一种模仿视觉感知机制的自然场景类型辨识方法
专利类型：发明专利
语 言：中文
申 请 号：CN201010515043.5
申 请 日：20101021
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20120926
公 开 号：CN101964055B
代 理 人：康海燕
代理机构：重庆华科专利事务所 50123
摘 要：本发明公开了一种模仿视觉感知机制的自然场景类型辨识方法，属于计算机视觉技术领域。该方法旨在利用自然场景图像中的固有统计性视觉特征来进行自然场景图像类型辨识，其技术方案包括以下步骤：1、对给定的自然场景图像样本集进行预处理；2、用模仿视觉感知机制的方法提取自然场景图像样本集的特征；3、用自然场景图像样本集的特征训练出一个自然场景类型辨识器模型；4、对一幅待辨识的自然场景图像，进行预处理和用模仿视觉感知机制的方法提取其特征；5、利用自然场景类型辨识器模型对待辨识的自然场景图像进行场景类型辨识。本发明能够实现对多种自然场景类型的辨识，有效提高对自然场景图像进行场景类型辨识的正确率。
主 权 项：一种模仿视觉感知机制的自然场景类型辨识方法，其特征在于用一种模仿人类视觉感知机制的特征提取方法来提取与自然场景类型相对应的特征，然后利用该特征进行自然场景类型的辨识，所述方法包括以下步骤：步骤1：对给定的自然场景图像样本集进行预处理；步骤2：用模仿视觉感知机制的特征提取方法对经步骤1处理后的自然场景图像样本集中的所有自然场景图像进行特征提取，具体方法如下：(1)模拟人类初级视皮层中简单细胞感受野所具有的多尺度选择和朝向性选择的视觉感知机制，用双密度双树复小波变换对上述自然场景图像样本集中的任一幅自然场景图像在多个空间尺度和多个空间朝向上进行二维小波分解，产生对应于该幅自然场景图像的一系列不同空间尺度和不同空间朝向上的小波子带图像；(2)模拟人类视皮层中高层复杂细胞结构所呈现出的统计性特征提取的视觉感知机制，用一种基于特征层融合的复合统计性特征提取方法对上述(1)中生成的每一幅小波子带图像再进行统计性特征的提取，使得每一幅小波子带图像对应产生一个位于特定空间尺度与空间朝向上的复合统计特征向量；其中，所述基于特征层融合的复合统计性特征提取方法是由小波熵方法和小波共生矩阵方法融合得到，由该基于特征层融合的复合统计性特征提取方法对一幅小波子带图像生成复合统计特征向量的具体方法如下：①由小波熵方法计算得到该小波子带图像对应的一个小波熵值；②对上述小波子带图像在0度、45度、90度以及135度等四个方向上计算得到4个小波共生矩阵，对每一个小波共生矩阵分别计算“能量”、“对比度”、“同质性”以及“相关性”等4种统计特征，总共得到16个统计特征值，由这16个统计特征值组成的一个维数为16的一维向量；③将②中由小波共生矩阵方法产生的维数为16的一维向量与①中由小波熵方法计算得到的熵值先归一化到同一个数量级，再以串联方式融合成一个维数为17的一维向量，该融合产生的向量就作为从上述小波子带图像中提取的复合统计特征向量；(3)用步骤(2)中所述方法对步骤(1)中产生的所有小波子带图像提取复合统计特征向量，然后将所有产生的复合统计特征向量再以串联方式合并成一个一维特征向量，该向量就是从(1)中所述的任一幅自然场景图像中提取出的特征值；(4)建立一个特征值矩阵和一个对应的类型标号矩阵，将(1)中所述的任一幅自然场景图像的特征值和该自然场景图像所属的类型标号分别存放在特征值矩阵和类型标号矩阵中的对应行；(5)对自然场景图像样本集中剩余的所有自然场景图像重复进行上述步骤(1)至(4)，最终得到的特征值矩阵和类型标号矩阵存放着自然场景图像样本集中所有自然场景图像的特征值和对应的类型标号；步骤3：用步骤2中生成的与自然场景图像样本集对应的特征值矩阵和类型标号矩阵，对支持向量机(SVM)进行训练，构建出一个自然场景类型辨识器模型；步骤4：对于上述自然场景样本集以外的任意一幅场景类型未知的自然场景图像，对其提取相应的特征值，具体方法如下：(1)采用步骤1中所述的预处理方法，对该场景类型未知的自然场景图像进行预处理；(2)采用步骤2中所述的模仿视觉感知机制的特征提取方法中的(1)至(3)步，对该场景类型未知的自然场景图像提取相应的特征值；步骤5：对步骤4中所述的任意一幅场景类型未知的自然场景图像进行场景类型的辨识，具体方法是：将步骤4中得到的该自然场景图像对应的特征值输入步骤3中所述的自然场景类型辨识器模型，然后由自然场景类型辨识器模型计算并输出一个自然场景类型标号，该自然场景类型标号即表明了这幅场景类型未知的自然场景图像所应归属的场景类型。
关 键 词：
法律状态：公开
IPC专利分类号：G06K9/00; G06K9/62