基于图像邻域结构张量方程的特征提取方法

技术领域

本发明属于算法领域，涉及一种区域特征提取方法，具体涉及一种基于图像邻域结构张量方程的特征提取方法。

背景技术

Data Matrix 是在国际制造领域广泛使用的二维码。 Data Matrix是二维码的一个成员，与1989年由美国国际资料公司发明，广泛用于商品的防伪、统筹标识。是一种可以直接标记在固体表面的编码，该编码可以像普通条形码一样被相应的扫描装置自动读取，很受制造业青睐。目前Data Matrix被广泛用于产品标识、防伪、质量追踪、自动仓储、物流管理与控制等系统。Data Matrix采用了复杂的纠错码技术，使得该编码具有超强的抗污染能力。即使编码部分破损，一样不会影响读出全部信息。Data Matrix的印刷特征使得它成为目前唯一支持可以直接标记（印刷、刻制、光刻、腐蚀、冲压等方式）在产品或零部件表面的编码。它的高效容错性能使它可以承受制造或流通过程中对零部件表面标识的污染，因此非常受制造业的欢迎。针对各种不同的应用，国际上已经颁布了多种形式的 DataMatrix 符号标准体系。Data Matrix的最小尺寸是目前所有条码中最小的，尤其特别适用于小零件的标识，以及直接印刷在实体上。

Data Matrix又可分为ECC000-140与ECC200两种类型，ECC000-140具有多种不同等级的错误纠正功能，而ECC200则透过Reed-Solomon演算法产生多项式计算出错误纠正码，其尺寸可以依需求印成不同大小，但采用的错误纠正码应与尺寸配合，由于其演算法较为容易，且尺寸较有弹性，故一般以ECC200较为普遍。Data Matrix码密度高，尺寸小，信息量大，给这种识别提供了可能，国内对DM码研究也较少。Data Matrix码是一种矩阵式二维条码，其最大特点就是密度高，其最小尺寸是目前所有条码中最小的码。DM码可在仅仅25mm²的面积上编码30个数字。DM采用了复杂的纠错码技术，使得该编码具有超强的抗污染能力。Data>

现有技术中使用Data Matrix大都印刷、刻制、光刻、腐蚀、冲压等方式，这些方式生成的二维码的识别方式较简单，因为其边缘的识别度较高，但是采用3D打印的方式，直接生成二维码，其识别边缘较模糊，较难实现定位，因此，研究一种能够针对3D打印方法生成的二维码进行区域定位的方法，具有重要的意义。

发明内容

本发明要解决的技术问题，是提供一种基于图像邻域结构张量方程的特征提取方法，采用区域生长法和结构张量的特征值计算确定二维码的邻域边界，较分别确定每个边界区域的方法更加简单，并且确定的边界更加准确。

为解决上述技术问题，本发明所采取的技术方案是：

一种基于图像邻域结构张量的特征提取方法，按照以下步骤顺序进行：

1）确定二维码的下边界；

2）采用区域生长法进行的区域提取；

3）基于结构张量的特征值计算；

4）使用最小二乘法，对得到的离散的其它三个边界进行拟合，得到最终的标准datamatix二维码区域。

作为本发明的一种限定，所述的步骤1）按照以下顺序进行：

a）计算图像质心；

对一幅二维离散的数字图像,其阶几何矩定义为：

；其中，p,q=0,1,2...，M,N为图像的宽度和高度；

则质心的计算公式为：

；其中x₀为质心的横坐标，y₀为质心的纵坐标；

b）截取质心周围像素的区域,并按图像矩阵的行计算其灰度直方图曲线；

c）得到直方图曲线后找到曲线全局极小值所在的行作为二维码下边界的估计区域；

d）计算极小值所在区域的梯度；

图像像素水平方向的梯度为：gx

图像像素垂直方向的梯度为：gy =

图像的梯度幅值为：；

e）对计算得到的梯度幅值进行非极大值抑制运算，得到梯度的局部最大值;

f）使用最小二乘法将由梯度最大值构成的凹凸曲线拟合为一条直线，计算得到二维码的下边界；其中，最小二乘法的目标函数J为：J()=min()。

作为本发明的另一种限定，所述的步骤2）按照以下步骤顺序进行：

a）设置种子点作为区域的生长起点；

b）构建相似性评判准则，将与种子点具有相同性质的像素合并到种子像素所在的区域中；

c）将新合并到的像素作为新的种子点；

d）重复a）、b）和c）进行算法的迭代，直到没有满足步骤b）中的条件像素被合并起来。

作为本发明的第三种限定，所述的步骤3）按照以下步骤顺序进行：

a）利用图像的结构张量构建协方差矩阵；

b）分别用梯度算子计算出图像中每个像素的k个方向的梯度，得到k个梯度矢量场矩阵，每个矩阵中各点的值为原图像中对应像素点在该方向上的梯度值；

c）利用原图像中每一个像素都有其对应的k个方向的梯度值G，则可得到图像中每个像素的邻域以及每个邻域的k个方向的梯度，设L为某个像素邻域的梯度构成的矩阵：

L=，其中i为像素邻域的范围，k为邻域的梯度方向；

再利用每个像素的邻域以及邻域的不同方向的梯度，构建出基于邻域区域的结构张量矩阵J，则每个像素点的结构张量矩阵J为:

J=L^T*L=；其中，L^T为矩阵L的转置矩阵；J为对称阵，利用协方差矩阵的性质，计算该协方差矩阵，可以得到k个不具有相关性的特征值，若该像素为平滑的区域，则k个特征值均0。

d）遍历图像的所有像素，分别计算所有像素点的结构张量矩阵，利用结构张量矩阵特征值的计算结果作为相似性准则，可以提取出图像的平滑区域，即为二维码本身所在的区域。

本发明还有一种限定，所述的最小二乘法的目标函数为：J()=min[]。

由于采用了上述的技术方案，本发明与现有技术相比，所取得的技术进步在于：

本发明采用区域生长法和结构张量的特征值计算确定二维码的邻域边界，较分别确定每个边界区域的方法更加简单，并且确定的边界更加准确。

本发明适用于二维码区域的提取。

本发明下面将结合说明书附图与具体实施例作进一步详细说明。

附图说明

图1为本发明实施例1中步骤1）提取结果的示意图；

图2为本发明实施例1中步骤3）提取结果的示意图；

图3为本发明实施例1中步骤4）提取结果的示意图。

具体实施方式

实施例1 一种基于图像邻域结构张量的特征提取方法

一种基于图像邻域结构张量的特征提取方法，按照以下步骤顺序进行：

1）确定二维码的下边界；

a）计算图像质心；

对一幅二维离散的数字图像,其阶几何矩定义为：

；其中，p,q=0,1,2...，M,N为图像的宽度和高度；

则质心的计算公式为：

；其中x₀为质心的横坐标，y₀为质心的纵坐标；

b）截取质心周围像素的区域，并按图像矩阵的行计算其灰度直方图曲线；

c）得到直方图曲线后找到曲线全局极小值所在的行作为二维码下边界的估计区域；

d）计算极小值所在区域的梯度；

图像像素水平方向的梯度为：gx

图像像素垂直方向的梯度为：gy =

图像的梯度幅值为：；

e）对计算得到的梯度幅值进行非极大值抑制运算，得到梯度的局部最大值;

f）使用最小二乘法将由梯度最大值构成的凹凸曲线拟合为一条直线，计算得到二维码的下边界，如图1所示；其中，最小二乘法的目标函数J为：J()=min()。

2）采用区域生长法进行的区域提取；

a）设置种子点作为区域的生长起点；

b）构建相似性评判准则，将与种子点具有相同性质的像素合并到种子像素所在的区域中；

c）将新合并到的像素作为新的种子点；

d）重复a）、b）和c）进行算法的迭代，直到没有满足步骤b）中的条件像素被合并起来。

3）基于结构张量的特征值计算；

a）利用图像的结构张量构建协方差矩阵；

b）分别用梯度算子计算出图像中每个像素的k个方向的梯度，得到k个梯度矢量场矩阵，每个矩阵中各点的值为原图像中对应像素点在该方向上的梯度值；

c）利用原图像中每一个像素都有其对应的k个方向的梯度值G，则可得到图像中每个像素的邻域以及每个邻域的k个方向的梯度，设L为某个像素邻域的梯度构成的矩阵：

L=，其中i为像素邻域的范围，k为邻域的梯度方向；

再利用每个像素的邻域以及邻域的不同方向的梯度，构建出基于邻域区域的结构张量矩阵J，则每个像素点的结构张量矩阵J为:

J=L^T*L=；其中，L^T为矩阵L的转置矩阵；J为对称阵，利用协方差矩阵的性质，计算该协方差矩阵，可以得到k个不具有相关性的特征值，若该像素为平滑的区域，则k个特征值均0。

d）遍历图像的所有像素，分别计算所有像素点的结构张量矩阵，利用结构张量矩阵特征值的计算结果作为相似性准则，可以提取出图像的平滑区域，即为二维码本身所在的区域，如图2所示。

4）使用最小二乘法，对得到的离散的其它三个边界进行拟合，得到最终的标准datamatix二维码区域，如图3所示；其中，所述的最小二乘法的目标函数为：J()=min[]。

本实施例适用于二维码区域的提取，尤其适用于3D打印的二维码，具体使用时，在牙颌模型上打印二维码识别标示，但是由于树脂打印的二维码区域较普通的喷印式二维码识别更困难，因此在3D打印牙颌模型时，对于识别就需要有更加精密的识别方式，本实施例所提供的提取方法能够有效的确定二维码的识别边界，方便后续的二维码识别。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限定，任何熟悉本专业的技术人员可能利用上述技术内容作为启示加以变更或改型为等同变化的等效实施例。但是，凡是未脱离本发明技术构思，依据本发明的技术实质对以上实施例所作出的简单修改，等同变化与改型，仍属于本发明权利要求的保护范围。