[发明专利]纹理图像识别方法以及纹理图像识别装置

说明书

技术领域

本发明属于计算机计算机视觉与模式识别领域，特别涉及一种纹理图像识别方法以及纹理图像识别装置，可拓展应用于字符识别等其它纹理特征较明显的目标识别任务中。

背景技术

对纹理目标的检测和识别是目标检测中的重要内容。当摄像头静止且目标静止时，没有各种干扰和旋转、模糊情况出现，目标的检测任务相对容易的多。常用的检测方法有帧差法、角点匹配法等；当摄像头与检测目标之间存在相对运动且运动不可估计时，采集到的目标图像中会存在目标消失、目标旋转、仿射变化、图像模糊等多种干扰。例如，在无人车、无人机、机器人等运动平台上，经常需要检测路标、图案等标志物；智能交通等应用领域，需要对路标、车牌号、指示牌进行检测和识别。常用的角点检测、SIFT（Scale-invariant feature transform,尺度不变特征转换）特征匹配、ORB（ORiented Brief）描述子、Hu矩与Zernike识别等方法，在高动态的符号识别中存在缺陷，会导致误识别和漏识别情况。

发明内容

本发明旨在至少解决现有技术中存在误识别和漏识别的技术问题之一。

为此，本发明的一个目的在于提出一种纹理图像识别方法。

本发明的另一目的在于提出一种纹理图像识别装置。

为了实现上述目的，根据本发明一个方面的实施例的纹理图像识别方法，包括：S1.对所述纹理图像进行预处理，提取出字符区域；S2.对所述字符区域进行坐标系变换，并计算投影直方图；S3.对所述投影直方图进行傅里叶变换，得到纹理图像特征向量；S4.对待识别的纹理图像与标准的纹理图像执行步骤S1至S3，分别得到待识别纹理图像特征向量和标准纹理图像特征向量并计算二者之间的相似度，根据相似度阈值判断所述待识别的纹理图像是否为所述标准的纹理图像。

根据本发明实施例的纹理图像识别方法，具有以下有益效果：（1）对动态目标的识别效果好，抗干扰性强。（2）漏识别率低，尤其是误识别率非常低。（3）计算简单且实时性好，可以满足动态场景下的实时目标检测任务。

另外，根据本发明实施例的纹理图像识别方法还具有如下附加技术特征：

在本发明的一个实施例中，所述步骤S1具体包括：S11.对所述纹理图像进行去模糊处理，然后进行二值化处理；S12.对二值化处理后的纹理图像进行形态学处理，提取出所述字符区域。

在本发明的一个实施例中，所述步骤S2具体包括：S21.计算所述字符区域的重心点；S22.以所述重心点为原点，将所述字符区域从平面直角坐标系变换到极坐标系，得到极坐标图像；S23.在所述极坐标图像中分别沿极径和极角两个方向统计投影直方图。

在本发明的一个实施例中，所述步骤S23中，仅沿极角方向统计投影直方图。

在本发明的一个实施例中，所述步骤S3具体包括：对所述投影直方图进行傅里叶变换，选取幅频部分的信息得到具有旋转不变特性的特征向量，作为所述检测图像的特征向量。

根据本发明另一方面的实施例的纹理图像识别装置，包括：预处理模块，所述预处理模块用于对所述纹理图像进行预处理，提取出字符区域；投影直方处理模块，所述投影直方处理模块与所述预处理模块相连，用于对所述字符区域进行坐标系变换，并计算投影直方图；特征向量获取模块，所述特征相连获取模块与所述投影直方处理模块相连，用于对对所述投影直方图进行傅里叶变换，得到纹理图像特征向量；相似判断模块，所述相似判断模块与所述特征向量获取模块相连，用于计算待识别的纹理图像和标准的纹理图像分别对应的纹理图像特征向量之间的相似度，并根据相似度阈值判断所述待识别的纹理图像和所述标准的纹理图像是否为同一纹理图像。

根据本发明实施例的纹理图像识别装置，具有以下有益效果：（1）对动态目标的识别效果好，抗干扰性强。（2）漏识别率低，尤其是误识别率非常低。（3）计算简单且实时性好，可以满足动态场景下的实时目标检测任务。

另外，根据本发明实施例的纹理图像识别装置还具有如下附加技术特征：

在本发明的一个实施例中，所述预处理模块具体包括：去模糊与二值化处理模块，用于对所述纹理图像进行去模糊处理，然后进行二值化处理；形态学处理模块，所述形态学处理模块与所述去模糊与二值化处理模块相连，用于对二值化处理后的纹理图像进行形态学处理，提取出所述字符区域。