当前位置: 首页 > 专利查询>南京大学专利>正文

一种基于圆投影的快速图像匹配方法组成比例

技术编号:21894594 阅读:37 留言:0更新日期:2019-08-17 15:34
一种基于圆投影的快速图像匹配方法,首先利用圆的各向同性和投影特征,将二维灰度图像转换为一维旋转不变性的表示形式,使用原始均值投影和方差投影相结合的混合圆投影计算子图特征向量,并对模板和搜索子图分别计算出来的混合圆投影向量使用归一化相关系数计算匹配相似度;然后,使用图像金字塔技术进行加速,使用顶层局部聚类和逐层候选点筛选,确定目标位置;最后,对得到的匹配目标,使用环形移动和角度直方图估计,计算出匹配目标的旋转角度,完成对目标的匹配。本发明专利技术方法的旋转估计优于其他同类方法,且可以在旋转、偏移、光照变化场景图像中获得准确、鲁棒的结果。各种实验结果表明,本发明专利技术方法适用于工业场景中的图像匹配。

A Fast Image Matching Method Based on Circular Projection

【技术实现步骤摘要】
一种基于圆投影的快速图像匹配方法
本专利技术属于计算机机器视觉
,用于对图像中的物体进行匹配,具体为一种快速的基于圆投影的图像匹配方法。
技术介绍
模板匹配是基于已知的模板在待匹配图中找到最佳匹配位置的过程,是数字图像处理中一个重要内容,已广泛应用于工业对位、目标检测识别、跟踪等。近年来模板匹配研究已经有一些有效的算法(如文献[1])。但现有的模板匹配过程大多将模板与场景图像进行卷积,计算模板与场景图像之间的相似度以确定位置(如文献[2])。由于相关性的计算量很大,因此需要低成本的相关性算法进行实时处理,文献[3]中提出了大量相关类型的算法。这些方法大多分为两类:1)对模板和场景图像都使用图像金字塔,并通过自顶向下搜索来执行匹配(如文献[4]);2)采用两次搜索算法,在第一次搜索过程中使用亚模板在粗网格中搜索,第二次在先前发现的候选点附近搜索更好的匹配(如文献[5])。但是,当检测目标发生旋转时,以上算法将不再有效。近年来国内外学者相继提出了一些可以任意旋转的方法。Lowe(文献[6])提出了一种尺度不变特征变换(SIFT),它利用检测区域的梯度分布,具有缩放和旋转不变性,但是当图像特征点过少或出现重复结构时,基于SIFT的匹配容易失败,且运算量大。文献[7]提出一种将SIFT和旋转不变LBP结合的图像匹配方法,提高了运算速度,但是当图像细节纹理过多时,该算法匹配性能将显著降低。基于圆投影的旋转不变性,Tang(文献[8])提出了用圆的各向同性和投影特征进行任何角度匹配,但原始的圆投影匹配计算量较大。后续不断有学者对圆投影算法改进。Tsai(文献[9])使用环形投影技术表示多通道图像中的模板,通过计算彩色环形投影信息之间的NCC来快速选择候选模板,然后通过旋转模板来估计旋转。为了减少计算复杂度,文献[10]使用了一种快速检测到相似候选项的消除策略。文献[11]将原始圆投影向量改进,使得改进后的圆投影匹配算法对光照、噪声、对比度变化有更好的鲁棒性。文献[12]提出了两阶段匹配方法,利用第一阶段环形投影的矢量和选择候选点,然后对第一阶段存留的候选点使用旋转不变属性进行Zernike矩模板匹配。文献[14]将圆投影和序贯相似性检测结合起来,通过跳跃大量匹配点,减少非匹配点的计算量。文献[15]提出了一种扩展的圆投影算法(ExtendedRPT,E-RPT),通过添加辅助点约束的方法来有效提高匹配精度。但是上述算法忽略了圆投影向量本身对于同质区域无法识别的问题,同时具有计算复杂度较高、识别率较低等缺点。参考文献[1]Zitová,B.;Flusser,J.Imageregistrationmethods:Asurvey.ImageVis.Comput.2003,21,977–1000.[2]J.K.Aggarwal,L.S.Davis,W.N.Martin,Correspondenceprocessindynamicsceneanalysis,ProcIEEE69(5)(1981)562}572.[3]J.P.Secilla,N.Garcia,Templatelocationinnoisypictures,SignalProcess.14(1987)347}361.[4]Tanimoto,S.L.Templatematchinginpyramids.Comput.Graph.ImageProcess.1981,16,356–369.[5]A.Rosenfeld,A.Kak,DigitalImageProcessing,2ndEdition,Vol.2,AcademicPress,Orlando,1982.[6]Lowe,D.G.Distinctiveimagefeaturesfromscale-invariantkeypoints.Int.J.Comput.Vis.2004,60,91–110.[7]郑永斌,黄新生,丰松江.SIFT和旋转不变LBP相结合的图像匹配算法[J].计算机辅助设计与图形学学报,2010,22(2):286-292.[8]Tang,Y.Y.;Cheng,H.D.;Suen,C.Y.Transformation-ring-projection(TRP)algorithmanditsVLSIimplementation.Int.J.PatternRecogn.Artif.Intell.1991,5,25–56.[9]Tsai,D.-M.;Tsai,Y.-H.Rotation-invariantpatternmatchingwithcolorring-projection.PatternRecogn.2002,35,131–141.[10]Lee,W.-C.;Chen,C.-H.Afasttemplatematchingmethodwithrotationinvariancebycombiningthecircularprojectiontransformprocessandboundedpartialcorrelation.IEEESignalProcess.Lett.2012,19,737–740.[11]徐亦斌,王敬东,李鹏.基于圆投影向量的景象匹配方法研究[J].系统工程与电子技术,2005,27(10).[12]M.S.ChoiandW.Y.Kim,“Anoveltwostagetemplatematchingmethodforrotationandilluminationinvariance,”PatternRecognit.,vol.35,pp.119–129,2002.[13]Sassanapitak,S.;Kaewtrakulpong,P.Anefficienttranslation-rotationtemplatematchingusingpre-computedscoresofrotatedtemplates.InProceedingsofthe6thInternationalConferenceonElectricalEngineering/Electronics,Computer,TelecommunicationsandInformationTechnology(ECTI-CON2009),Pattaya,Chonburi,Thailand,6–9May2009;pp.1040–1043.[14]贾晓芬,赵佰亭,周孟然,etal.采用圆投影和序贯相似检测的图像匹配技术[J].哈尔滨商业大学学报(自然科学版),2015(2).[15]于辉,张忠秋,何周灿.用于任意旋转角度景象匹配的圆投影算法[J].计算机工程与应用,2011,47(5):172-174.
技术实现思路
本专利技术要解决的问题是:传统基于灰度的图像匹配算法计算量大、不抗旋转;现有基于圆投影的匹配方法抗旋转,但是计算量大、匹配精度不高、对同质区域无法识别,在机器视觉领域需要做到实时性和效率的兼容,同时需要识别旋转目标。本专利技术的技术方案为:一种基于圆投影的快速图像匹配方法,对任意大小样本图像,提取圆形模板,利用混合圆投影算法将二维图像转换到一维向量,以快速提取图像特征用于图像匹配,具体为:对选定的本文档来自技高网
...

【技术保护点】
1.一种基于圆投影的快速图像匹配方法,其特征是对任意大小样本图像,提取圆形模板,利用混合圆投影算法将二维图像转换到一维向量,以快速提取图像特征用于图像匹配,具体为:对选定的圆形模板图像,首先进行金字塔分解,将其降采样到指定层,然后使用混合圆投影变换计算出每一层模板的混合圆投影向量,并确定每一层的得分阈值;对待检测图像,首先进行金字塔分解,降采样到指定层,并从图上依次选择搜索子图,搜索子图为圆形,和降采样后的模板尺寸一致,并计算搜索子图的混合圆投影向量,然后对降采样后的模板和搜索子图的混合圆投影向量使用NCC算法计算相似度得分,得到某点所在子图对应的得分,结合阈值的局部聚类算法对得到的点过滤,逐层扩大搜索,使用非极大值抑制算法得到目标匹配位置,最后使用角度直方图估计策略得到目标的旋转角度,完成旋转目标的匹配。

【技术特征摘要】
1.一种基于圆投影的快速图像匹配方法,其特征是对任意大小样本图像,提取圆形模板,利用混合圆投影算法将二维图像转换到一维向量,以快速提取图像特征用于图像匹配,具体为:对选定的圆形模板图像,首先进行金字塔分解,将其降采样到指定层,然后使用混合圆投影变换计算出每一层模板的混合圆投影向量,并确定每一层的得分阈值;对待检测图像,首先进行金字塔分解,降采样到指定层,并从图上依次选择搜索子图,搜索子图为圆形,和降采样后的模板尺寸一致,并计算搜索子图的混合圆投影向量,然后对降采样后的模板和搜索子图的混合圆投影向量使用NCC算法计算相似度得分,得到某点所在子图对应的得分,结合阈值的局部聚类算法对得到的点过滤,逐层扩大搜索,使用非极大值抑制算法得到目标匹配位置,最后使用角度直方图估计策略得到目标的旋转角度,完成旋转目标的匹配。2.根据权利要求1所述的一种基于圆投影的快速图像匹配方法,其特征是求取图像混合圆投影向量的具体步骤为:1)原始均值投影向量P(r)如下式所示:其中,n(r)为半径为r的圆周上的像素个数,T(r,θ)为模板图上对应半径r和旋转角度θ的点的灰度值,R为选定圆形模板的半径;2)方差投影σ(r)定义如下:其中,T(r,θ)为模板图上对应点的灰度值;n(r)为半径为r上的圆周上的像素个数;3)结合原始均值投影(1)和方差投影(2),计算模板图和搜索子图的混合投影向量Hp(r)、Hs(r)分别定义如下:Hp(r)=ωm×Pp(r)+ωσ×σp(r)(3)Hs(r)=ωm×Ps(r)+ωσ×σs(r)(4)其中,ωm、ωσ分别为均值投影和方差投影的权重因子。3.根据权利要求1所述的一种基于圆投影的快速图像匹配方法,其特征是相似度计算具体为:其中,Hp(r)、Hs(r)分别是模板图和搜索子图的混合圆投影向量,分别是模板图和搜索子图Rmax~Rmin范围内混合圆投影的平均值;Rmax、Rmin分别是计算相似度时选择的外环和内环大小;得到的相似度f在-1到1之间。4.根据权利要求1所述的一种基于圆投影的快速图像匹配方法,其特征是图像金字塔分解具体为:3.1)将图像降采样到给定层,使用缩小后的待检测图像和缩小后的模板进行顶层局部聚类算法,得到若干个候选点,其基本思想是:将候选点按照位置分成若干个团簇,每个团簇内的候选点拥有同一个簇编号,不同簇彼此不相邻,具体流程为:3.1.1)构建一个和待检测图像大小相同的掩码图mask,mask用于存储候选点所在团簇编号,以及团簇相关信息的hash_table,hash_table用于存储簇内最相似点的位置和相应的相似度,最相似度点即簇心;3.1.2)计算某点P所在子图与模板的相似度T...

【专利技术属性】
技术研发人员:曹田李勃任福继张绳富许洲刘敏张思瑶
申请(专利权)人:南京大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1