[发明专利]基于图像邻域结构张量方程的特征提取方法

权利要求书

1.一种基于图像邻域结构张量的特征提取方法，其特征在于它按照以下步骤顺序进行：

1）确定二维码的下边界；

2）采用区域生长法进行的区域提取；

3）基于结构张量的特征值计算；

4）使用最小二乘法，对得到的离散的其它三个边界进行拟合，得到最终的标准datamatix二维码区域。

2.根据权利要求1所述的基于图像邻域结构张量的特征提取方法，其特征在于：所述的步骤1）按照以下顺序进行：

a）计算图像质心；

对一幅二维离散的数字图像,其阶几何矩定义为：

其中，p,q=0,1,2...，M,N为图像的宽度和高度；

则质心的计算公式为：

其中x₀为质心的横坐标，y₀为质心的纵坐标；

b）截取质心周围像素的区域,并按图像矩阵的行计算其灰度直方图曲线；

c）得到直方图曲线后找到曲线全局极小值所在的行作为二维码下边界的估计区域；

d）计算极小值所在区域的梯度；

图像像素水平方向的梯度为：gx

图像像素垂直方向的梯度为：gy =

图像的梯度幅值为：；

e）对计算得到的梯度幅值进行非极大值抑制运算，得到梯度的局部最大值;

f）使用最小二乘法将由梯度最大值构成的凹凸曲线拟合为一条直线，计算得到二维码的下边界；其中，最小二乘法的目标函数J为：J()=min()。

3.根据权利要求1所述的基于图像邻域结构张量的特征提取方法，其特征在于：所述的步骤2）按照以下步骤顺序进行：

a）设置种子点作为区域的生长起点；

b）构建相似性评判准则，将与种子点具有相同性质的像素合并到种子像素所在的区域中；

c）将新合并到的像素作为新的种子点；

d）重复a）、b）和c）进行算法的迭代，直到没有满足步骤b）中的条件像素被合并起来。

4.根据权利要求1所述的基于图像邻域结构张量的特征提取方法，其特征在于：所述的步骤3）按照以下步骤顺序进行：

a）利用图像的结构张量构建协方差矩阵；

b）分别用梯度算子计算出图像中每个像素的k个方向的梯度，得到k个梯度矢量场矩阵，每个矩阵中各点的值为原图像中对应像素点在该方向上的梯度值；

c）利用原图像中每一个像素都有其对应的k个方向的梯度值G，则可得到图像中每个像素的邻域以及每个邻域的k个方向的梯度，设L为某个像素邻域的梯度构成的矩阵：

L=，其中i为像素邻域的范围，k为邻域的梯度方向；

再利用每个像素的邻域以及邻域的不同方向的梯度，构建出基于邻域区域的结构张量矩阵J，则每个像素点的结构张量矩阵J为:

J=L^T*L=；其中，L^T为矩阵L的转置矩阵；J为对称阵，利用协方差矩阵的性质，计算该协方差矩阵，可以得到k个不具有相关性的特征值，若该像素为平滑的区域，则k个特征值均0；

d）遍历图像的所有像素，分别计算所有像素点的结构张量矩阵，利用结构张量矩阵特征值的计算结果作为相似性准则，可以提取出图像的平滑区域，即为二维码本身所在的区域。

5.根据权利要求1所述的基于图像邻域结构张量方程的特征提取方法，其特征在于：所述的最小二乘法的目标函数为：J()=min()。