[发明专利]基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法

说明书

本发明公开了基于颜色‑边缘融合特征生长的抗高光干扰工程测量标志提取方法，包括如下步骤：在目标指定部位布设选定特征的测量标志；训练可识别指定目标物的目标检测软件模型；针对影像进行目标检测，并提取影像中的Region of Interest(ROI)区域；结合数字图像处理方法，对于提取的ROI区域基于颜色‑边缘特征进行目标初提取，完成图像预处理；按照Canny边缘检测算法对预处理后得到的图像进行边缘检测，按照指定规则选边缘轮廓内部的部分像素点作为候选种子点；以候选种子点为起始点利用生长规则进行区域生长，将符合生长规则的像素点并入生长区域，直至再无符合生长规则的像素点并入生长区域为止；最后基于生长区域进一步提取其几何特征信息及目标特征点信息。

技术领域

本发明涉及机器视觉技术、数字图像处理及工程摄影测量等领域，涉及基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法，实现对图像中测量标识的目标分割识别，抗干扰能力强。

背景技术

工程摄影测量是研究对各类目标、物体进行摄影，以确定其形状、大小和几何位置的理论和技术。为求解目标物的空间信息，往往需要对目标影像进行目标分割、特征提取，从而得到解算模型的求解参数。

图像分割是将图像中指定的目标物或有意义的特征、区域提取出来的过程，是数字图像处理和机器视觉领域中目标特征提取和目标识别的基础，图像识别结果质量会直接影响到后续图像处理的效果。在图像处理和机器视觉领域，许多图像分割算法都是基于图像中物体表面产生的反射光全是漫反射的简单假设。当物体处于高光环境或者物体表面反射光包含镜面反射成分时，物体表面颜色和纹理特征会减弱甚至消失，严重影响图像分割的结果。

正确精准的图像目标特征信息是目标识别、图像匹配、物体跟踪等图像操作和工程摄影测量等工程技术应用的前提基础。随着计算机视觉技术的发展和在工业领域的推广应用，机器视觉技术的应用场景正变得越来越复杂。不同的应用场景的光源条件也不尽相同，针对复杂光照条件下的图像目标精准提取算法已经成为推动计算机视觉技术进一步在各行业领域推广应用的基础和关键。

发明内容

针对现有技术的不足，本发明的目的是提出基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法，改进和补充现有技术方法，实现图像中目标物精准分割及特征信息提取，弥补现有技术在处理高光、旋转、干扰等情况下的不足。

为实现上述目的，本发明提供如下技术方案：

基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法，包括以下步骤：

步骤S1，在目标物指定位置布设已知几何尺寸信息和指定颜色的测量标志；

步骤S2，训练深度学习目标物识别模型，对需处理的图像进行目标检测及定位，提取ROI区域；

步骤S3，结合测量标志的颜色信息，对于提取的ROI区域进行基于颜色特征的目标提取分割，按照Canny边缘检测算法对目标提取分割的图像进行边缘检测，并进行图像去噪，且选择去噪后的边缘轮廓内部像素点作为初始种子点；

步骤S4，以初始种子点为起始点利用生长规则进行区域生长，将符合生长规则的像素点并入生长区域作为新的种子点，重复生长，直至再无符合生长规则的像素点并入生长区域为止，从而从图像中分割得到测量标志区域；

步骤S5，对区域生长分割完成之后的图像进一步提取测量标志的几何信息、边缘信息及特征信息。

进一步的，所述测量标志可根据具体应用场景设计形状、尺寸、颜色等特征，标志形状可为圆环形、矩形或三角形。圆环形标志具有旋转不变性，对物体旋转场景有良好适应性。

进一步的，所述深度学习目标物识别模型为YOLO-tiny模型，具体训练过程为；