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 PDF

Info

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
Application number
CN202010607833.XA
Other languages
English (en)
Other versions
CN111652925B (zh
Inventor
王英俭
时东锋
苑克娥
黄见
杨威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Zhongke Dihong Automation Co ltd
Original Assignee
Hefei Institutes of Physical Science of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN202010607833.XA priority Critical patent/CN111652925B/zh
Publication of CN111652925A publication Critical patent/CN111652925A/zh
Application granted granted Critical
Publication of CN111652925B publication Critical patent/CN111652925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

利用单像素成像提取目标全局特征Hu不变矩的方法
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
1阶：
Figure BDA0002559807030000021
2阶：
Figure BDA0002559807030000022
3阶：
Figure BDA0002559807030000031
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：
Figure BDA0002559807030000032
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；
Figure BDA0002559807030000033
Figure BDA0002559807030000034
Figure BDA0002559807030000035
Figure BDA0002559807030000036
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：
Figure BDA0002559807030000037
其中
Figure BDA0002559807030000038
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；
Figure BDA0002559807030000041
Figure BDA0002559807030000042
Figure BDA0002559807030000043
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
Figure BDA0002559807030000044
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。
3.根据权利要求2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S2中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，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
1阶：
Figure FDA0002559807020000011
2阶：
Figure FDA0002559807020000012
3阶：
Figure FDA0002559807020000013
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：
Figure FDA0002559807020000014
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；
Figure FDA0002559807020000021
Figure FDA0002559807020000022
Figure FDA0002559807020000023
Figure FDA0002559807020000024
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：
Figure FDA0002559807020000025
其中
Figure FDA0002559807020000026
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；
Figure FDA0002559807020000027
φ3＝(v30-3v12)2+(3v21-v03)2；
φ4＝(v30+v12)2+(v21+v03)2；
Figure FDA0002559807020000028
Figure FDA0002559807020000031
Figure FDA0002559807020000032
5.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，步骤S4中利用单像素探测采集***获取的光强度值Ipq的表达式为：
Figure FDA0002559807020000033
其中f(x,y)表示目标物体的二维分布函数，类比步骤S31-S35，将I替换成m，获得目标全局特征Hu不变矩。
CN202010607833.XA 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 Active CN111652925B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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