申请/专利权人：宁波智能装备研究院有限公司

申请日：2021-01-26

公开（公告）日：2024-04-23

公开（公告）号：CN112884778B

主分类号：G06T7/11

分类号：G06T7/11;G06T5/30;G06V10/74

优先权：["20210108 CN 2021100228003"]

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.06.18#实质审查的生效;2021.06.01#公开

摘要：本发明公开一种鲁棒机器视觉目标识别分割方法及系统，方法包括：根据模板图像和测试图像确定目标初始像素集；根据目标初始像素集中各像素点的亮度确定模糊集；计算目标初始像素集中各位置处的像素和模糊集中各位置处的像素的相似性程度；根据相似性程度和欧几里得距离确定能量泛函；对能量泛函进行寻优求解，获得最优截距和最优角度；根据最优截距和最优角度确定最优对称轴；根据最优对称轴对待分割图像进行目标识别分割。本发明基于目标初始像素集中像素点亮度构建模糊集，将分割结果扩充到可能为目标的区域。利用目标初始像素集及模糊集合进行寻优求解获得最优对称轴，进而基于最优对称轴对待分割图像实现准确识别分割对称目标。

主权项：1.一种鲁棒机器视觉目标识别分割方法，其特征在于，所述方法包括：步骤S1：根据模板图像和测试图像确定目标初始像素集；步骤S2：根据所述目标初始像素集中各像素点的亮度确定模糊集，具体包括：步骤S21：根据S函数和所述目标初始像素集中各像素点的亮度计算隶属度，具体公式为： Ch＝{Fhi,j|i,j∈Cinner}其中，和分别为和条件下的两个S函数，Ch为亮度统计集合，和分别为Ch集合中亮度统计计算的第一个四分位数、第二个四分位数和第三个四分位数，h为图像通道，Fhi,j为测试图像F在h通道坐标i,j的值，x为亮度，μCx,h为目标初始像素集Cinner中各像素点的隶属度； 其中，a、b和c均为S函数的参数，利用目标初始像素集Cinner中的像素点的颜色特征来计算a、b和c，a为或b为或c为或步骤S22：根据所述目标初始像素集中各像素点的隶属度确定目标模糊像素集M，具体公式为： 其中，mi,j表示目标模糊像素集M中在坐标i,j处的模糊值，fi,j为测试图像F在坐标i,j处的颜色向量，μCFhi,j为Fhi,j的隶属度值，表示Fhi,j属于目标的程度；步骤S23：根据测试图像F的颜色向量和目标模糊像素集确定模糊集，具体公式为：M＝{fi,j,Ffi,j}＝{fi,j,mi,j}；其中，M为模糊集，mi,j和Ffi,j均为目标模糊像素集M中在坐标i,j处的模糊值，fi,j为测试图像F在坐标i,j处的颜色向量；步骤S3：计算所述目标初始像素集中各位置处的像素和所述模糊集中各位置处的像素的相似性程度，具体公式为： 其中，Cinner为目标初始像素集，x为i或y为j或fx,y是通过对目标模糊像素集M使用双线性插值得到，fp分别表示所述目标初始像素集Cinner中各位置处的像素和所述模糊集M中各位置处的像素p的隶属度值，与p为关于lρ,θ对称的两像素，θ为直线角度，ρ为直线截距，表示坐标i,j相对于最优对称线lρ,θ的对称点，为对称点与坐标i,j的相似性程度；步骤S4：根据所述相似性程度和欧几里得距离确定能量泛函；步骤S5：对所述能量泛函进行寻优求解，获得最优截距和最优角度；步骤S6：根据所述最优截距和所述最优角度确定最优对称轴；步骤S7：根据所述最优对称轴对待分割图像进行目标识别分割。

全文数据：

权利要求：

百度查询： 宁波智能装备研究院有限公司 一种鲁棒机器视觉目标识别分割方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD