[发明专利]一种图像目标外观对称性与形状特征的检测方法

权利要求书

1.本发明提出了图像目标的“矩形特征”概念，即一个图像目标可以用一个矩形框表示，目标的外观特征可以通过图像目标内部不同分块结构和颜色分布位置关系的各种矩形特征进行描述；也就是说，目标的外观形状可以由该代表目标的矩形框内部分块子矩形的组合特征表达。 

2.目标的矩形特征主要是以目标局部矩形块之间的差值为基础的：矩形分块之间的差值反映了两块矩形外观的差异，如果设定好相对偏差的阈值(一股用δ表示)，就可以根据不同矩形块之间相对偏差的大小，判定该目标整体或局部的对称特征；各矩形块的值是由该矩形内所有像素点的灰度累加值(或者不同颜色通道的颜色值)累加而成，简称矩形值；为减少光照变化等影响，差值做归一化处理，即用差值除以整个目标框矩形值。 

3.矩形分块特征主要有二矩形分块结构、三矩形分块结构、四矩形分块结构、六矩形分块结构、九矩形分块结构、十六矩形分块结构等等，还可以根据实际情况进一步细分矩形分块的大小和结构；矩形分块的大小分均等和不均等两种情况，均等一股用于对称分析，不均等一股用于图像目标外观的分析。 

4.权利要求2中二矩形分块结构特性表现如图1所示，R₂₁、R_2r表示的是两个矩形分块，二矩形分块特性主要是用来判断目标的对称性；如果需要判断目标是否对称，则二矩形分块大小一致；如果目标不对称，可以根据两边选择不同的大小比例表示目标外观颜色的分布关系，图1的(c)～(f)则进一步描述了物体在多大程度上的不对称性；二矩形分块特性计算如下： 

， 

上式R_all表示整个目标矩形值，R₂₁、R_2r分别表示矩形子块值；Feature2_lr表示左右是否对称的特性，1表示对称，0表示不对称；abs()表示取绝对值函数，δ_lr、δ_tb表示偏差的阈值。 

5.权利要求2中三矩形分块结构如图2所示，分左中右和上中下两种特性，反映的是视觉 图像目标在空间上下或左右的分布特征：目标特征最常见的表现为中间突出、两边弱化，或者中间弱化两边突出等不同分布特征；三等分矩形结构的特征主要表示是否具有均匀分布的特征，其计算如下所示： 

式中Feature_lmr_d表示目标在左、中、右三个矩形分块的外观分布特性，Feature_tib_d表示上中下均匀分布特性，取1表示三矩形分块颜色是均匀分布的，取0表示不是均匀的。 

6.权利要求2中四矩形分块结构如图3所示，R₄₁、R₄₂、R₄₃、R₄₄表示四个子矩形分块，通过四个子矩形分块之间的比较，可以获得目标外观局部更精确的对称或不对称关系；除了包含二矩形分块特性外，还有左上、右上二分块对称特性，左上、左下二分块对称特性，左上、右下二分块对称特性，右上、左下二分块对称特性，右下、右上二分块对称特性，左下、右下二分块对称特性等。 

7.权利要求2中九矩形分块特征如图5所示，其基本特征包含了三矩形分块特性，同时包含了一些更丰富的对称关系，甚至能表示一些特殊的形状：九矩形分块特性主要有“十字形”，主要有正十字形和旋转45度十字形两种；“中心结构”，很多目标表现为以目标重心为中心向四周发散的特征，在检测中往往集中在九分块的中心R₉₉；“团块目标”，有些目标表现为团块特征，团块特征的外观轮廓一股不容易用直观的数学表达式表示，却可以用矩形特征间接描述近似表达，即在检测目标矩形框中往往集中在九分块的中心，而四个角则往往包含背景信息，而这些背景信息能反衬出目标的特征，团块特性的判据如下所示： 

， 

式中Feature9_corner表示目标内部中心分布或四角分布的特性。 

8.权利要求2中六分块矩形特性如图4所示，相比前面的矩形特征，这类结构特征主要用 于长方形目标形状的检测。 

9.矩形特性可以嵌套使用，如图4中(b)、(d)所示。 

10.权利要求2中十六分块矩形特性如图6所示，除了上述简单的基本特性外，还有一个重要特性是梯形特性，梯形特性可以用来近似表示圆弧，设在矩形目标框中，梯形的上边在外，下边在里，且梯形不在中心位置，其朝上、下、左、右四个位置的计算和判据如下所示， 

， 

， 

， 

； 

其他多分块特性：分块越细，目标的细节特征表现得越好，特征更加丰富和精细，但计算量也会加大，还会导致过度匹配。