一种图像识别中与位置尺度无关的曲线匹配算法制造技术

本发明专利技术公开了一种图像识别中与位置尺度无关的曲线匹配算法，包括：（1）对模板曲线构建离散化的形状指标I；（2）在待匹配曲线上，遍历所有子曲线段，并采用步骤（1）中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段构建形状指标in；（3）依次计算形状指标I和in的相似度参量；（4）如果相似度参量小于等于设定的阈值，则认为对应子曲线段与模板曲线形状相同。本发明专利技术的方法通过定义曲线局部坐标系，并在此坐标系中构建曲线形状指标，使得本发明专利技术的匹配方法不受曲线平移、旋转参数的影响。

【技术实现步骤摘要】

本专利技术涉及一种图像识别方法，特别涉及一种图像识别中与位置尺度无关的曲线匹配方法。
技术介绍
在机器视觉、反求工程、自动化控制、模式识别等领域的图像识别中经常需要进行曲线的匹配和识别，将待匹配的曲线与已知的模板曲线进行匹配识别，进而实现数据拼接、目标识别、分类等目的；诸如视觉导航、姿态和三维物体图像识别等复杂问题，多数能转化为几个空间曲线的匹配识别问题。使用计算机处理此类问题，空间曲线皆以方程或有序点列的方式给出。有序点列，即为一个点集合，集合中各点的排列顺序决定着曲线的空间形态，即同样的点以不同顺序排列，构成不一样的曲线。以方程形式给出的曲线，能够方便的转化为有序点列的形式。目前，实现曲线匹配的主要方法有以下几种:空间曲线匹配的最近点迭代(ICP)算法、曲线相似矩阵匹配算法。空间曲线匹配的最近点迭代(ICP)算法具有单调收敛的优点，但对初值的选取十分敏感，并易陷入局部极值。曲线相似矩阵匹配算法，即通过计算空间曲线的局部形状标签，得到相似矩阵，检测出最优匹配段，完成匹配。如运用差分法计算曲率和挠率作为局部形状标签，构成相似矩阵，检测出最长匹配序列，作为最优匹配，但检测算法复杂度高，算法一般仅适合匹配理想曲线。在通常情况下，待匹配曲线的空间位置参数(平移、旋转)、尺度参数会与标准曲线存在较大差异，导致以上方法难以进行，因此需要一种对曲线平移旋转以及尺度无关的低复杂度曲线匹配方法。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的上述不足，提供一种图像识别中与位置尺度无关的曲线匹配方法，该方法通过定义曲线局部坐标系，并在此坐标系中定义曲线形状指标，使得不受曲线平移、旋转参数的影响。为了实现上述专利技术目的，本专利技术提供了以下技术方案: 一种图像识别中与位置尺度无关的曲线匹配方法，包括以下步骤: (1)对模板曲线构建离散化的形状指标I; (2)在待匹配曲线上，遍历所有子曲线段，并采用步骤(I)中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段构建形状指标in; (3)依次计算形状指标I和in的相似度参量；(4)如果相似度参量小于等于设定的阈值，则认为对应子曲线段与模板曲线形状相同。优选的，所述步骤(I)对模板曲线构建离散化的形状指标I，具体为: a.模板曲线的有序点列表示为T=Itp1,tp2...tpn}，其中tp^示点列中第η个点，其二维形式坐标为，由点tPl、丨?2建立局部坐标系，作为构建形状指标的坐标系，坐标系的X轴单位方向向量Vxt为:Vxt= Up^tp1)/1 tp^tpi I，坐标系的Y轴单位方向向量Vyt为Vxt逆时针旋转90度； b.将丨卩1至tpn点坐标转化为Vxt-Vyt定义的坐标系内的坐标，第i点的坐标设为，其中七口:点的坐标为； c.依次计算点列中相邻两点间的距离，并设tpjPtp i+1点间的距离为I i，计算曲线总长 L=IAl2…+Ilri，其中 I < i < n-Ι ； d.计算每点处对应的归一化弧长参数，即311=(11+吣+111_1)/1，tPi点处对应的a!=0 ;而tpn#对应的an=l ; e.构建形状指标I 为 Iia1, a2,…an;xtl, xyxtn;ytl, ynJ ο优选的，所述步骤(2)中为每个子曲线段构建形状指标in，具体为: a.计算子曲线段的总长度L'; b.计算子曲线段上指定位置处的弧长，即为X，其中a。a2，…an为所述归一化弧长参数； c.在子曲线段上，根据插值得出每个弧长对应点的空间坐标，并按照与模板曲线相同的方法构建子曲线段形状指标in。优选的，所述插值具体为在子曲线段上，把指定位置处的弧长等分η份，然后计算每个弧长处对应的点坐标。优选的，所述步骤(2)中的子曲线段遍历采用以下方法进行:设待匹配曲线由{Pl, PfPj有序点列定义，并且规定每条子曲线段中至少包含N个点，2 < N < η，则所有起始点为 P1 的子曲线为:{p I, P2…PN}，{Pi, P2…PN，PN+J，{Pi, P2…PN，.”ΡΝ+2}，......，(P1, P2…Pn,…P1J，其中，所有包含N的下标值皆小于等于η ;相同的依次写出以p2、P3…、ρη-Ν+1为起点的子曲线段，这些子曲线段即构成了最小长度为N的所有子曲线段。优选的，所述步骤(3)中的形状指标I和in的相似度计算方法为: a.计算2形状指标的差M=I_in; b.计算M的范数作为相似度参量，其中范数为一个大于等于O的数，如形状指标完全一样，则范数等于0，表示相等，即具有最大的相似度；范数越大，则表示相似度越小。优选的，所述阈值取值范围为。与现有技术相比，本专利技术的有益效果: 1.通过构建曲线局部坐标系，并在此坐标系中构建曲线形状指标，使得本专利技术的匹配方法不受曲线平移、旋转参数的影响； 2.采用有序点列定义曲线，使得能产生有限个子曲线段，进而使得本专利技术的方法不仅能够进行整体匹配，也能够实现曲线的局部匹配； 3.采用了归一化的弧长参数构建形状指标，使得本专利技术的方法能够对不同缩放尺度下的曲线进行形状匹配； 4.采用形状指标差的范数作为评价曲线间形状差异的依据，使得本专利技术的方法能够对包含噪声的曲线进行形状匹配；通过调整相似度参量阈值，即可决定曲线的匹配精度； 5.本专利技术的方法不仅适用于二维、三维曲线，也能够拓展至高维空间曲线； 6.本专利技术的方法无需使用等弧长的有序点列，因此能够根据曲线曲率情况优化离散点的选取，在保证离散后曲线质量的情况下，减少有序点列中点的数量，进而减少子曲线段的数量，提高了匹配速度。【具体实施方式】下面结合试验例及【具体实施方式】对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。本专利技术的方法中，涉及2类曲线:模板曲线、待匹配曲线。匹配，即是从待匹配曲线上寻找和定位出与模板曲线形状最接近的子曲线段(子曲线段可以等于待匹配曲线)。所有涉及的曲线，皆以有序点列定义。模板曲线的有序点列表示为T={tPl，tp2*”tpn}，其中tpn表示点列中第η个点，其二维形式坐标为;待匹配曲线的有序点列表示为C= {Pl, P2-PnI，其中？?表示点列中第η个点，其二维形式坐标为。本专利技术的方法的主要步骤为: (O构建离散化的模板曲线形状指标I; (2)在待匹配曲线上，遍历所有子曲线段，并采用步骤(I)中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段定义形状指标in; (3)依次计算I和in的相似度参量； (4)如果相似度参量小于等于设定的阈值Θ，则认为对应子曲线段与模板曲线形状相同。所述“相同”的点，是指具有相同下标的点。即在两个点列中，具有相同序号的点，这属于曲线匹配中所熟知的。以二维情况下，说明步骤(1)、(2)中的模板曲线和待匹配曲线子曲线段的形状指标构建方法。1、模板曲线: a.模板曲线的有序点列表示为T=Itp1,tp2...tpn}，其中tp^示点列中第η个点，其二维形式坐标为，由点tPl、丨?2建立局部坐标系，作为构建形状指标的坐标系，坐标系的X轴单位方向向量V本文档来自技高网...

【技术保护点】
一种图像识别中与位置尺度无关的曲线匹配方法，其特征在于，包括以下步骤：（1）对模板曲线构建离散化的形状指标I；（2）在待匹配曲线上，遍历所有子曲线段，并采用步骤（1）中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段构建形状指标in；（3）依次计算形状指标I和in的相似度参量；（4）如果相似度参量小于等于设定的阈值，则认为对应子曲线段与模板曲线形状相同。

【技术特征摘要】

【专利技术属性】
技术研发人员：王德麾，樊庆文，周莹莹，雷经发，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51