CN111652925A - 利用单像素成像提取目标全局特征Hu不变矩的方法 - Google Patents
利用单像素成像提取目标全局特征Hu不变矩的方法 Download PDFInfo
- Publication number
- CN111652925A CN111652925A CN202010607833.XA CN202010607833A CN111652925A CN 111652925 A CN111652925 A CN 111652925A CN 202010607833 A CN202010607833 A CN 202010607833A CN 111652925 A CN111652925 A CN 111652925A
- Authority
- CN
- China
- Prior art keywords
- target
- moment
- invariant
- light
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/435—Computation of moments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
利用单像素成像提取目标全局特征Hu不变矩的方法,包括以下步骤:S1、构造(p+q)阶二维函数G(x,y),令二维函数满足:Gpq(x,y)=xpyq;S2、调整p,q的参数值,生成相应的二维函数Gpq(x,y)调制信息;S3、将生成的二维调制信息发送至光调制***中,对目标物体的照明光进行调制,产生结构调制光,并用调制光照射目标;S4、利用单像素探测采集***获取目标透射或反射光的强度值,利用探测获取的强度值来反演获取目标全局特征的Hu不变矩。本发明通过融合单像素成像和提取目标全局特征不变矩的技术,实现对目标全局特征信息的高效快速获取,提升特征矩在新环境、新领域中的使用效率,本发明在目标分析理解和分类识别等领域具有广泛的应用前景。
Description
技术领域
本发明涉及计算成像和提取目标全局特征不变矩的领域,尤其涉及利用单像素成像提取目标全局特征Hu不变矩的方法。
背景技术
在信息处理、模式识别、计算机视觉等领域,一般会通过提取目标的本质特征信息来实现对目标的识别或者跟踪。那么目标的本质特征信息包括什么,怎样来提取是该过程中关键的两个问题。首先目标图像可以反映出目标的空间信息、亮度信息和光谱信息等。但是这些特征信息都会随着目标位置的改变而改变,并且受外界环境影响较大,并不能反映目标的本质特征。
发明内容
为实现利用单像素成像来探测目标Hu不变矩信息,本发明提供利用单像素成像提取目标全局特征Hu不变矩的方法,本发明采用的技术方案包括以下步骤:
S1、构造(p+q)阶二维函数G(x,y),令二维函数满足:Gpq(x,y)=xpyq;
S2、调整p,q的参数值,生成相应的二维函数Gpq(x,y)调制信息;
S3、将生成的二维调制信息发送至光调制***中,对目标物体的照明光进行调制,产生结构调制光,并用结构调制光照射目标;
S4、利用单像素探测采集***获取目标透射或反射光的强度值,利用探测获取的强度值来反演获取目标全局特征的Hu不变矩。
本发明的优点在于:本发明将关注点由获取目标图像转换到提取图像矩,不仅提取目标的本质特征,还降低了对数据采集量的要求。图像矩是对目标在特征空间所包含数学关系的一种描述,也是一种重要的目标特征信息。随着目标做平移、旋转和缩放变换,由图像矩构造而成的目标特征Hu不变矩的值基本保持不变。本发明利用单像素成像的原理来提取目标全局特征Hu不变矩,其中单像素成像属于计算成像范畴,该方法使用时空变换的光场照射物体,通过单像素探测器获取透射或反射光的强度值,最后利用相应的算法得到目标信息,实现对目标全局特征信息的高效快速获取,提升特征矩在新环境新领域中的使用效率。由于单像素探测器具有较强的光敏感度和较宽的光谱响应范围,因此单像素成像在微弱光成像、不可见光成像等领域有着重要的应用前景。
全局特征Hu不变矩是一种重要的目标特征信息,不变矩的值不受目标平移、旋转和缩放变换的影响。利用单像素成像方法提取目标全局特征Hu不变矩,不仅能实现高效快速的获取目标特征Hu不变矩,还能扩展特征矩的应用环境,如弱光、宽光谱等。为提取目标全局特征Hu不变矩提供了一种新方法,在目标分析理解和分类识别等领域内有着重要的应用价值和前景。
附图说明
图1为利用单像素成像原理提取目标全局特征Hu不变矩方法流程图。
图2为单像素成像探测过程中生成的二维调制信息图。
图3为根据一个具体实施案例提取全局特征Hu不变矩。
具体实施方式
如图1所示,利用单像素成像提取目标全局特征Hu不变矩的方法,包括以下步骤:
S1、构造(p+q)阶二维函数G(x,y),令二维函数满足:Gpq(x,y)=xpyq;
S2、调整p,q的参数值,生成相应的二维函数Gpq(x,y)调制信息,p,q满足 p+q≤3,p,q均为非负整数;
具体地说,生成相应的二维函数Gpq(x,y)的调制信息是通过取二维函数 Gpq(x,y)的前三阶原点矩,如图2所示,所述前三阶原点矩共有以下十种情况:
0阶:p=0,q=0,G00(x,y)=1
S3、将生成的二维调制信息发送至光调制***中,对目标物体的照明光进行调制,产生结构调制光,并用结构调制光照射目标;
获取目标物体Hu不变矩的步骤如下:
S31、所述目标物体二维分布函数f(x,y)的p+q阶原点矩mpq表示为:
0阶矩m00表示目标物体的质量,1阶矩(m01,m10)反演获取目标物体的质心位置,2阶矩(m02,m11,m20)反演获取目标物体的旋转半径,3阶矩(m03,m12,m21,m30)反演获取目标物体的方位和斜度;
S32、通过平移可得中心几何矩upq,其表现形式如下:
upq=∑x∑y(x-xc)p(y-yc)qf(x,y),p,q=0,1,2…;
其中,xc和yc为目标物体的质心坐标,原点矩表示为xc=m10/m00和yc=m01/m00;
S33、根据原点矩变换获得前三阶的中心几何矩,表达式如下:
u00=m00;
u10=0;
u01=0;
u11=m11-ycm10;
u20=m20-xcm10;
u02=m02-ycm01;
S34、通过对中心几何矩进行归一化,得到归一化中心几何矩vpq,表达式为:
S35、利用归一化中心几何矩构造出7个特征Hu不变矩(φ1,φ2,φ3,φ4,φ5,φ6,φ7),其值在目标发生平移、旋转和缩放情况下保持不变,相应的数学表达式如下:
φ1=v20+v02;
φ2=(v20-v02)2+4v1 2 1;
φ3=(v30-3v12)2+(3v21-v03)2;
φ4=(v30+v12)2+(v21+v03)2;
S4、利用单像素探测采集***获取目标透射或反射光的强度值,利用探测获取的强度值来反演获取目标全局特征的Hu不变矩。具体地说,利用单像素探测采集***获取透射或反射光的强度值其中f(x,y)表示的是目标物体的二维分布函数。类比步骤S31-S35,将I替换成m,通过计算获取目标全局特征的Hu不变矩。
图3是根据一个具体实施案例仿真的结果,目标选用图中包含字母的图像,当然在实际应用中不需要重建目标图像。从图3的计算结果分析,无论图中的字母做平移、旋转还是缩放变换,不变矩[φ1,φ2,φ3,φ4,φ5,φ6,φ7]的值基本上保持不变。
本发明只是对主动照明光进行相应的调制来实现对物体Hu不变矩的获取,在无照射光源的情况下,可以利用上述二维调制信息对物体图像进行调制来完成对目标Hu不变矩的获取,上述方法与本专利所述权利要求项具有一致性。上述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (5)
1.利用单像素成像提取目标全局特征Hu不变矩的方法,其特征在于,包括以下步骤:
S1、构造(p+q)阶二维函数G(x,y),令二维函数满足:Gpq(x,y)=xpyq;
S2、调整p,q的参数值,生成相应的二维函数Gpq(x,y)调制信息;
S3、将生成的二维调制信息发送至光调制***中,对目标物体的照明光进行调制,产生结构调制光,并用结构调制光照射目标;
S4、利用单像素探测采集***获取目标透射或反射光的强度值,利用探测获取的强度值来反演获取目标全局特征的Hu不变矩。
2.根据权利要求1所述的利用单像素成像提取目标全局特征Hu不变矩的方法,其特征在于,所述步骤S2中p,q满足p+q≤3,p,q均为非负整数。
4.根据权利要求3所述的利用单像素成像提取目标全局特征Hu不变矩的方法,其特征在于,步骤S3中获取目标物体的Hu不变矩的步骤如下:
S31、所述目标物体二维分布函数f(x,y)的p+q阶原点矩mpq表示为:
0阶矩m00表示目标物体的质量,1阶矩(m01,m10)反演获取目标物体的质心位置,2阶矩(m02,m11,m20)反演获取目标物体的旋转半径,3阶矩(m03,m12,m21,m30)反演获取目标物体的方位和斜度;
S32、通过平移可得中心几何矩upq,其表现形式如下:
upq=∑x∑y(x-xc)p(y-yc)qf(x,y),p,q=0,1,2…;
其中,xc和yc为目标物体的质心坐标,原点矩表示为xc=m10/m00和yc=m01/m00;
S33、根据原点矩变换获得前三阶的中心几何矩,表达式如下:
u00=m00;
u10=0;
u01=0;
u11=m11-ycm10;
u20=m20-xcm10;
u02=m02-ycm01;
S34、通过对中心几何矩进行归一化,得到归一化中心几何矩vpq,其表达为:
S35、利用归一化中心几何矩构造7个特征Hu不变矩(φ1,φ2,φ3,φ4,φ5,φ6,φ7),其值在目标发生平移、旋转和缩放情况下保持不变,相应的数学表达式如下:
φ1=v20+v02;
φ3=(v30-3v12)2+(3v21-v03)2;
φ4=(v30+v12)2+(v21+v03)2;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607833.XA CN111652925B (zh) | 2020-06-29 | 2020-06-29 | 利用单像素成像提取目标全局特征Hu不变矩的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607833.XA CN111652925B (zh) | 2020-06-29 | 2020-06-29 | 利用单像素成像提取目标全局特征Hu不变矩的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652925A true CN111652925A (zh) | 2020-09-11 |
CN111652925B CN111652925B (zh) | 2023-04-07 |
Family
ID=72348570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010607833.XA Active CN111652925B (zh) | 2020-06-29 | 2020-06-29 | 利用单像素成像提取目标全局特征Hu不变矩的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652925B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170134680A1 (en) * | 2014-07-29 | 2017-05-11 | Jinan University | Optical imaging method using single pixel detector |
WO2017088479A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 台标识别方法及装置 |
CN108614991A (zh) * | 2018-03-06 | 2018-10-02 | 上海数迹智能科技有限公司 | 一种基于Hu不变矩的深度图像手势识别方法 |
CN108895985A (zh) * | 2018-06-19 | 2018-11-27 | 中国科学院合肥物质科学研究院 | 一种基于单像素探测器的物体定位方法 |
WO2019000659A1 (zh) * | 2017-06-29 | 2019-01-03 | 清华大学深圳研究生院 | 一种强大气散射条件下的成像装置及方法 |
CN109151419A (zh) * | 2018-10-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种基于拉东变换的单像素成像方法 |
CN109165684A (zh) * | 2018-08-20 | 2019-01-08 | 集美大学 | 一种无人船海上大类目标视觉图像识别方法 |
US20190234853A1 (en) * | 2016-08-26 | 2019-08-01 | Spheryx, Inc. | Holographic characterization using hu moments |
CN110648367A (zh) * | 2019-08-15 | 2020-01-03 | 大连理工江苏研究院有限公司 | 一种基于多层深度与彩色视觉信息的几何体目标定位方法 |
-
2020
- 2020-06-29 CN CN202010607833.XA patent/CN111652925B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170134680A1 (en) * | 2014-07-29 | 2017-05-11 | Jinan University | Optical imaging method using single pixel detector |
WO2017088479A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 台标识别方法及装置 |
US20190234853A1 (en) * | 2016-08-26 | 2019-08-01 | Spheryx, Inc. | Holographic characterization using hu moments |
WO2019000659A1 (zh) * | 2017-06-29 | 2019-01-03 | 清华大学深圳研究生院 | 一种强大气散射条件下的成像装置及方法 |
CN108614991A (zh) * | 2018-03-06 | 2018-10-02 | 上海数迹智能科技有限公司 | 一种基于Hu不变矩的深度图像手势识别方法 |
CN108895985A (zh) * | 2018-06-19 | 2018-11-27 | 中国科学院合肥物质科学研究院 | 一种基于单像素探测器的物体定位方法 |
CN109165684A (zh) * | 2018-08-20 | 2019-01-08 | 集美大学 | 一种无人船海上大类目标视觉图像识别方法 |
CN109151419A (zh) * | 2018-10-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种基于拉东变换的单像素成像方法 |
CN110648367A (zh) * | 2019-08-15 | 2020-01-03 | 大连理工江苏研究院有限公司 | 一种基于多层深度与彩色视觉信息的几何体目标定位方法 |
Non-Patent Citations (2)
Title |
---|
李中生等: "基于SIFT和Hu特征融合的单目视觉识别算法研究", 《微型机与应用》 * |
田存伟等: "基于彩色图像不变矩的交通标志特征提取方法", 《聊城大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111652925B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Fourier-based rotation-invariant feature boosting: An efficient framework for geospatial object detection | |
Kakadiaris et al. | 3D-2D face recognition with pose and illumination normalization | |
Hu et al. | Singular value decomposition and local near neighbors for face recognition under varying illumination | |
CN104700381B (zh) | 一种基于显著目标的红外与可见光图像融合方法 | |
CN100555309C (zh) | 用于确定图像中的主要光源的方向的方法 | |
Xie et al. | Deep convolutional networks with residual learning for accurate spectral-spatial denoising | |
Yan | Convolutional neural networks based on augmented training samples for synthetic aperture radar target recognition | |
Mallat et al. | Cross-spectrum thermal to visible face recognition based on cascaded image synthesis | |
Xie | Illumination preprocessing for face images based on empirical mode decomposition | |
Gross et al. | Nonlinear feature normalization for hyperspectral domain adaptation and mitigation of nonlinear effects | |
Amiri et al. | A novel rotation/scale invariant template matching algorithm using weighted adaptive lifting scheme transform | |
Banerjee et al. | LR-GAN for degraded face recognition | |
Yoon et al. | Sketch-based 3D object recognition from locally optimized sparse features | |
Liang et al. | Specificity and latent correlation learning for action recognition using synthetic multi-view data from depth maps | |
Makwana | Illumination invariant face recognition: a survey of passive methods | |
CN111652925B (zh) | 利用单像素成像提取目标全局特征Hu不变矩的方法 | |
Xu et al. | Improving the interest operator for face recognition | |
Les | The processing method as a set of the image transformations in shape understanding | |
Yang et al. | Image Super-resolution Methods for FY-3E X-EUVI 195 Å Solar Images | |
Marras et al. | Online learning and fusion of orientation appearance models for robust rigid object tracking | |
Iqbal et al. | Illumination normalization of face images using layers extraction and histogram processing | |
Zhang et al. | SpaceLight: A Framework for Enhanced On-Orbit Navigation Imagery | |
Hu et al. | Color face image decomposition under complex lighting conditions | |
Zhang et al. | Multimodel fusion method via sparse representation at pixel-level and feature-level | |
Wu et al. | High-resolution synthetic aperture radar image classification using multi-scale anisotropic convolutional sparse coding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220927 Address after: B423-428, Golden Block, Tuoji City Plaza, No. 687, Changjiang West Road, High-tech Zone, Hefei City, Anhui Province, 230000 Applicant after: Hefei Zhongke Dihong Automation Co.,Ltd. Address before: 230088 No. 350 Lake Road, Hefei, Anhui, Shushan Applicant before: HEFEI INSTITUTES OF PHYSICAL SCIENCE, CHINESE ACADEMY OF SCIENCES |
|
GR01 | Patent grant | ||
GR01 | Patent grant |