排序，然后從最大的目標(biāo)區(qū)域開始，依次進(jìn)行匹配。5、根據(jù)權(quán)利要求1至4任一項(xiàng)所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所述目標(biāo)區(qū)域匹配成功之后還進(jìn)行目標(biāo)校驗(yàn)，具體包括首先，在所述第一幀圖像中選擇兩個(gè)目標(biāo)區(qū)域及其在第二幅圖像中相應(yīng)的匹配區(qū)域，并計(jì)算第一幀圖像中所述兩個(gè)目標(biāo)區(qū)域之間的矢量，同時(shí)計(jì)算第二幅圖像中的兩個(gè)匹配區(qū)域之間的矢量；然后，對(duì)兩個(gè)矢量的相似性進(jìn)行比較，當(dāng)二者的差別符合設(shè)定的閾值時(shí)，所述兩個(gè)目標(biāo)區(qū)域?yàn)樾ｒ?yàn)成功的目標(biāo)區(qū)域。6、根據(jù)權(quán)利要求5所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所選擇的兩個(gè)目標(biāo)區(qū)域?yàn)閮蓚€(gè)相鄰的目標(biāo)區(qū)域。7、根據(jù)權(quán)利要求5所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，所述兩個(gè)矢量的相似性差別的閾值為所述兩個(gè)矢量在x方向和y方向上的分量分別小于或等于5個(gè)像素。8、根據(jù)權(quán)利要求5所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，計(jì)算所述校驗(yàn)成功的目標(biāo)區(qū)域的中心在所述第一幀圖像與第二幀圖像間的位移，所述位移與幀頻之積為所述目標(biāo)區(qū)域的移動(dòng)速度。9、根據(jù)權(quán)利要求8所述的基于屬性匹配的浮選視頻測(cè)速方法，其特征在于，計(jì)算多個(gè)所述目標(biāo)區(qū)域的移動(dòng)速度，并取所述多個(gè)目標(biāo)區(qū)域的移動(dòng)速度的平均值。全文摘要本發(fā)明公開了一種基于屬性匹配的浮選視頻測(cè)速方法，首先在第一幀圖像中提取亮度和面積均符合設(shè)定閾值的目標(biāo)區(qū)域；然后在第二幀圖像中尋找與之相匹配的匹配區(qū)域，匹配成功后，還通過(guò)計(jì)算兩幀連續(xù)圖像中兩個(gè)相鄰目標(biāo)之間的位置矢量差，對(duì)識(shí)別的目標(biāo)進(jìn)行校驗(yàn)，有效保證了目標(biāo)識(shí)別的正確性。之后根據(jù)匹配和校核的結(jié)果計(jì)算目標(biāo)區(qū)域在第一幀圖像與第二幀圖像間的位移，進(jìn)而根據(jù)位移與幀頻的乘積計(jì)算出目標(biāo)區(qū)域的移動(dòng)速度。測(cè)速速度快、效果好。文檔編號(hào)G06T7/20GK101339663SQ20081011879公開日2009年1月7日申請(qǐng)日期2008年8月22日優(yōu)先權(quán)日2008年8月22日發(fā)明者周俊武,張國(guó)英,寧徐,晨楊,梁棟華,蕓沙申請(qǐng)人:北京礦冶研究總院