[发明专利]一种基于聚类的团块提取装置及方法

说明书

技术领域

本发明涉及图像处理领域，具体而言，涉及一种基于聚类的团块提取装置及方法。

背景技术

图像的团块特征就是在图像处理过程中，根据连通性，将图像中灰度值相似的像素点归为一个团块，这种方法模拟了人类的视觉感知系统。通常，人类视觉在获得图像后，大脑会将图像中颜色相近的像素点退化为一种颜色，于是图像就变成了数个不同颜色的区域，人类再根据自己的需要重点关注一种颜色。

目前，在目标跟踪算法中，采用团块特征可以有效的提高跟踪的准确性，但是对团块特征的提取方法也提出了算法简单、处理实时的要求。对于算法简单而言即要求算法使用方便，算法太过复杂会增加目标跟踪的复杂度，影响跟踪方法的使用。对于处理实时而言即要求算法计算简单快速，能处理视频流，必要时甚至可以牺牲一定的准确性。

现有的团块特征的提取方法有很多，其一般是先对图像进行预处理，消除噪声，然后对图像按照颜色分类或聚类，但是得到的结果类别会比较多，而且凌乱，因此进一步需要对这些类别进行合并，得到比较重要的几个，最后对剩下的类别用矩形、椭圆等方式进行描述。

目前，基于图像金字塔的团块提取方法是比较典型的一种团块提取方法，该方法计算比较简单，处理结果比较理想。如图1所示，其相应的团块提取装置包括以下几个模块：图像预处理模块、图像团块提取模块、图像团块合并模块，以及图像团块拟合模块，其团块提取步骤包括：

第一步、图像预处理模块用于对图像进行预处理工作，主要包括对图像进行抑噪处理和平滑处理，使团块提取较少地受到噪声的影响。

第二步、图像团块提取模块用于对图像的每一个像素点进行编号，其中，所述编号代表相应像素点所属的团块。该图像团块提取模块的详细工作步骤如下：

1、计算图像的分层模型的内存空间大小，以分配足够的内存空间，并将原始图像存放到分层模型的第0层，初始化第0层图像中每个像素点的可信度均为1。其中，分层模型是一组图像，如图2所示，分层模型中上层图像的宽度和高度分别为下层图像宽度和高度的一半，输入的原始图像在分层模型的第0层，通过计算得到分层模型其它各层图像；

2、对第n层图像下采样生成第n+1层图像。第n+1层图像的每一个像素点的灰度值利用分层模型像素点计算方法得到，并设置像素点的可信度。其中，下采样过程中将第n层图像缩小为第n+1层图像的1/4大小，即每四个像素点用一个像素点来表示。

其中，分层模型像素点计算方法采用公式(1-1)进行计算，即像素点坐标为(i,j)的像素点的灰度值利用公式(1-1)得到，利用12邻域采样模板得到的上层像素点和下层像素点的坐标映射关系如图3所示，通过采样模板获得的12个下层像素点的集合用R表示。第n层图像的第l个像素点的灰度均值的计算公式为：

其中ω_k为权重，即12邻域采样模板中各个数据对应的重要性，可以根据使用对象而设置不同的系数。t^k为剔除因子，例如当其为1时这个像素点参与计算。r表示像素点的可信度，其大小为分层模型大小，其值为二值数据，当第n层图像某一个像素点的可信度为1时，表示这个像素点的灰度可以代表点集R中的像素点；为0时，则认为这个像素点不能代替它下层的点集R中的像素点。

初始化设置时设置所有t^k为1，计算出后遍历点集R中的如果两个灰度值的欧式距离大于设定的阈值Dis，则设置其t^k为0，采用公式(1-1)再计算一次，再判断是否需要剔除，如果是，则继续前面步骤，如果否，则结束。同时还判断的值，如果这个值大于一个设定的阈值Ran，则设置这个像素点的可信度为1，否则，则设置这个像素点的可信度为0。

3、如果第n+1图像为金字塔的最顶层像素点，转步骤4，否则n加1，并转步骤2；

4、初始化设置分层模型的顶层像素点的团块编号为0，其中团块编号是像素点所属的团块的编号，团块0表示这个团块的像素点是抛弃不用的点的集合，不参与后续的计算；

5、根据第n层图像与第n+1层图像的坐标关系计算第n层图像每一像素点的团块编号，计算方法为像素点团块编号计算方法，并保存编号结果；