专利汇可以提供类地重力场环境下单目视觉空间识别方法专利检索,专利查询,专利分析的服务。并且一种类地重 力 场环境下单目视觉空间识别方法,其特征是它包括以下步骤:首先,对图像进行基于 像素 的CIELAB色彩空间值L,a,b和x,y坐标值的超像素分割,以产生超像素图像;其次,采用基于超像素 颜色 特性、纹理 特征向量 距离及邻接关系的普聚类 算法 ,将分割形成的超像素图像 降维 并生成大图 块 ;第三,将代表天空、地面及立面物体的重力场模糊分布 密度 函数分别与所得的大图块像素相乘,并求出大图块的期望值,从而完成天空、地面及立面物体的初步分类;第四,通过 单层 小波 采样 和曼哈顿方向特征提取出天空、地面及立面物体的分类图;最后,基于小孔成像模型及地面线性透视信息生成空间深度 感知 图。本 发明 简单易行, 分辨率 高,应用范围广。,下面是类地重力场环境下单目视觉空间识别方法专利的具体信息内容。
1.一种类地重力场环境下单目视觉空间识别方法,其特征是它包括以下步骤:
首先,对图像进行基于像素的CIELAB色彩空间值L,a,b和x,y坐标值的超像素分割,以产生超像素图像;
其次,采用基于超像素颜色特性、纹理特征向量距离及邻接关系的普聚类算法,将分割形成的超像素图像降维并生成大图块;
第三,将代表天空、地面及立面物体的重力场模糊分布密度函数分别与所得的大图块像素相乘,并求出大图块的期望值,从而完成天空、地面及立面物体的初步分类;所述的期望值是通过对大图块中各像素在图像垂直方向上与地面模糊分布密度函数G、天空模糊分布密度函数S以及立面物体模糊分布密度函数V,在(-HG,HS)范围内相乘所得,其计算公式为:
其中:GE、SE、VE是对图像中的图块基于地面重力场模糊分布密度函数G、天空重力场模糊分布密度函数S和立面物体重力场模糊分布密度函数V求和所得的地面(ground)、天空(sky)、立面(vertical face)的数学期望值,ni为聚类图块在第i行的像素个数,rb为聚类图块的最下延,rt为图块的最上延,i∈(0,1,……,HZ),HZ为图像在高度方向上的最大像素值;
HI=HG+HS,HI为图像的高度、HG为图像视平线到图像底边的距离、HS图像视平线到图像顶端的距离;则图块的分类为:
第四,通过单层小波采样和曼哈顿方向特征提取出天空、地面及立面物体的分类图;
最后,基于小孔成像模型及地面线性透视信息生成空间深度感知图。
2.根据权利要求1所述的方法,其特征是所述的普聚类算法包括超像素聚类方法及在超像素的基础上的普聚类方法,所述的超像素聚类方法采用Achanta R提出的简单线性迭代聚类算法即SLIC(Simple Linear Iterative Clustering),该算法以像素的CIELAB色彩 空间的L、a、b值及像素的x,y轴坐标构建5维空间,具体定义如下:
其中:Ck=[lk,ak,bk,xk,yk]T为聚类的中心;[li,ai,bi,xi,yi]T为图像像素点的5维空间坐标;N为图像的像素数;K为期望获得的超像素的数目;S为超像素中心栅格间距;Ds为色彩lab距离dlab和dxy基于S的规范化距离;m为可控的超像素密度因子;
所述的基于超像素的普聚类方法为:
(1)将SLIC算法所产生的n个超像素作为无向权值图G的顶点V={v1,v2,…,vn};
(2)邻接矩阵构建,i=1,2…n;j=1,2…n,其中,n为超像素的个数;
(3)权值邻接矩阵的构建,i=1,2…n;j=1,2…n;
其中权值w(i,j)为相邻两个超像素之间的规范化CIELAB颜色直方图计算
Bhattacharyya系数,具体构建方法是将图像的色彩空间转换到CIELAB空间,并将L通道的取值范围划分为8级等分,a通道的取值范围划分为16等分,将b通道的取值范围划分成16个等级,其中将L通道取值范围划分为8级的目的是降低色彩亮度变化对权值的扰动;每个超像素在8×16×16=2048维度的空间计算直方图 其中hl
(i)为每个超像素在l=8×16×16=2048维度的空间计算的规范化直方图,l=2048,则当Ei,j=1时
对于权值w(i,j)的取值增加两个分别基于色彩距离和纹理能量距离的约束条件,分述如下:
①基于色彩距离约束条件:当w(i,j)≤WT时,则取w(i,j)=0,其中WT的取值范围为(0.7~1.0)之间;
②纹理能量距离的约束条件:采用l2范数计算各超像素图块的平均能量测度,即
其中rb为图块的最下延,rt为图块的最上延,cl为第i行图块最左边,cr为第i行图块最右边,R(i,j)为图像中(i,j)点处的小波采样值,根据公式(8)计算每个超像素块的四维小波特征向量,即e(i)=(ei(LL),ei(LH),ei(HL),ei(HH)),并求取其相邻超像素之间的Bhattacharyya系数值Be(i,j);
其中,
当Be(i,j)≤BT时,则取w(i,j)=0,其中BT的取值范围在(0.85~1.0)之间;
以上两个约束条件的目的是提高相邻超像素点的色彩及纹理的相似性阈值,以保护天空与立面物体间、立面物体与地面间的边界特征;
(4)度矩阵的构建,i=1,2…n;j=1,2…n;
(5)规范化Laplacian矩阵的构建,采用Normalized-cut准则来计算规范化的
Laplacian矩阵:
Lsym=I-D-1/2WD-1/2 (12)
其中:D为度矩阵,W为权值邻接矩阵;
(6)计算Lsym进行特征值分解,并取前K个最小特征值所对应的特征向量,V1,V2,…,Vk;
其中K=[0.1×n],即取n的10%作为图像聚类特征向量的维度,以实现降维目的;
(7)将V1,V2,…,Vk排列组成Rn×k矩阵并将矩阵中的每个元素取绝对值得矩阵U;
(8)对于i=1,2…n,令yi∈Rk为矩阵U的第i行向量,Rk是K维实向量;
k
(9)对非零的yi∈R 向量进行归一化,并用Bhattacharyya系数法进行聚类,其中
Bhattacharyya距离的BU阈值为(0.85~1.0)之间,即当BU大于等于阈值时,超像素间进行聚类;
(10)对每个聚类图块采用规范化CIELAB颜色直方图,并对相邻图块类采用式(7)进行Bhattacharyya距离w(i,j)计算,同时采用式(9)计算相邻图块的Be(i,j),当w(i,j)>WT且 Be(i,j)>BT时进行聚类;
(11)重复第(10)步,直到收敛。
3.根据权利要求1所述的方法,其特征是所述的大图块生成采用几何包含关系聚类方法,以消除孤岛图块,所谓的孤岛图块是指一个或多个图块被一个大图块完全包围的图块,几何包含关系的聚类算法可以将孤岛图块聚类成完全包围该孤岛的大图块,从而避免了几何上下文算法对孤岛图块空间分类所产生的奇异;具体方法为:
(1)寻找镂空图块,其判据为当Nb-nb>0时则图块为镂空图块,其中Nb为图块所有边界的像素值,nb为图块外边界的像素值,如果Nb-nb>0则进入下一步,否则图块不为镂空图块;
(2)以外边界为边界以原图块的标记值来填充图块;
(3)以填充图块代替原镂空图块。
4.根据权利要求1所述的方法,其特征是所述的采用单层小波采样提取天空和立面物体的分类图时采用l2范数计算各对象图块的平均能量测度,即
其中:Np为图块像素个数,rb为图块的最下延,rt为图块的最上延,cl为第i行图块最左边,cr为第i行图块最右边,其中R(i,j)为图像中(i,j)点处的小波采样值,在计算各图块平均能量测度时需要去除各图块边缘所产生的能量;
通过能量测度计算得到图块的四维小波特征向量,即(eLL,eLH,eHL,eHH),其中eLL表征的是图块整体亮度特性、eLH,eHL,eHH表征的是图块高频纹理特征,而白天室外天空在图像中的特性普遍表现在高亮度和低能量高频纹理特征上;
(1)如果eLL>mean(eLL1,eLL2,…eLLn)则为候选天空图块,其中
eLL1,eLL2,…eLLn∈天空和立面物体的eLL值,其中:mean()为均值函数;
(2)在满足上述条件下,当图块一层非下采样小波的能量测度
时,则图块为候选天空图块,如果没有满足此条件图块时,则判定图块不为天空图块,Ec的取值范围(0~7)之间;
(3)当存在满足上述图块时,再判断是否有以图像上延为边界的图块,如果有则判断存在天空图块,否则判定图像中无天空;
(4)在满足上述条件下如果出现的候选天空图块不唯一,则选取面积最大图块为天 空图块,并以色彩距离值dab以及亮度距离值dL为判据对天空进行聚类,公式如下:
且
其中as、bs分别为天空图块CIELAB色彩空间a、b色彩通道的均值,ai、bi分别为候选天空图块CIELAB色彩空间a、b色彩通道的均值,当候选天空图块dab≤C且dL≤L则为天空,否则为立面物体,其中,C的取值范围(0~30),L的取值范围(0~70);
(5)对聚类生成的天空面积进行计算如果其像素的个数小于图像象素的2‰,则将其归为立面物体;
(6)将所有非天空图块归为立面物体。
5.根据权利要求1所述的方法,其特征是所述的采用单层小波采样提取地面和立面物体的分类图时采用以下判别方法:
(1)根据地面的连续性及其重力场空间几何上下性质,将悬空于立面物体中的地面图块归为立面物体;
(2)通过对图像中被判别为立面物体图块进行Hough变换,并通过基于直线方向角度的统计直方图,通过对其曼哈顿方向信息的强度,来判断图中是否存在大型近距离建筑物,如果不存在则结束对地面的修正,如果存在则进入下一步;
(3)以立面物体中建筑物的曼哈顿方向信息修正其与地面图块的连接边界。
6.根据权利要求1所述的方法,其特征是所述的天空、地面及立面物体的重力场模糊分布密度函数分别为:
(1)地面重力场模糊分布密度函数G:
当HG≥HS时:令 且
则得
式中HG为视平线距图像底边的距离;HS为视平线距图像顶边的距离;x为像素在图像高度方向的坐标;n为密度函数的阶数;
当HG<HS时:G(x)=-S(x)
即
其中:n=1,2,3……N,N∈正整数;
(2)天空重力场模糊分布密度函数S:
当HG<HS时:令 且
则得
当HG≥HS时:S(x)=-G(x)
即
其中:n=1,2,3……N,N∈正整数;
(3)立面物体重力场模糊分布密度函数V:
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于网络镜像和全局传播率的微电网通信拓扑设计方法 | 2020-05-08 | 951 |
一种基于同步相量测量装置的孤岛同步并网方法 | 2020-05-12 | 769 |
一种基于多代理系统的冰灾下主动配电网融冰及故障修复方法 | 2020-05-12 | 700 |
一种发电机组与逆变电源并联的方法 | 2020-05-08 | 727 |
用于地图生成的处理方法、装置、系统、电子设备与介质 | 2020-05-08 | 521 |
一种基于BS架构的分布式电源并网监控装置设计 | 2020-05-08 | 145 |
一种并网逆控一体机的测试方法 | 2020-05-11 | 387 |
一种基于通信的自适应距离保护方法 | 2020-05-12 | 851 |
一种大容量可调模拟RLC试验负载的匹配与控制方法 | 2020-05-12 | 421 |
基于一张图的林业大数据建设方法 | 2020-05-11 | 550 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。