一種離散數(shù)據(jù)點集的線特征提取方法
【專利摘要】本發(fā)明公開了一種離散數(shù)據(jù)點集的線特征提取方法，其根據(jù)獲得的均值、方差及主軸方向，基于聚類分析，以坐標均值為初始的聚類中心、以方差和主軸方向為約束值設(shè)定有效區(qū)域，進而調(diào)用步驟（4）和步驟（5）進一步計算有效區(qū)域內(nèi)數(shù)據(jù)點坐標的均值和方差，得出新的聚類中心，如此迭代，直到當前和上一次計算得到的聚類中心之間的距離小于設(shè)定閾值，則以當前得到的主軸方向為斜率過坐標均值確定的線特征為提取的線特征。依據(jù)本發(fā)明速度快、準確率高且誤檢率低。
【專利說明】一種離散數(shù)據(jù)點集的線特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種離散數(shù)據(jù)點集的線特征提取方法。
【背景技術(shù)】
[0002]特征檢測在模式識別和數(shù)字圖像處理領(lǐng)域發(fā)揮著重要作用，是模式識別過程的關(guān)鍵步驟。圖像特征主要分為自然特征和人工特征兩類。人工特征是指人為構(gòu)造產(chǎn)生的圖像特征，如直方圖、頻譜圖、鏈碼等；自然特征是指圖像本身所固有的特征，是可以通過人類視覺感知系統(tǒng)直接獲得的，如圖像的邊緣、紋理、形狀、點、線等。研究發(fā)現(xiàn)，人類視覺系統(tǒng)能夠快速準確的識別目標物體，主要在于人眼能夠直接提取目標物體的線和面等高維特征。而線特征的提取一直以來都是特征提取領(lǐng)域的研究熱點。
[0003]一般目標物體的線特征描述形式可以分為連續(xù)曲線數(shù)據(jù)描述和離散點集數(shù)據(jù)描述兩類。針對這兩種不同的目標數(shù)據(jù)描述形式，可以采用不同的線特征提取方法。一般具有連續(xù)曲線數(shù)據(jù)描述形式的線特征通常對應(yīng)目標物體的輪廓線或者邊界線，常用的線特征提取方法主要有空域微分算子方法和基于變換的方法兩大類。而對于離散點集數(shù)據(jù)描述形式的線特征通常對應(yīng)于大量離散數(shù)據(jù)點的某種直線近似或擬合，常采用基于變換的特征提取方法。
[0004]基于變換的線特征提取方法主要是Hough變換。1972年Duda和Hart提出利用Hough變換提取直線。Hough變換在檢測直線時受噪聲影響小、魯棒性好，故應(yīng)用很廣泛。但傳統(tǒng)的Hough變換在用于檢測直線時，存在不能確定直線端點、會檢測出虛假直線以及對稱地額外畫出直線等問題。另外，研究者提出了用全局閾值與局部閾值結(jié)合去除虛假直線、利用動態(tài)分組原則確定端點的方法，但是該方法的閾值確定較困難，算法也比較復雜。(Duda R.0., Hart P.E.Use of t he HT t o detect lines and curves in picture.Comm[C].ACM, 1972，15:11-15;韓秋蕾，朱明，姚志軍.基于改進Hough變換的圖像線段特征提取[JL儀器儀表學報，2004，25:436-439.)
[0005]線性特征提取所依賴算法:聚類是一個將數(shù)據(jù)集中在某些方面相似的數(shù)據(jù)成員進行分類組織的過程，聚類是一種發(fā)現(xiàn)這種內(nèi)在結(jié)構(gòu)的技術(shù)，屬于無監(jiān)督學習。聚類分析己經(jīng)廣泛地應(yīng)用在許多領(lǐng)域，包括模式識別、數(shù)據(jù)分析、圖象處理、以及市場研究等。通過聚類，人能夠識別密集的和稀疏的區(qū)域，因而發(fā)現(xiàn)全局的分布模式以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。聚類分析可分為:靜態(tài)聚類和動態(tài)聚類兩大類，其中靜態(tài)聚類主要是指非迭代的分級聚類算法，動態(tài)聚類一般可分為C均值聚類和IS0DATA算法兩種(邊肇祺，張學工.模式識別[M].北京，清華大學出版社，2000年)。
[0006]K-L變換是將原來變量重新組合成一組新的互相無關(guān)的幾個綜合變量，同時根據(jù)實際需要從中可以取出幾個較少的綜合變量盡可能多地反映原來變量的信息的統(tǒng)計方法，也是數(shù)學上用來降維的一種方法，在模式識別和圖像處理中用于特征的抽取?；贙-L變換的特征提取及其與該變換先關(guān)的改進算法，在模式識別技術(shù)的發(fā)展歷程中產(chǎn)生了深遠的影響。
【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于提供一種速度快、準確率高且誤檢率低的基于離散數(shù)據(jù)點集合的線性特征提取方法。
[0008]本發(fā)明采用以下技術(shù)方案:
[0009]一種離散數(shù)據(jù)點集的線特征提取方法，包括以下步驟:
[0010](I)讀取原始離散數(shù)據(jù)點集合圖像；
[0011](2)對原始離散數(shù)據(jù)點集合圖像進行灰度化處理；
[0012](3)對灰度化處理得到的離散數(shù)據(jù)點集合圖像進行二值化處理；
[0013](4)在初始給定的坐標系內(nèi)計算二值化后所有數(shù)據(jù)點坐標的均值和方差；
[0014](5)基于K-L變換計算數(shù)據(jù)點分布的主軸方向；
[0015](6)根據(jù)獲得的均值、方差及主軸方向，基于聚類分析，以坐標均值為初始的聚類中心、以方差和主軸方向為約束值設(shè)定有效區(qū)域，進而調(diào)用步驟(4)和步驟(5)進一步計算有效區(qū)域內(nèi)數(shù)據(jù)點坐標的均值和方差，得出新的聚類中心，如此迭代，直到當前和上一次計算得到的聚類中心之間的距離小于設(shè)定閾值，則以當前得到的主軸方向為斜率過坐標均值確定的線特征為提取的線特征。
[0016]依據(jù)本發(fā)明的上述方法，針對原始離散數(shù)據(jù)點集合圖像進行灰度化和二值化處理，在一定程度上去除了圖像中的干擾數(shù)據(jù)點，計算量降低，速度提高；進而通過K-L變換和聚類分析，尤其是通過有效區(qū)域的方式，可以減少邊緣的干擾數(shù)據(jù)，不僅降低了計算量，也提高了計算的準確性，并且干擾信息的減少，也有利于減少迭代次數(shù)，進一步提高計算速度。
[0017]再進一步改進的方案中，上述離散數(shù)據(jù)點集的線特征提取方法，步驟(6)中有效區(qū)域的確定方法是:
[0018]a)以當前獲得的主軸方向為斜率過當前獲得的聚類中心確定一條直線；
[0019]b)以步驟a)確定的直線為基準，向其兩側(cè)集合圖像邊緣內(nèi)側(cè)平行地設(shè)置兩條擴增直線，所獲得的兩條擴增直線內(nèi)的區(qū)域為有效區(qū)域；
[0020]其中，步驟b)中集合圖像為首次擴增的約束系，進一步確定有效區(qū)域時，以上次獲得的有效區(qū)域為約束系。
[0021]兩條擴增直線確定的有效區(qū)域可以更加有效地濾除邊緣干擾數(shù)據(jù)點信息，且相對而言，擴增直線與基準直線之間的距離相對也比較容易設(shè)定，降低了難度。
[0022]進一步地，擴增直線與確定的用作基準的直線的初始距離為:
【權(quán)利要求】
1.一種離散數(shù)據(jù)點集的線特征提取方法，其特征在于，包括以下步驟: (1)讀取原始離散數(shù)據(jù)點集合圖像； (2)對原始離散數(shù)據(jù)點集合圖像進行灰度化處理； (3)對灰度化處理得到的離散數(shù)據(jù)點集合圖像進行二值化處理； (4)在初始給定的坐標系內(nèi)計算二值化后所有數(shù)據(jù)點坐標的均值和方差； (5)基于K-L變換計算數(shù)據(jù)點分布的主軸方向； (6)根據(jù)獲得的均值、方差及主軸方向，基于聚類分析，以坐標均值為初始的聚類中心、以方差和主軸方向為約束值設(shè)定有效區(qū)域，進而調(diào)用步驟(4)和步驟(5)進一步計算有效區(qū)域內(nèi)數(shù)據(jù)點坐標的均值和方差，得出新的聚類中心，如此迭代，直到當前和上一次計算得到的聚類中心之間的距離小于設(shè)定閾值，則以當前得到的主軸方向為斜率過坐標均值確定的線特征為提取的線特征。
2.根據(jù)權(quán)利要求1所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，步驟(6)中有效區(qū)域的確定方法是: a)以當前獲得的主軸方向為斜率過當前獲得的聚類中心確定一條直線； b)以步驟a)確定的直線為基準，向其兩側(cè)集合圖像邊緣內(nèi)側(cè)平行地設(shè)置兩條擴增直線，所獲得的兩條擴增直線內(nèi)的區(qū)域為有效區(qū)域； 其中，步驟b)中集合圖像為首次擴增的約束系，進一步確定有效區(qū)域時，以上次獲得的有效區(qū)域為約束系。
3.根據(jù)權(quán)利要求2所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，擴增直線與確定的用作基準的直線的初始距離為:
4.根據(jù)權(quán)利要求1至3任一所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，在步驟(6)中聚類分析前，以得到的均值為原點構(gòu)造新的坐標系。
5.根據(jù)權(quán)利要求1所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，步驟(2)的灰度化處理對像素點不同的通道采用不同的權(quán)重，人眼敏感性高的通道占有較大的權(quán)重，相反，人眼敏感度低的通道占有較低的權(quán)重。
6.根據(jù)權(quán)利要求5所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，綠色通道的權(quán)重至少為50%，且不能大于60%。
7.根據(jù)權(quán)利要求6所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，步驟(2)得到的灰度圖像為:
f (X，y) = 0.30R (X，y) +0.59G (x, y) +0.1 IB (x, y) 其中，f(x，y)表示灰度化后灰度圖像的像素值，R(x，y)、G(x，y)、B(x，y)為原始數(shù)據(jù)點集合圖像的R、G、B三個分量。
8.根據(jù)權(quán)利要求1、5-7任一所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，步驟(3) 二值化處理的計算公式為:
9.根據(jù)權(quán)利要求8所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，二值化分割閾值T為110。
10.根據(jù)權(quán)利要求1所述的離散數(shù)據(jù)點集的線特征提取方法，其特征在于，當前和上一次計算得到的聚類中心之間的距離所對應(yīng)的設(shè)定閾值為2。
【文檔編號】G06K9/46GK103942526SQ201410021438
【公開日】2014年7月23日 申請日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】鄒國鋒, 萬會松, 傅桂霞, 姜樹明, 張元元, 陳長英, 魏志強, 張江州, 祝連鵬 申請人:山東省科學院情報研究所