一种快速物体匹配算法制造技术

本发明专利技术属于图像处理技术领域，涉及一种快速物体匹配算法，步骤如下：对模板图像采用2×2的均值滤波法来构建多层图像金字塔。选取金字塔的每层图像边缘轮廓点作为匹配特征点。使顶层金字塔中的模板图像在待匹配区域图片中遍历滑动，滑动到每一个位置；当模板图像与待匹配区域图片积分图像值之差大于阈值，停止对目标图片进行相似度量计算，模板图像跳到下一个位置，与下一个位置的目标图像进行匹配，提高速度。本发明专利技术算法特征采用了积分图像的加速策略，过滤掉大部分无目标位置的匹配，大大的加快了算法的匹配时间；利用图像金字塔策略，进行由粗到精的匹配，减小了算法的复杂度；匹配中使用了停止条件判断，缩短了算法的匹配时间。

A Fast Object Matching Algorithm

The invention belongs to the field of image processing technology, and relates to a fast object matching algorithm. The steps are as follows: 2 *2 mean filtering method is used for template image to construct a multi-layer image pyramid. The edge contour points of each layer of pyramid image are selected as matching feature points. The template image in the top pyramid traverses and slides to each position in the image of the area to be matched; when the difference between the template image and the image of the area to be matched is greater than the threshold value, the similarity measurement calculation of the target image is stopped, and the template image jumps to the next position to match the target image of the next position, so as to improve the speed. The features of the algorithm of the present invention adopt the acceleration strategy of integral image, which filters out most matches of non-target positions, greatly speeds up the matching time of the algorithm; uses image pyramid strategy to match from coarse to fine, reduces the complexity of the algorithm; uses stop condition judgment in matching, and shortens the matching time of the algorithm.

【技术实现步骤摘要】
一种快速物体匹配算法
本专利技术属于图像处理
，涉及一种快速物体匹配算法。
技术介绍
在日常生活中，人类通过视觉来获取外部信息，其中有80％以上信息来源于视觉感知。计算机技术的提高离不开图像信息处理理论的发展，还能帮助人类在更深层面理解现实中的事物。人们通过采集物体图像，利用计算机提取有用信息，最后实现对图像信息的处理、识别和理解，这个过程是利用计算机来代替人的视觉器官进行识别、判断、测量以及跟踪等，并由此发出了一门新的学科也即机器视觉。随着计算机科学技术的飞速进步，机器视觉逐渐应用与很多领域，并成为工业迈向自动化中的重要组成部分，提升了工业生产中的自动化技术水平。常用于批量生产过程的产品的识别和定位，质量检测，工件完整性检测以及一些不适合人类的危险环境或人眼视觉不满足要求的场合。采用视觉系统可以在很大程度上提高检测精度和效率。目标识别与定位目前是机器视觉研究中重要内容之一，能够快速准确地识别出目标物体的姿态，在推进工业自动化生产进程中有着举足轻重的作用，并且市场广阔，因此国内外学者争相开发出目标识别与定位算法，有很多视觉公司开发出视觉系统商业软件，包括日本的KEYENCE，德国的Halcon，美国的Cognex等等，这些系统软件价格比较昂贵，超出国内很多企业承受范围，因此迫切望能拥有自己的视觉核心技术。现有图像处理技术中解决物体匹配主要有四种，Blob视觉检测，直方图法，模板匹配，深度学习。Blob视觉检测针对区域检测效果比较好，但是对待测图像对比度要求比较高。直方图法结合SVM有着良好的应用场景，但是对颜色和光照比较敏感。模板匹配算法比较复杂，在速度和精度方面达到要求有点困难，但是逻辑简单。深度学习用来做图像匹配通用性很强，工程开发维护成本低，但是前期需要大量的数据集进行训练，时间成本高。本专利技术最终选择了使用模板匹配算法，因灰度模板匹配对光照很敏感，以及过于耗时，本专利技术最终使用基于几何特征的模板匹配算法，需要解决速度和精度问题。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种快速物体匹配算法来解决物体匹配中的速度和精度问题。本专利技术的技术方案：一种快速物体匹配算法，步骤如下：第一步：模板创建；1.1对模板图像采用2×2的均值滤波法来构建多层图像金字塔。1.2选取金字塔的每层图像边缘轮廓点作为匹配特征点，采用Canny自适应阈值法获取二值图，使用OpenCV中FindContours算子获取轮廓点，求取轮廓点的梯度，避免了人工设置阈值调试参数。1.3在获取轮廓点的梯度后对梯度方向向量使用归一化处理。1.4对模板的匹配特征点集进行离散排序，也即引入离群点，使得模板匹配在目标出现遮挡或者部分被隐藏的情况下也能保持很好的匹配效果。1.5对模板的轮廓点集进行旋转，以解决目标出现旋转的情况。1.6对待搜索图像进行1.1～1.3步的操作，得到待匹配区域图片。第二步，粗匹配。2.1使顶层金字塔中的模板图像在待匹配区域图片中遍历滑动，滑动到每一个位置，计算出被模板图像覆盖的目标图片的积分图像值，再与模板图像的积分图像值进行比较，设定一个阈值；目标图片是模板图像在带匹配区域图像遍历过程中被模板图像覆盖的图像。2.2当模板图像与待匹配区域图片积分图像值之差大于阈值，停止对目标图片进行相似度量计算，模板图像跳到下一个位置，与下一个位置的目标图像进行匹配，提高速度；当模板图像与待匹配区域图片积分图像值之差小于阈值，且相似度量计算的结果(匹配度)超过一定值，则记录模板图像的旋转角度和位置信息，并将此模板图像映射到下一层金字塔，进行更高精度的匹配。第三步，精匹配；3.1粗匹配得到目标在待匹配图像中像素级位置，然后在该位置附近上下左右偏移1～2个像素进行曲面拟合，得到特征点亚像素级精度坐标，并使该层金字塔中的模板图像在目标图像附近区域以亚像素精度的级别遍历滑动，得到更高精度的角度匹配和位置匹配。3.2其余底层的金字塔匹配按步骤3.1进行。本专利技术的有益效果：算法特征采用了积分图像的加速策略，过滤掉大部分无目标位置的匹配，大大的加快了算法的匹配时间；在获取梯度时采用了曲面拟合的方法，对每一个轮廓点周围8个像素点的灰度进行曲面拟合，得到了高精度的梯度；利用图像金字塔策略，进行由粗到精的匹配，减小了算法的复杂度；匹配中使用了停止条件判断，缩短了算法的匹配时间。此外，算法采用了引入离群点的方法，在有遮挡的情况下也能得到很好的匹配效果，取得了很好的效果。在实际算法测试中，在模板图像为200×200大小图像且待搜索图像大小在30万像素以内时，本文算法匹配时间基本在60ms以内，精度在0.1像素。附图说明图1是本专利技术的算法整体流程图。图2是模板创建过程。图3(a)模板图像180×180像素效果图。图3(b)模板图像三层金字塔处理效果图。具体实施方式以下结合附图和技术方案，进一步说明本专利技术的具体实施方式。一种快速物体匹配算法，主要包括模板创建和匹配算法实现。首先对模板进行创建，通过创建图像金字塔，提取轮廓获得关键点坐标，再对关键点进行快速曲面拟合获取亚像素级精度，为了解决目标出现旋转情况，本专利技术选择对模板轮廓点集进行旋转以用于后续的匹配过程实现。然后对待搜索图像同样进行梯度获取，只是不需对待搜索图像点集进行旋转。匹配算法实现过程中，本专利技术创新性的使用了积分图像策略和停止策略进行加速，并且在积分图像策略和停止策略的基础之上采用图像金字塔进行由粗到精的匹配过程。所述模板创建过程，首先，在模板创建过程中选取模板边缘轮廓点作为匹配特征，采用Canny自适应阈值法获取二值图，使用OpencvCv中FindContours算子获取轮廓，避免了人工设置阈值调试参数。图像金字塔是一种直观的以多尺度来表达结构的方式，它通过对图像采用了一系列分辨率不同表达能获得对图像的多尺度表达，选择采用2×2的均值滤波法来构建图像金字塔，一方面是计算简单，另一方面是能有效地保留边缘的细节信息，同时创建速度也比较快。在获取梯度后对梯度方向向量使用归一化处理，故度量值对任意的光照变化均具有不变性，无论是模板还是待搜索图像中出现噪声，因噪声导致的方向向量是随机的，均值处理后对求和公式没有大的影响，因此抗干扰性很强。在对点集进行相似度量算法计算之前，对模板特征点集进行离散排序，也即引入离群点，使得模板匹配在目标出现遮挡或者部分被隐藏的情况下也能保持很好的匹配效果，最后，为了解决目标出现旋转情况，本专利技术选择对模板轮廓点集进行旋转以用于后续的匹配算法过程实现。所述积分图像是一种能够利用矩阵表示来描述全局信息的方法，在积分图像中的任意一点(x,y)表示该点和原点构成的矩形内所有像素点的灰度和。在进行匹配过程中，滑动到每一个位置，进行相似度量计算之前，先计算出被模板图片覆盖的那部分目标图片的积分图像值，在与模板图片的积分图像只进行比较，设定一定阈值，如果模板图片与待匹配区域图片积分图像值之差大于阈值就跳到下一个位置进行匹配，也有效的缩短了匹配时间。因实际工况中目标图片和模板图片的灰度值受光照影响很大，故不选择它们的灰度图进行积分图像进行比较。在本专利技术中先对模板图片以及目标图片进行Canny进行处理，再对二值图进行积分图像计算，保证了算法的可行性。所述停止条件策略是指，模板图本文档来自技高网...

【技术保护点】
1.一种快速物体匹配算法，其特征在于，步骤如下：第一步：模板创建；1.1对模板图像采用均值滤波法来构建多层图像金字塔；1.2选取金字塔的每层图像边缘轮廓点作为匹配特征点，采用Canny自适应阈值法获取二值图，使用OpenCV中FindContours算子获取轮廓点，求取轮廓点的梯度；1.3在获取轮廓点的梯度后对梯度方向向量使用归一化处理；1.4对模板的匹配特征点集进行离散排序，即引入离群点；1.5对模板的轮廓点集进行旋转；1.6对待搜索图像进行1.1～1.3步的操作，得到待匹配区域图片；第二步，粗匹配；2.1使顶层金字塔中的模板图像在待匹配区域图片中遍历滑动，滑动到每一个位置，计算出被模板图像覆盖的目标图片的积分图像值，再与模板图像的积分图像值进行比较，设定一个阈值；目标图片是模板图像在带匹配区域图像遍历过程中被模板图像覆盖的图像；2.2当模板图像与待匹配区域图片积分图像值之差大于阈值，停止对目标图片进行相似度量计算，模板图像跳到下一个位置，与下一个位置的目标图像进行匹配；当模板图像与待匹配区域图片积分图像值之差小于阈值，且相似度量计算的结果超过一定值，则记录模板图像的旋转角度和位置信息，并将此模板图像映射到下一层金字塔，进行更高精度的匹配；第三步，精匹配；3.1粗匹配得到目标在待匹配图像中像素级位置，然后在该位置附近上下左右偏移1～2个像素进行曲面拟合，得到特征点亚像素级精度坐标，并使该层金字塔中的模板图像在目标图像附近区域以亚像素精度的级别遍历滑动，得到更高精度的角度匹配和位置匹配；3.2其余底层的金字塔匹配按步骤3.1进行。...

【技术特征摘要】
1.一种快速物体匹配算法，其特征在于，步骤如下：第一步：模板创建；1.1对模板图像采用均值滤波法来构建多层图像金字塔；1.2选取金字塔的每层图像边缘轮廓点作为匹配特征点，采用Canny自适应阈值法获取二值图，使用OpenCV中FindContours算子获取轮廓点，求取轮廓点的梯度；1.3在获取轮廓点的梯度后对梯度方向向量使用归一化处理；1.4对模板的匹配特征点集进行离散排序，即引入离群点；1.5对模板的轮廓点集进行旋转；1.6对待搜索图像进行1.1～1.3步的操作，得到待匹配区域图片；第二步，粗匹配；2.1使顶层金字塔中的模板图像在待匹配区域图片中遍历滑动，滑动到每一个位置，计算出被模板图像覆盖的目标图片的积分图像值，再与模板图像的积分图像值进行比较，设定一个阈值；目标图片是模板图像在带匹配区域图像遍历过程中被模板图...

【专利技术属性】
技术研发人员：程红太，刘凤玲，蒋洪飞，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21