專利名稱:一種基于圖像的地面狀態(tài)種類識別方法
技術領域:
本發(fā)明屬于數(shù)字圖像處理和模式識別領域,具體涉及一種基于圖像識別地面狀態(tài)種類的方法,用于自動識別地面圖像的地面狀態(tài)類別。
背景技術:
地面狀態(tài)是指在觀測時間,觀測點附近的未經(jīng)翻耕保持自然的地表狀況地面特征,特別是諸如雨、雪、低溫等天氣對地面造成的后果。地面狀態(tài)觀測是地面氣象觀測的重要組成部分,是沙塵天氣預報所需的重要環(huán)節(jié),同時在國民經(jīng)濟建設服務中也有著重要的作用。中國氣象局1979年出版的《地面氣象觀測規(guī)范》中,就沒有包括地面狀態(tài)觀測的有關內容。隨著我國氣象部門拓展服務領域的需求和地面氣象觀測新技術的發(fā)展,越來越凸顯出地面狀態(tài)監(jiān)測的重要性,2003年底中國氣象局最新出版的《地面氣象觀測規(guī)范》中, 地面狀態(tài)被單獨列為一章,詳細介紹了地面狀態(tài)的種類(二種類型,二十種狀況)、觀測方法等內容,目前,國內外關于地面狀態(tài)自動化識別方面的研究幾乎處于空白的狀態(tài),所以現(xiàn)階段的地面狀態(tài)觀測還停留在人工觀測上,氣象觀測員的工作量大,而且觀測結果的準確性受限于觀測員經(jīng)驗水平。如果能夠利用數(shù)字圖像識別技術自動識別地面的狀態(tài),將大大降低人力資源成本,也能夠提高地面狀態(tài)觀測的自動化程度與精度。LBP算子是一種有效的處理圖像紋理的算子,不僅理論簡單易于理解,而且計算過程方便快捷,與顏色直方圖[Y. Gong,H. J. Zhang and Τ. C. Chua, An image database system with content capturing and fast image indexing abilities]白勺彥頁色特征結合起來構成的特征向量,能夠有效的標識出每一類別的地面狀態(tài)圖像,從而使地面狀態(tài)的識別能夠實現(xiàn)自動化。目前廣泛使用的一種紋理特征是圖像的LBP(Local Binary Pattern) 紋理[Timo Ojala,Matti Pietikainen. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns]。
發(fā)明內容
本發(fā)明提供一種基于圖像的地面狀態(tài)種類識別方法,通過將圖像的紋理特征和圖像的顏色特征構成圖像的特征向量,以X2概率統(tǒng)計作為特征向量的相似性度量,結合K近鄰模式識別算法能夠有效地識別出地面圖像的狀態(tài),自動識別地面狀態(tài)圖像中的地面狀態(tài)類別,以提高地面狀態(tài)觀測的自動化程度與精度,克服現(xiàn)有的地面狀態(tài)人工觀測方法費時費力、效率低下等問題。本發(fā)明的一種基于圖像的地面狀態(tài)種類識別方法,包括如下步驟(1)圖像樣本集制備步驟,地面狀態(tài)的識別是基于計算待識別圖像和樣本圖像之間在特征上的相似度進行的,所以首先需要制備地面圖像的樣本集,步驟如下(1. 1)樣本圖像獲取步驟,獲取每個種類下多幅地面圖像樣本,并記錄各地面圖像樣本的所屬類別,求取每一幅樣本圖像I (X,y)的特征向量,具體過程為
(1. 2)獲取樣本圖像的顏色直方圖,獲取顏色直方圖的具體過程為(1. 2. 1)把圖像I (x, y)的顏色空間由RGB顏色空間轉換到HSV顏色空間IHsv (χ, y);(1.2.2)提取HSV顏色空間下圖像IHsv(X,y)的H(x,y)和V(x,y)兩個顏色分量。(1.2.3)將H(x,y)和V(x,y) 2個分量量化成若干個小的顏色區(qū)間,每個小區(qū)間成為直方圖的一個顏色區(qū)間,每個顏色分量的顏色區(qū)間數(shù)N的取值范圍為[200,250];(1. 2. 4)顏色直方圖歸一化;(1. 2. 5)兩個歸一化的顏色直方圖按照H、V分量的順序組合成一個顏色直方圖, 該顏色直方圖即為圖像的顏色特征向量;(1.3)獲取樣本圖像的LBP直方圖,獲取LBP直方圖的具體過程為(1. 3. 1)對地面狀態(tài)的樣本圖像I (X,y)進行灰度化,得到結果圖像B (X,y);(1.3. 2)對灰度圖B(x,y)進行中值濾波平滑去噪,得到結果圖像T(x,y);(1. 3. 3)分別求取圖像T(x,y)在LBI^、仏<2和仏<3算子下的LBP直方圖, 把三個直方圖組合成一個直方圖,該直方圖即為圖像T(x,y)最終的LBP直方圖。求取圖像 T(x, y)在算子下的LBP直方圖的具體過程為①逐像素求取T(x,y)中所有像素的LBP值,得到圖像T(x,y)的i^i5^算子的LBP 特征圖LBP(x,y);②求取特征圖LBP(x,y)的直方圖,③LBP直方圖歸一化,(1.4)把LBP直方圖和顏色直方圖組合成一個直方圖,該直方圖即為圖像的特征
向量;(1. 5)構造樣本集步驟,處理完畢所有樣本圖像,記錄每張圖像的樣本種類數(shù)目、 圖像所屬樣本類別數(shù)、圖像特征向量,該記錄即為圖像樣本集。(2)待識別地面圖像獲取步驟,從成像設備獲取待識別地面狀態(tài)圖像;(3)特征向量獲取步驟,獲取待識別地面圖像的特征向量,方法與圖像樣本集制備步驟中特征向量的獲取步驟相同;(4)相似性度量計算步驟,讀取圖像樣本集中記錄的每張圖像的樣本種類數(shù)目、圖像所屬樣本類別數(shù)、圖像特征向量,然后分別計算待識別圖像特征向量與每一張樣本圖像特征向量的距離,待識別圖像特征向量與樣本圖像特征向量的距離的計算公式為X2{SM) = t{Sb'Mj
tt Sb+Mb其中,S,M表示兩張圖像的直方圖分布,&和Mb分別表示兩張圖像的直方圖中第 b個區(qū)間的概率值,B表示直方圖的總區(qū)間數(shù)。(5)地面狀態(tài)判決步驟,具體過程為(5. 1)挑選出步驟⑷中計算出來的距離當中最小的到第K小的K個距離,并且記錄每個距離所對應的樣本圖像的所屬類別,K的取值設定為[1,4];(5. 2)分別統(tǒng)計K個距離中對應的樣本圖像的地面狀態(tài)所屬類別出現(xiàn)的次數(shù);
(5. 3)出現(xiàn)次數(shù)最多的類別數(shù)即為待識別地面狀態(tài)圖像的所屬類別。本發(fā)明提供一種基于圖像的地面狀態(tài)種類識別方法,旨在自動識別地面狀態(tài)圖像中的地面狀態(tài)類別,以提高地面狀態(tài)觀測的自動化程度與精度,克服現(xiàn)有的地面狀態(tài)人工觀測方法費時費力、效率低下等問題。目前,對于已經(jīng)采集到的4類地面狀態(tài)圖像(裸地、 雪地、干裂、草地),該發(fā)明的識別率高達97%以上。
圖1是一種基于圖像的地面狀態(tài)識別算法流程圖;圖2是干裂地面狀態(tài)圖像;圖3是泥土地面狀態(tài)圖像;圖4是沙土地面狀態(tài)圖像;圖5是積雪地面狀態(tài)圖像;圖6是圖5的顏色直方圖;圖7是圖2的巧 算子的LBP特征圖;
圖8是圖2的仏<+16,2+24,3算子的LBP直方具體實施例方式本發(fā)明將圖像的紋理特征和圖像的顏色特征作為圖像的特征,本發(fā)明將圖像的紋理特征和圖像的顏色特征構成圖像的特征向量,以X2概率統(tǒng)計作為特征向量的相似性度量,結合最近鄰模式識別算法能有效地識別出地面圖像的狀態(tài),一種基于圖像的地面狀態(tài)識別算法的處理流程如圖ι所示。一種基于圖像的地面狀態(tài)識別方法,步驟如下(1)圖像樣本集制備步驟,地面狀態(tài)的識別是基于計算待識別圖像和樣本圖像之間在特征上的相似度進行的,所以首先需要制備地面圖像的樣本集,步驟如下(1. 1)樣本圖像獲取步驟,獲取每個種類下多幅地面圖像樣本,并記錄各地面圖像樣本的所屬類別,求取每一幅樣本圖像I (X,y)的特征向量。圖1-圖4為4種常見的地面狀態(tài)圖像,求取樣本圖像特征向量的過程如下;(1. 2)獲取樣本圖像的顏色直方圖,獲取顏色直方圖的具體過程為(1.2.1)把圖像I(x,y)的顏色空間由RGB顏色空間轉換到HSV顏色空間,可用如
下所示的轉換公式實現(xiàn)轉換
權利要求
1.一種基于圖像的地面狀態(tài)種類識別方法,包括如下步驟(1)制備地面圖像樣本集獲取多幅樣本圖像I (X,》,記錄各樣本圖像1(1 y)所屬的種類,并求得各樣本圖像 I(x,y)的特征向量;(2)從成像設備獲取待識別的地面狀態(tài)圖像;(3)獲得所述待識別地面狀態(tài)圖像的特征向量;(4)相似性度量計算,即分別計算所述待識別地面狀態(tài)圖像的特征向量與每一張樣本圖像的特征向量的距離,其中,所述距離的計算公式為
2.根據(jù)權利要求1所述的方法,其特征在于,所述圖像的特征向量的具體獲得過程為 (1. 1)獲取圖像的顏色直方圖;(1.2)獲取圖像的LBP直方圖;(1.3)把LBP直方圖和顏色直方圖組合成一個直方圖,該直方圖即為圖像的特征向量。
3.根據(jù)權利要求2所述的方法,其特征在于,所述圖像的顏色直方圖獲取過程為 (1. 1. 1)把圖像的顏色空間由RGB顏色空間轉換到HSV顏色空間;(1.1.2)提取HSV顏色空間下圖像的兩個顏色分量H(x,y)和V(x,y); (1. 1.3)將每個顏色分量劃分成多個小區(qū)間,每個小區(qū)間成為直方圖的一個區(qū)間; (1. 1.4)顏色直方圖歸一化,即求得每個顏色區(qū)間中的像素個數(shù)占整幅圖像像素數(shù)的比例;(1. 1.5)將歸一化的顏色直方圖按照所述兩個顏色分量的順序組合成一個顏色直方圖。
4.根據(jù)權利要求2或3所述的方法,其特征在于,所述獲取圖像的LBP直方圖具體過程為(1. 2. 1)對圖像進行灰度化,得到灰度圖; (1. 2. 2)對所述灰度圖進行中值濾波平滑去噪,得到結果圖像; (1. 2. 3)分別求取Z^f、算子下結果圖像的LBP直方圖,把三個直方圖組合成一個直方圖,該直方圖即為結果圖像最終的LBP直方圖。
5.根據(jù)權利要求4所述的方法,其特征在于,求取結果圖像在算子ZSi^2p下的LBP直方圖的具體過程為首先,對所述結果圖像逐像素求取其中所有像素的LBP值,得到結果圖像的ZSg2p算子的LBP特征圖LBP (X,y),其中ZSg2p表示在半徑為R的圓形鄰域內取P個像素點求取中心像素點的LBP值;其次,求取特征圖LBP(X,y)的直方圖;最后,LBP直方圖歸一化,即得到結果圖像在算子ZSg2p下的LBP直方圖。
6.根據(jù)權利要求1-5之一所述的方法,其特征在于,所述K取值范圍為[1,4]。
全文摘要
本發(fā)明公開了一種基于圖像的地面狀態(tài)種類識別方法,包括(1)制備地面圖像樣本集;(2)從成像設備獲取待識別的地面狀態(tài)圖像;(3)獲得所述待識別地面狀態(tài)圖像的特征向量;(4)分別計算所述待識別地面狀態(tài)圖像的特征向量與每一張樣本圖像的特征向量的距離;(5)地面狀態(tài)判決步驟,具體過程為(5.1)挑選出所述距離中最小的K個距離,并且記錄每個距離所對應的樣本圖像的種類,其中K為正整數(shù);(5.2)分別統(tǒng)計所述K個距離中對應的樣本圖像的地面狀態(tài)的種類出現(xiàn)的次數(shù),其中出現(xiàn)次數(shù)最多的種類即確定為待識別地面狀態(tài)圖像的種類。本發(fā)明能有效地識別出地面圖像的狀態(tài),從而提高地面狀態(tài)觀測的自動化程度與精度。
文檔編號G06K9/62GK102339388SQ201110175608
公開日2012年2月1日 申請日期2011年6月27日 優(yōu)先權日2011年6月27日
發(fā)明者付強, 張旋, 曹治國, 朱磊, 李肖霞, 段西堯, 熊嶷, 肖陽, 馬舒慶 申請人:華中科技大學