本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像區(qū)域特征提取及特征匹配的方法。

背景技術(shù)：

目前的圖像特征按性質(zhì)分有顏色，紋理，形狀，空間關(guān)系，邊緣，角點(diǎn)，區(qū)域，脊等等。人的視覺是先從形狀，區(qū)域和顏色紋理特征快速判斷目標(biāo)，然后再從邊緣，脊，角點(diǎn)細(xì)節(jié)上分析判斷目標(biāo)，如果還分析不出，就會(huì)動(dòng)用大腦從空間關(guān)系特征進(jìn)行綜合分析。如果關(guān)注某個(gè)目標(biāo)，則會(huì)以背景，顏色，紋理，形狀，區(qū)域等特征過濾環(huán)境中的干擾目標(biāo)區(qū)域，直接提取相關(guān)目標(biāo)進(jìn)行細(xì)節(jié)特征分析。對(duì)于模糊目標(biāo)，就會(huì)動(dòng)用大腦對(duì)目標(biāo)進(jìn)行空間關(guān)系分析。

目前連通域方法無法提取出蛛網(wǎng)的連通域，導(dǎo)致連通域特征分裂，另外目前的特征點(diǎn)提取方法，如sift，surf運(yùn)算都相對(duì)復(fù)雜，導(dǎo)致很多應(yīng)用環(huán)境的實(shí)時(shí)性無法保證。目前圖像提取連通域的方法先提取二值圖像，然后再作連通域分析，這樣會(huì)導(dǎo)致二次掃描圖像增加運(yùn)算。和其他特征提取方法不同，本發(fā)明的特征提取方法是一次遍歷圖像就可以提取出特定區(qū)域的連通域和角點(diǎn)特征。使用通道適配器對(duì)像素點(diǎn)的各個(gè)通道數(shù)值進(jìn)行分析，沒有二次掃描，降低運(yùn)算量。

本發(fā)明使用通道適配和區(qū)域適配分析出連通域和特征點(diǎn)。連通域特征可以從外形顏色快速識(shí)別目標(biāo)。特征點(diǎn)可以從細(xì)節(jié)識(shí)別目標(biāo)，通道適配器和區(qū)域適配器可以過濾干擾目標(biāo)和噪點(diǎn)區(qū)域，這使得本發(fā)明在復(fù)雜背景的條件下提取特定目標(biāo)成為可能。另外本發(fā)明只遍歷一次圖像，減少計(jì)算復(fù)雜度，提高圖像視頻分析的實(shí)時(shí)性。圖像特征點(diǎn)形成的空間關(guān)系在圖像的縮放和旋轉(zhuǎn)中，變化小，穩(wěn)定。因此，本發(fā)明依靠特征點(diǎn)的近鄰關(guān)系來提取信息。根據(jù)近鄰點(diǎn)位置來描述特征，沒有梯度運(yùn)算，運(yùn)算量小，適合實(shí)時(shí)圖像視頻處理。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有圖像提取需要二次掃描增加運(yùn)算的問題，本發(fā)明目的在于提供一種基一種圖像區(qū)域特征提取及特征匹配的方法。

為解決上述問題，本發(fā)明提供一種圖像區(qū)域特征提取及特征匹配的方法，其主要內(nèi)容包括：

(一)通道適配器分析組成線域

(二)區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)

(三)檢測(cè)封閉區(qū)域和區(qū)域適配器過濾區(qū)域

(四)區(qū)域的后合并

(五)檢測(cè)分裂合并點(diǎn)性質(zhì)

(六)提取特征集合

(七)進(jìn)行特征匹配

其中，通道適配器分析組成線域，采用通道適配器對(duì)圖像逐行掃描，自定義像素點(diǎn)各通道過濾規(guī)則，將灰度圖轉(zhuǎn)換為二值圖像，分析出連續(xù)的有效點(diǎn)，滿足最小連接數(shù)，就組成線域，否則作為噪點(diǎn)丟棄。掃描過程使用橫向不連接數(shù)和縱向不連接數(shù)來調(diào)整圖像的連通性，用最小連接數(shù)確定噪點(diǎn)。

進(jìn)一步地，其中概念的定義分別為：

a)有效點(diǎn)：通過通道適配函數(shù)的像素點(diǎn)是有效點(diǎn)

b)無效點(diǎn)：沒有通過通道適配函數(shù)的像素點(diǎn)

c)最小連接數(shù)：橫向掃描過程中，線域的最小長度，否則是噪點(diǎn)

d)橫向不連接數(shù)：橫向掃描過程中，允許的連續(xù)無效點(diǎn)數(shù)，否則視為線域連接中斷，用來控制線域的連通性

e)縱向不連接數(shù)：區(qū)域生長過程中，停止生長的掃描次數(shù)。用來控制區(qū)域的上下連通性

f)創(chuàng)建線域：記錄線域的左右位置和行位置，統(tǒng)計(jì)線域的重量，有效點(diǎn)數(shù)，長度，和總的灰度值，以便以后這些數(shù)據(jù)提供給區(qū)域，作為區(qū)域特征

g)重量計(jì)算公式：Q＝(∑x,∑y)；x,y是有效點(diǎn)在圖像中的坐標(biāo)位置。圖像左頂(0,0)為基準(zhǔn)。

其中，區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)，線域組成區(qū)域，區(qū)域分裂與合并，并提取分裂合并特征點(diǎn)過程。主要步驟為：

1)線域歸屬標(biāo)記

通道適配器掃描一行圖像，將獲取的線域按掃描順序排列成組。循環(huán)各線域，在未封閉區(qū)域中反向循環(huán)查找分析其范圍和線域范圍，有相交就標(biāo)記線域?qū)傩詷?biāo)記為區(qū)域的編號(hào)，否則線域無歸屬。一線多區(qū)，將標(biāo)記最右的區(qū)為歸屬。一區(qū)多線，將標(biāo)記該區(qū)為各線域歸屬。

2)區(qū)域創(chuàng)建，生長，分裂，提取分裂點(diǎn)

循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查找分析其范圍和線域范圍，有相交，就讓該區(qū)域生長。對(duì)于無相交的線域，新建生長區(qū)域和區(qū)域編號(hào)，區(qū)域?qū)傩缘扔诰€域?qū)傩?，區(qū)域生長范圍等于線域范圍和擴(kuò)展范圍。

將多區(qū)多線分解為一線多區(qū)和一區(qū)多線的情況分析；對(duì)于一區(qū)多線的情況，先分裂，第一線域會(huì)先進(jìn)入?yún)^(qū)域生長，其區(qū)域生長范圍修改為該線域的范圍，因此，后續(xù)的線域在與區(qū)域生長范圍分析時(shí)，會(huì)判斷為無相交的情況，變成新建生長區(qū)域，但是由于前期做了線域歸屬標(biāo)記，該新建區(qū)域比完全新建區(qū)域的歸屬表多一個(gè)歸屬區(qū)標(biāo)記，類似原區(qū)域分裂出一個(gè)新區(qū)域。分裂過程提取后續(xù)線域左位置為分裂點(diǎn)。

3)區(qū)域按生長范圍從左至右的排序

由于封閉區(qū)域的生長范圍清零，噪點(diǎn)區(qū)域的生長范圍為負(fù)數(shù)，因此會(huì)排序到前面，以便前面兩步可以循環(huán)未封閉區(qū)域。另外也方便合并區(qū)域時(shí)，順序是從左區(qū)合并右區(qū)，不會(huì)漏合并。

4)合并區(qū)域，提取合并點(diǎn)

循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查詢分析其范圍和線域范圍，記錄所有和線域相交區(qū)域個(gè)數(shù)。如果有超過兩個(gè)區(qū)域，從左至右進(jìn)行兩兩區(qū)域合并操作。同時(shí)提取合并點(diǎn)的位置，行坐標(biāo)取兩合并區(qū)域的左區(qū)域的生長右范圍-擴(kuò)展范圍，縱坐標(biāo)取當(dāng)前掃描行-1。合并不能完全合并先分裂的新區(qū)，因此需要在掃描結(jié)束后作后合并。進(jìn)一步地，其中概念的定義分別為：

a)區(qū)域生長范圍：使用上區(qū)下線的方式來分析連通關(guān)系。生長的區(qū)域在上，每次新掃描的線域在下，區(qū)域的生長范圍等于區(qū)域底部的左右范圍和擴(kuò)展范圍之和(針對(duì)應(yīng)用場景不同，用該參數(shù)調(diào)控區(qū)域的連通性。擴(kuò)展范圍值越大，連通性越好，否則分割性越好，擴(kuò)展范圍默認(rèn)等于橫向不連接數(shù))，其與線域的左右范圍相交，說明線域和區(qū)域是連通的，說明線域?qū)儆趨^(qū)域生長范圍。

b)區(qū)域生長：當(dāng)線域范圍落在區(qū)域范圍中，且上下距離不超過縱向不連接數(shù)，區(qū)域整合線域的范圍(頂左底右位置)，灰度，重量，有效點(diǎn)和連接點(diǎn)數(shù)，并修改區(qū)域的生長范圍為線域范圍和擴(kuò)展范圍。

c)區(qū)域封閉：區(qū)域在多次掃描過程沒有生長，次數(shù)超過縱向不連接數(shù)，區(qū)域就被封閉停止生長。

d)一線多區(qū)：合并的情況，一個(gè)線域橫跨多個(gè)區(qū)域。

e)一區(qū)多線：分裂的情況，一個(gè)區(qū)域包含多個(gè)線域。

f)多線多區(qū)：分裂和合并混合的情況。分解為一線多區(qū)和一區(qū)多線的情況。

g)區(qū)域合并：整合兩個(gè)區(qū)域的歸屬表，范圍，重量，灰度，有效點(diǎn)和無效點(diǎn)數(shù)，區(qū)域生長范圍。

h)先分裂：針對(duì)一區(qū)多線的情況，區(qū)域生長使用第一個(gè)線域后，生長范圍就改成了該線域的范圍，導(dǎo)致了其他線域無法進(jìn)入原區(qū)域生長范圍進(jìn)行生長。因此分裂產(chǎn)生新區(qū)域。和其他新創(chuàng)建區(qū)域不同，它有區(qū)域?qū)傩?，以后可以根?jù)屬性進(jìn)行區(qū)域整合。

i)區(qū)域的產(chǎn)生，合并，分裂對(duì)屬性表操作：線域新建區(qū)域生成原始的序列標(biāo)識(shí)屬性，區(qū)域分裂新建的區(qū)域不僅有序列標(biāo)識(shí)，同時(shí)還有分裂前原區(qū)域?qū)傩詷?biāo)識(shí)。區(qū)域合并時(shí)，兩個(gè)合并的區(qū)域?qū)傩员碚稀?/p>

其中，檢測(cè)封閉區(qū)域和區(qū)域適配器過濾區(qū)域，為了減少下一輪掃描的區(qū)域查詢運(yùn)算量，封閉和過濾一些區(qū)域。采用區(qū)域適配器自定義過濾區(qū)域的規(guī)則，用于過濾噪點(diǎn)區(qū)域和干擾區(qū)域。主要步驟如下：

1)循環(huán)未封閉區(qū)域，如果當(dāng)前掃描行-區(qū)域底>縱向不連接數(shù)，說明該區(qū)域已經(jīng)停止生長，可以封閉，進(jìn)入2。否則繼續(xù)1。

2)區(qū)域適配器檢測(cè)該封閉區(qū)，如果是噪點(diǎn)或干擾區(qū)域，而且歸屬表長度小于2，將該區(qū)域清零封閉，區(qū)域生長范圍置為-2，返回1。否則進(jìn)入3。

3)對(duì)于有2個(gè)及以上歸屬的過濾區(qū)域，考慮最后合并區(qū)域的作用和其他封閉區(qū)一起處理，直接將該區(qū)域生長范圍置為-1，排序時(shí)排列到噪點(diǎn)區(qū)域和干擾區(qū)域前面。

其中，區(qū)域的后合并，根據(jù)歸屬表，將沒有合并的分裂區(qū)域重新整合。包括根據(jù)預(yù)定的深度分辨率以及檢測(cè)獲取的人臉特定區(qū)域位置進(jìn)行數(shù)據(jù)映射的模塊。針對(duì)一區(qū)多線產(chǎn)生的分裂區(qū)，在掃描過程中沒有被合并，在掃描結(jié)束后進(jìn)行整合。與一線多區(qū)的合并區(qū)別，一個(gè)是在掃描過程中合并，根據(jù)范圍相交合并，并有合并特征點(diǎn)產(chǎn)生。一個(gè)是掃描結(jié)束后的合并，根據(jù)歸屬表屬性配對(duì)合并，沒有合并特征點(diǎn)的產(chǎn)生。主要步驟為：

1)圖像最后一行掃描分析完成后，對(duì)所有區(qū)域排序。噪點(diǎn)和干擾區(qū)域排列到前面。這里暫時(shí)將非噪點(diǎn)和非干擾區(qū)域定義為后合并區(qū)域。

2)在后合并區(qū)域中遍歷，兩兩區(qū)域的進(jìn)行區(qū)域歸屬表查詢，如有歸屬屬性相同就進(jìn)行區(qū)域合并操作

3)后合并區(qū)域中會(huì)包含有未封閉區(qū)域，因圖像最后一行掃描不一定封閉了所有區(qū)域。因此封閉未關(guān)閉區(qū)域，使用區(qū)域適配器檢測(cè)清零噪點(diǎn)和干擾區(qū)域。

4)提取連通區(qū)域，計(jì)算重心，輸出到圖特征中。

重心計(jì)算公式：G＝Q/num；Q是區(qū)域重量，num是區(qū)域有效點(diǎn)數(shù)目。

其中，檢測(cè)分裂合并點(diǎn)性質(zhì)，根據(jù)分裂合并點(diǎn)屬性計(jì)算檢測(cè)矩陣，統(tǒng)計(jì)無效點(diǎn)數(shù)，分析出毛刺和角點(diǎn)。其中概念的定義分別為：

a)檢測(cè)矩陣：以特征點(diǎn)為中心的矩陣，矩陣大?。?角點(diǎn)檢測(cè)范圍的兩倍+1)×(角點(diǎn)檢測(cè)范圍的兩倍+1)。合并點(diǎn)取上半部分矩陣，分裂點(diǎn)取下半部分矩陣。如果矩陣范圍超過區(qū)域范圍，需要截取超出部分。

b)毛刺點(diǎn)數(shù)：兩倍的角點(diǎn)檢測(cè)范圍。

c)角點(diǎn)檢測(cè)：統(tǒng)計(jì)矩陣的無效點(diǎn)數(shù)大于毛刺點(diǎn)數(shù)，小于矩陣像素總數(shù)-毛刺點(diǎn)數(shù)就是角點(diǎn)，否則是毛刺。

其中，提取特征集合，可以在區(qū)域生長合并時(shí)把線域添加到集合中，提取出圖像邊緣和脊特征。另外，還可以在各種條件下，用本方法多次提取的特征組合：

1)旋轉(zhuǎn)0至180度(圖像旋轉(zhuǎn)180度提取特征，特征不變化)，得到的分裂合并點(diǎn)序列是不同的。用本發(fā)明提取圖像不同旋轉(zhuǎn)角度的特征組成集合。

2)不同的通道適配規(guī)則，形成的區(qū)域和特征點(diǎn)序列都不同，用本發(fā)明在多種通道過濾規(guī)則下提取特征集合。例如，多級(jí)灰度范圍的通道適配規(guī)則下提取的特征集合。

3)不同的對(duì)比度亮度級(jí)別下，用本發(fā)明提取的特征集合。

4)多尺度圖像用本發(fā)明提取的特征集合，用于多尺度圖像分析。多尺度下參數(shù)需要相應(yīng)比例調(diào)整。多尺度可以通過通道適配器來實(shí)現(xiàn)，指針隔點(diǎn)移動(dòng)取值。

5)區(qū)域中提取區(qū)域特征，例如先用膚色建模提取區(qū)域特征，在區(qū)域特征范圍再次眼球建模提取眼睛區(qū)域特征。

其中，進(jìn)行特征匹配，主要步驟為：

1)目標(biāo)區(qū)提取一個(gè)特征點(diǎn)，遍歷匹配區(qū)所有特征點(diǎn)一一匹配，計(jì)算特征描述子的差，保留差最小的匹配點(diǎn)。每個(gè)特征描述子包含k組16維數(shù)據(jù)，因此每次匹配需比較k*k次。

2)匹配區(qū)有重復(fù)就選擇差小的點(diǎn)。

3)重復(fù)1過程，直到最后一個(gè)目標(biāo)區(qū)的特征點(diǎn)取完

4)其特征匹配算法為：

Dis_j＝argmin_i∈nd(F_j-F_i')；j＝0,1,...m,i＝0,1,...n.

P_j＝i；

Dis_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)的最小匹配差。d(F_j-F_i')是兩個(gè)匹配點(diǎn)的特征描述子差。

F_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)描述子，F(xiàn)_i'是匹配區(qū)各特征點(diǎn)描述子。

m是目標(biāo)區(qū)特征點(diǎn)總數(shù)，n是匹配區(qū)的特征點(diǎn)總數(shù)。

P_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)的最佳匹配特征點(diǎn)在匹配區(qū)的標(biāo)記。

附圖說明

圖1是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的系統(tǒng)流程圖。

圖2是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的通道適配器分析組成線域的流程圖。

圖3是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)的流程圖。

圖4是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的區(qū)域生長方法示意圖。

圖5是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的區(qū)域封閉示意圖。

圖6是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的一線多區(qū)示意圖。

圖7是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的一區(qū)多線示意圖。

圖8是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的多線多區(qū)示意圖。

圖9是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的一線多區(qū)的分裂示意圖。

圖10是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的一線多區(qū)的合并示意圖。

圖11是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的區(qū)域合并示意圖。

圖12是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的先分裂示意圖。

圖13是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的檢測(cè)封閉區(qū)域和區(qū)域適配器過濾區(qū)域的流程圖。

圖14是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的角點(diǎn)檢測(cè)示意圖。

具體實(shí)施方式

需要說明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合，下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

圖1是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的系統(tǒng)流程圖。如圖1所示，本發(fā)明提出的一種圖像區(qū)域特征提取及特征匹配的方法，其主要內(nèi)容包括：

(一)通道適配器分析組成線域

(二)區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)

(三)檢測(cè)封閉區(qū)域和區(qū)域適配器過濾區(qū)域

(四)區(qū)域的后合并

(五)檢測(cè)分裂合并點(diǎn)性質(zhì)

(六)提取特征集合

(七)進(jìn)行特征匹配。

圖2是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的通道適配器分析組成線域的流程圖。如圖2所示為本發(fā)明的通道適配器分析組成線域，通道適配器對(duì)圖像逐行掃描，分析出連續(xù)的有效點(diǎn)，滿足最小連接數(shù)，就組成線域，否則作為噪點(diǎn)丟棄。通道適配器對(duì)外提供的編程接口，可以自定義像素點(diǎn)各通道過濾規(guī)則。圖像顏色空間有rgb、yuv、hsv等等，通過對(duì)像素點(diǎn)的通道設(shè)置規(guī)則，可以將灰度圖轉(zhuǎn)換為二值圖像，例如rgb形式，每個(gè)像素點(diǎn)有紅綠藍(lán)三通道，提取紅色通道數(shù)據(jù)50～90之間的像素點(diǎn)或提取膚色像素點(diǎn)，就可以獲取相應(yīng)目標(biāo)區(qū)域的二值圖像。其中概念的定義分別為：

a)有效點(diǎn)：通過通道適配函數(shù)的像素點(diǎn)是有效點(diǎn)。

b)無效點(diǎn)：沒有通過通道適配函數(shù)的像素點(diǎn)。

c)最小連接數(shù)：橫向掃描過程中，線域的最小長度。否則是噪點(diǎn)。

d)橫向不連接數(shù)：橫向掃描過程中，允許的連續(xù)無效點(diǎn)數(shù)。否則視為線域連接中斷。用來控制線域的連通性。

e)縱向不連接數(shù)：區(qū)域生長過程中，停止生長的掃描次數(shù)。用來控制區(qū)域的上下連通性。

f)創(chuàng)建線域：記錄線域的左右位置和行位置，統(tǒng)計(jì)線域的重量，有效點(diǎn)數(shù)，長度，和總的灰度值，以便以后這些數(shù)據(jù)提供給區(qū)域，作為區(qū)域特征。

g)重量計(jì)算公式：Q＝(∑x,∑y)；x,y是有效點(diǎn)在圖像中的坐標(biāo)位置。圖像左頂(0,0)為基準(zhǔn)。

圖3是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)的流程圖。如圖3所示為本發(fā)明中區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(diǎn)。主要步驟為：

1)線域歸屬標(biāo)記

通道適配器掃描一行圖像，將獲取的線域按掃描順序排列成組。循環(huán)各線域，在未封閉區(qū)域中反向循環(huán)查找分析其范圍和線域范圍，有相交就標(biāo)記線域?qū)傩詷?biāo)記為區(qū)域的編號(hào)，否則線域無歸屬。一線多區(qū)，將標(biāo)記最右的區(qū)為歸屬。一區(qū)多線，將標(biāo)記該區(qū)為各線域歸屬。

2)區(qū)域創(chuàng)建，生長，分裂，提取分裂點(diǎn)

循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查找分析其范圍和線域范圍，有相交，就讓該區(qū)域生長。對(duì)于無相交的線域，新建生長區(qū)域和區(qū)域編號(hào)，區(qū)域?qū)傩缘扔诰€域?qū)傩?，區(qū)域生長范圍等于線域范圍和擴(kuò)展范圍。

將多區(qū)多線分解為一線多區(qū)和一區(qū)多線的情況分析；對(duì)于一區(qū)多線的情況，先分裂，第一線域會(huì)先進(jìn)入?yún)^(qū)域生長，其區(qū)域生長范圍修改為該線域的范圍，因此，后續(xù)的線域在與區(qū)域生長范圍分析時(shí)，會(huì)判斷為無相交的情況，變成新建生長區(qū)域，但是由于前期做了線域歸屬標(biāo)記，該新建區(qū)域比完全新建區(qū)域的歸屬表多一個(gè)歸屬區(qū)標(biāo)記，類似原區(qū)域分裂出一個(gè)新區(qū)域。分裂過程提取后續(xù)線域左位置為分裂點(diǎn)。

3)區(qū)域按生長范圍從左至右的排序。

由于封閉區(qū)域的生長范圍清零，噪點(diǎn)區(qū)域的生長范圍為負(fù)數(shù)，因此會(huì)排序到前面，以便前面兩步可以循環(huán)未封閉區(qū)域。另外也方便合并區(qū)域時(shí)，順序是從左區(qū)合并右區(qū)，不會(huì)漏合并。

4)合并區(qū)域，提取合并點(diǎn)

循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查詢分析其范圍和線域范圍，記錄所有和線域相交區(qū)域個(gè)數(shù)。如果有超過兩個(gè)區(qū)域，從左至右進(jìn)行兩兩區(qū)域合并操作。同時(shí)提取合并點(diǎn)的位置，行坐標(biāo)取兩合并區(qū)域的左區(qū)域的生長右范圍-擴(kuò)展范圍，縱坐標(biāo)取當(dāng)前掃描行-1。合并不能完全合并先分裂的新區(qū)，因此需要在掃描結(jié)束后作后合并。

其中概念的定義分別為：

a)區(qū)域生長范圍：如圖4所示，使用上區(qū)下線的方式來分析連通關(guān)系。生長的區(qū)域在上，每次新掃描的線域在下，區(qū)域的生長范圍等于區(qū)域底部的左右范圍和擴(kuò)展范圍之和(針對(duì)應(yīng)用場景不同，用該參數(shù)調(diào)控區(qū)域的連通性。擴(kuò)展范圍值越大，連通性越好，否則分割性越好，擴(kuò)展范圍默認(rèn)等于橫向不連接數(shù))，其與線域的左右范圍相交，說明線域和區(qū)域是連通的，說明線域?qū)儆趨^(qū)域生長范圍。

b)區(qū)域生長：當(dāng)線域范圍落在區(qū)域范圍中，且上下距離不超過縱向不連接數(shù)，區(qū)域整合線域的范圍(頂左底右位置)，灰度，重量，有效點(diǎn)和連接點(diǎn)數(shù)，并修改區(qū)域的生長范圍為線域范圍和擴(kuò)展范圍。

c)區(qū)域封閉：如圖5所示，掃描出3個(gè)區(qū)域，區(qū)域在多次掃描過程沒有生長，次數(shù)超過縱向不連接數(shù)，區(qū)域就被封閉停止生長。圖像的連通域如果是凸的，上述定義的方法沒有問題。而對(duì)于一些凹形的連通域，存在一區(qū)多線和一線多區(qū)的情況，就不能簡單的用上述定義方法來分析了。

d)一線多區(qū)：合并的情況，一個(gè)線域橫跨多個(gè)區(qū)域。如圖6所示，最后一行*是新掃描出的線域，兩個(gè)小區(qū)域合并為一個(gè)大區(qū)域，同時(shí)記錄下合并點(diǎn)位置。

e)一區(qū)多線：分裂的情況，一個(gè)區(qū)域包含多個(gè)線域。如圖7所示，第1段線被納入?yún)^(qū)域的生長，第2，3個(gè)線段被分裂為新的區(qū)域，同時(shí)記錄分裂點(diǎn)位置，標(biāo)記原區(qū)域?qū)傩詷?biāo)識(shí)。

f)多線多區(qū)：分裂和合并混合的情況。分解為一線多區(qū)和一區(qū)多線的情況。如圖8所示，第一行掃描，可以獲取兩個(gè)線域，由于沒有生長區(qū)域，兩個(gè)線域都新建為生長區(qū)域。第二行掃描，獲取的兩個(gè)線域分別和生長區(qū)域的生長范圍比較?？梢钥闯鲎笃鸬谝粋€(gè)線域橫跨兩個(gè)生長區(qū)域，屬于一線多區(qū)，而2區(qū)覆蓋兩個(gè)線域，屬于一區(qū)多線。兩區(qū)兩線的這種交織狀態(tài)，是無法用樹結(jié)構(gòu)進(jìn)行分析的。用圖結(jié)構(gòu)分析，無疑運(yùn)算量更大。

本發(fā)明的方法是先分裂后合并。先對(duì)一區(qū)多線的情況做分裂處理，把區(qū)域2分割為AB兩個(gè)區(qū)域，如圖9所示AB兩區(qū)域歸屬表都標(biāo)記區(qū)域2的屬性，這時(shí)有3個(gè)生長區(qū)域。然后對(duì)1A兩個(gè)區(qū)域做一線多區(qū)的合并處理，如圖10所示，合并時(shí)拷貝A區(qū)的歸屬表。此時(shí)就剩下AB兩個(gè)區(qū)域，它們都包含區(qū)域2屬性。

第三行掃描獲取到三個(gè)線域。如圖11所示，A區(qū)域包含前兩個(gè)線域。最后一個(gè)屬于B區(qū)域生長范圍。同樣先分裂處理獲得AC區(qū)域，然后B區(qū)域生長。

完成掃描后，目前剩下ABC三個(gè)區(qū)域。此時(shí)進(jìn)行后合并處理，后合并主要根據(jù)屬性表進(jìn)行合并操作，C區(qū)帶有A區(qū)的歸屬，會(huì)與A區(qū)合并，B區(qū)和A區(qū)都有區(qū)域2的歸屬，也會(huì)合并。因此最終三個(gè)區(qū)合并為一個(gè)完整的連通域。

g)區(qū)域合并：整合兩個(gè)區(qū)域的歸屬表，范圍，重量，灰度，有效點(diǎn)和無效點(diǎn)數(shù)，區(qū)域生長范圍。

h)先分裂：針對(duì)一區(qū)多線的情況，區(qū)域生長使用第一個(gè)線域后，生長范圍就改成了該線域的范圍，導(dǎo)致了其他線域無法進(jìn)入原區(qū)域生長范圍進(jìn)行生長。因此分裂產(chǎn)生新區(qū)域。和其他新創(chuàng)建區(qū)域不同，它有區(qū)域?qū)傩裕院罂梢愿鶕?jù)屬性進(jìn)行區(qū)域整合。

如圖12所示，第一個(gè)線進(jìn)入2區(qū)的生長后，2區(qū)的生長范圍修改為箭頭指向范圍，這樣線域2在范圍檢測(cè)時(shí)，就不會(huì)和區(qū)2相交，分裂產(chǎn)生新區(qū)。

i)區(qū)域的產(chǎn)生，合并，分裂對(duì)屬性表操作：線域新建區(qū)域生成原始的序列標(biāo)識(shí)屬性，區(qū)域分裂新建的區(qū)域不僅有序列標(biāo)識(shí)，同時(shí)還有分裂前原區(qū)域?qū)傩詷?biāo)識(shí)。區(qū)域合并時(shí)，兩個(gè)合并的區(qū)域?qū)傩员碚稀?/p>

圖13是本發(fā)明一種圖像區(qū)域特征提取及特征匹配的方法的檢測(cè)封閉區(qū)域和區(qū)域適配器過濾區(qū)域的流程圖。為了減少下一輪掃描的區(qū)域查詢運(yùn)算量，封閉和過濾一些區(qū)域。區(qū)域適配器對(duì)外提供的編程接口，可以自定義過濾區(qū)域的規(guī)則，用于過濾噪點(diǎn)區(qū)域和干擾區(qū)域。

區(qū)域的后合并，根據(jù)歸屬表，將沒有合并的分裂區(qū)域重新整合。包括根據(jù)預(yù)定的深度分辨率以及檢測(cè)獲取的人臉特定區(qū)域位置進(jìn)行數(shù)據(jù)映射的模塊。針對(duì)一區(qū)多線產(chǎn)生的分裂區(qū)，在掃描過程中沒有被合并，在掃描結(jié)束后進(jìn)行整合。與一線多區(qū)的合并區(qū)別，一個(gè)是在掃描過程中合并，根據(jù)范圍相交合并，并有合并特征點(diǎn)產(chǎn)生。一個(gè)是掃描結(jié)束后的合并，根據(jù)歸屬表屬性配對(duì)合并，沒有合并特征點(diǎn)的產(chǎn)生。主要步驟為：

1)圖像最后一行掃描分析完成后，對(duì)所有區(qū)域排序。噪點(diǎn)和干擾區(qū)域排列到前面。這里暫時(shí)將非噪點(diǎn)和非干擾區(qū)域定義為后合并區(qū)域。

2)在后合并區(qū)域中遍歷，兩兩區(qū)域的進(jìn)行區(qū)域歸屬表查詢，如有歸屬屬性相同就進(jìn)行區(qū)域合并操作

3)后合并區(qū)域中會(huì)包含有未封閉區(qū)域，因圖像最后一行掃描不一定封閉了所有區(qū)域。因此封閉未關(guān)閉區(qū)域，使用區(qū)域適配器檢測(cè)清零噪點(diǎn)和干擾區(qū)域。

4)提取連通區(qū)域，計(jì)算重心，輸出到圖特征中。

重心計(jì)算公式：G＝Q/num；Q是區(qū)域重量，num是區(qū)域有效點(diǎn)數(shù)目。

檢測(cè)分裂合并點(diǎn)性質(zhì)，根據(jù)分裂合并點(diǎn)屬性計(jì)算檢測(cè)矩陣，統(tǒng)計(jì)無效點(diǎn)數(shù)，分析出毛刺和角點(diǎn)。其中概念的定義分別為：

a)檢測(cè)矩陣：以特征點(diǎn)為中心的矩陣，矩陣大小＝(角點(diǎn)檢測(cè)范圍的兩倍+1)×(角點(diǎn)檢測(cè)范圍的兩倍+1)。合并點(diǎn)取上半部分矩陣，分裂點(diǎn)取下半部分矩陣。如果矩陣范圍超過區(qū)域范圍，需要截取超出部分。

b)毛刺點(diǎn)數(shù)：兩倍的角點(diǎn)檢測(cè)范圍。

c)角點(diǎn)檢測(cè)：統(tǒng)計(jì)矩陣的無效點(diǎn)數(shù)大于毛刺點(diǎn)數(shù)，小于矩陣像素總數(shù)-毛刺點(diǎn)數(shù)就是角點(diǎn)，否則是毛刺。如圖14所示，假定角點(diǎn)檢測(cè)距離為5，檢測(cè)范圍是以特征點(diǎn)為中心，大?。?1*11的矩陣。紅色分裂點(diǎn)的檢測(cè)矩陣取上半部分，就是6*11的矩陣。綠色分裂點(diǎn)的檢測(cè)矩陣取下半部分，由于矩陣越過區(qū)域范圍，截取超出部分，其范圍是4*11的矩陣；毛刺點(diǎn)數(shù)＝10。統(tǒng)計(jì)紅色分裂點(diǎn)矩陣無效點(diǎn)數(shù)＝33，總像素點(diǎn)＝55，10<33<55-10因此屬于角點(diǎn)。統(tǒng)計(jì)綠色分裂點(diǎn)矩陣無效點(diǎn)數(shù)＝16，總像素點(diǎn)數(shù)＝44，10<16<44-10，因此也屬于角點(diǎn)。

提取特征集合，可以在區(qū)域生長合并時(shí)把線域添加到集合中，提取出圖像邊緣和脊特征。另外，還可以在各種條件下，用本方法多次提取的特征組合：

1)旋轉(zhuǎn)0至180度(圖像旋轉(zhuǎn)180度提取特征，特征不變化)，得到的分裂合并點(diǎn)序列是不同的。用本發(fā)明提取圖像不同旋轉(zhuǎn)角度的特征組成集合。

2)不同的通道適配規(guī)則，形成的區(qū)域和特征點(diǎn)序列都不同，用本發(fā)明在多種通道過濾規(guī)則下提取特征集合。例如，多級(jí)灰度范圍的通道適配規(guī)則下提取的特征集合。

3)不同的對(duì)比度亮度級(jí)別下，用本發(fā)明提取的特征集合。

4)多尺度圖像用本發(fā)明提取的特征集合，用于多尺度圖像分析。多尺度下參數(shù)需要相應(yīng)比例調(diào)整。多尺度可以通過通道適配器來實(shí)現(xiàn)，指針隔點(diǎn)移動(dòng)取值。

5)區(qū)域中提取區(qū)域特征，例如先用膚色建模提取區(qū)域特征，在區(qū)域特征范圍再次眼球建模提取眼睛區(qū)域特征。

其中，進(jìn)行特征匹配，主要步驟為：

1)目標(biāo)區(qū)提取一個(gè)特征點(diǎn)，遍歷匹配區(qū)所有特征點(diǎn)一一匹配，計(jì)算特征描述子的差，保留差最小的匹配點(diǎn)。每個(gè)特征描述子包含k組16維數(shù)據(jù)，因此每次匹配需比較k*k次。

2)匹配區(qū)有重復(fù)就選擇差小的點(diǎn)。

3)重復(fù)1過程，直到最后一個(gè)目標(biāo)區(qū)的特征點(diǎn)取完

其特征匹配算法為：

Dis_j＝argmin_i∈nd(F_j-F_i')；j＝0,1,...m,i＝0,1,...n.

P_j＝i；

Dis_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)的最小匹配差。d(F_j-F_i')是兩個(gè)匹配點(diǎn)的特征描述子差。

F_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)描述子，F(xiàn)_i'是匹配區(qū)各特征點(diǎn)描述子。

m是目標(biāo)區(qū)特征點(diǎn)總數(shù)，n是匹配區(qū)的特征點(diǎn)總數(shù)。

P_j是目標(biāo)區(qū)第j個(gè)特征點(diǎn)的最佳匹配特征點(diǎn)在匹配區(qū)的標(biāo)記。

對(duì)于本領(lǐng)域技術(shù)人員，本發(fā)明不限制于上述實(shí)施例的細(xì)節(jié)，在不背離本發(fā)明的精神和范圍的情況下，能夠以其他具體形式實(shí)現(xiàn)本發(fā)明。此外，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍，這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。因此，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。