[发明专利]一种红外图片识别方法

说明书

本发明公开了一种红外图片识别方法，包括以下步骤：读取图像、设置ROI、高斯滤波、Sobel算子计算图像梯度、非极大值抑制、滞后阈值分割、计算梯度向量的所有归一化点积的总和。本发明的优点是：将区域内进行数字化处理，并进行高斯滤波去除噪声，消除图像的噪声干扰，从而提高图像质量，然后Sobel算子计算图像梯度，产生对应的灰度矢量或是其法矢量，采用非极大值抑制，对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的，再采用滞后阈值分割，然后将模板和红外图片归一化点积的总和之间的欧式距离，从而实现高效准确的识别红外图片，即使红外图片旋转了也不会影响判断的准确性，识别度高，不受角度尺度影响。

技术领域

本发明涉及一种红外图片识别方法。

背景技术

在现有技术中，红外图片识别主要基于灰度值模板匹配；通过滑窗的方式在待匹配的图像上滑动，通过比较模板与子图的相似度，找到相似度最大的子图。

传统模板匹配的缺陷在于不具有旋转不变形，若待匹配的图进行了旋转，那么这种滑窗的模板匹配方法当即失效。

使用传统的模板匹配速度较快，但是无法应对旋转和缩放问题。

现有识别方法通用性差，鲁棒性差，且在识别过程中，容易受角度、尺度影响。

发明内容

本发明的目的在于提供一种红外图片识别方法，能够有效解决现有红外图片识别差的问题。

为了解决上述技术问题，本发明是通过以下技术方案实现的：一种红外图片识别方法，包括以下步骤：

10、制作照片模板：提取模板照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算模板梯度向量的所有归一化点积的总和；

20、对红外图片匹配定位：提取红外照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算红外图片梯度向量的所有归一化点积的总和；

30、计算模板与红外图片ROI的梯度向量所有归一化点积的总和之间的欧式距离，归一化相似性函数为：

当R(i,j)为1时，表示模板与红外图片完全相等。

优选的，对于步骤10和20中的绘制ROI区域，区域由数字1和0组成一个二维矩阵，1代表需要识别的区域，0代表不需要识别的区域。

优选的，对于步骤10和20中高斯滤波的具体方法为，用一个模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

优选的，对于步骤10和20中对非极大值抑制方法为，在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点，对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。

优选的，对于步骤10和20中滞后阈值分割方法为，先设定两个阈值：minVal和maxVal，当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃；如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。

与现有技术相比，本发明的优点是：由于采用了ROI区域方式，将区域内进行数字化处理，并进行高斯滤波去除噪声，消除图像的噪声干扰，从而提高图像质量，然后Sobel算子计算图像梯度，产生对应的灰度矢量或是其法矢量，采用非极大值抑制，对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的，再采用滞后阈值分割，然后将模板和红外图片归一化点积的总和之间的欧式距离，从而实现高效准确的识别红外图片，即使红外图片旋转了也不会影响判断的准确性，识别度高，不受角度尺度影响。