本发明专利技术提供了一种带旋转、缩放的快速高精度几何模板匹配方法，该方法基于图像边缘信息，利用模板图像的亚像素边缘点作为特征点、目标图像的梯度方向的切线方向作为特征线以及相似度量值的局部极值点，根据相似度函数由金字塔从粗到精计算模板和目标图像的相似度及候选位置；在金字塔最底层得到的像素级定位精度，利用最小二乘平差进行微调整，获得亚像素级定位精度，及更高精度的角度、尺度缩放精度。本发明专利技术的方法能针对目标图像出现位移、旋转、缩放、部分遮挡、光照明暗变化，光照不均匀、杂乱背景等都能实现快速、稳定、高精度的定位和识别，可应用于需要通过机器视觉进行目标定位和识别的场合。
【技术实现步骤摘要】
本专利技术涉及图像识别
，尤其涉及一种快速高精度几何模板匹配方法。
技术介绍
现有的模板匹配一般采用基于灰度相关的算法，以图像灰度作为匹配信息，通过计算模板图像与目标图像子区域的灰度相关系数来度量匹配度；部分算法利用边缘特征或采用广义霍夫变换进行匹配；还有一类是计算图像的不变矩，利用矩的信息进行匹配。专利文献1(中国专利公开号CN10556695A)公开了一种基于NCC(Normalized Cross Correlation)的灰度模板匹配算法；专利文献2(中国专利公开号CN100483283C)公开了一种基于机器视觉的二维定位装置，将数字相机安装在机床上，通过工件上的几何特征进行定位，实现自动对刀；专利文献3(中国专利公开号CN103235939A)公开了一种基于基准点的定位方法；专利文献4(中国专利公开号CN102034114A)公开了一种基于特征点检测的模板匹配跟踪方法；专利文献5(中国专利公开号CN102654902B)公开了一种基于轮廓向量特征的嵌入式图像匹配方法，该专利对国外相关文献和专利也做了总结和分析；专利文献6(中国专利公开号CN103793712A)公开了一种基于边缘几何特征的图像识别方法；专利文献7(中国专利公开号CN103559704A)公开了针对铁路油罐车口的视觉定位方法，通过提取罐口的椭圆边缘特征信息利用归一化梯度互相关作为相似度度量函数进行灌口定位，并利用金字塔策略加速；专利文献8(中国专利公开号CN104123542A)公开了一种轮毂工件定位的装置和方法，提出了一种基于SIFT特征及圆心特征的轮毂工件定位方法，主要利用SIFT特征的平移、旋转和尺度不变性实现模板和目标图像的匹配。聂垣等提出了一种利用角度直方图粗定位，再利用NCC精匹配的算法。许顺、胡旭光、刘锦峰提出了基于NCC、圆投影和金子塔分层策略的目标定位算法，实现了带有旋转角度的目标定位算法(许顺，机器视觉高性能模板匹配算法的研究，哈尔滨工业大学，硕士学位论文，2010；胡旭光，视觉快速定位算法的工程实现，哈尔滨工业大学，硕士学位论文，2010；刘锦峰，图像模板匹配快速算法研究，中南大学硕士学位论文，2007)。周晴提出了一种基于圆弧特征
的工件定位方法，通过最长圆弧基于实现粗定位，再利用剩余基元间的相对距离完成最终的匹配(周晴，基于几何基元的实时匹配与定位技术的研究与开发，江南大学硕士学位论文，2013)。王珂提出了一种基于有向点和有向线段的图像匹配方法，通过定义有向点和有向线段及相似度度量函数，并通过像素级的粗匹配、亚像素的精匹配实现准确定位(王珂，基于有向点和有向线段的图像匹配算法研究，华中科技大学博士学位论文，2013)。倪健提出了一种基于轮廓梯度方向和强度的目标定位识别算法，也采用金字塔策略加速。本专利技术人在论文《基于几何特征的快速模板匹配算法》及《基于边缘几何特征的高性能模板匹配算法》中给出了基于几何特征的目标定位算法的基本思想。国外的机器视觉软件例如康耐视的VisionPro、MVtec的Halcon、Hexsight、MIL等都具有几何特征目标定位算法，但这些技术都掌握在国外企业手中，随着我国智能制造及机器人技术的发展，亟需掌握高性能的机器视觉核心算法。基于灰度相关的模板匹配算法以图像灰度信息直接进行匹配，如专利文献1和聂垣、许顺、胡旭光、刘锦峰等方法，原理简单、实现容易，处理速度快，但抗干扰性差、对于非线性关照和部分遮挡不能很好地处理；部分基于边缘特征的方法处理速度慢，无法处理目标存在缩放的情况，精度也不够高；利用图像不变矩的方法，处理速度慢，且提取的不变矩有限，稳定性不高，对应图像出现部分遮挡时匹配不够理想，抗干扰性差。专利文献2、专利文献3、专利文献7、专利文献8等利用图像中的几何特征点进行特定行业或特定应用中的目标定位，技术的通用性较差，且专利文献8采用的SIFT特征对于无纹理物体的识别率会大幅降低，SIFT特征也很难达到检测的实时性。专利文献6公开的方法边缘特征在二值图像上提取，无法得到亚像素的边缘，通过能量值进行目标定位，都造成定位的精度较差，算法也无法给出目标的尺度变化参数。周晴的方法只使用特征明显的圆弧作为匹配对象具有一定的局限性。王珂提出的方法虽然精度较高，但处理大旋转角度目标定位时耗时过长。其它公开的基于几何特征的目标定位方法大部分只能给出像素精度的位置信息，部分方法能给出旋转角度参数，对于如何计算亚像素精度的位置坐标及缩放因子，在上述资料中均未公开。
技术实现思路
本专利技术的目的在于提供一种基于图像边缘信息的高速、高精度模板匹配定位方法，该方法能同时输出模板图像在目标图像中亚像素精度的位置、旋转角
度和缩放比例因子，针对目标图像出现位移、旋转、缩放、部分遮挡、光照明暗变化，光照不均匀、杂乱背景等都能实现快速、稳定、高精度的定位和识别。本专利技术可以应用于需要通过机器视觉进行目标定位和识别的场合：如机器人引导、半导体封装、电子制造、自动化装配、产品视觉检测、视觉测量、视频跟踪等领域。为达上述目的，本专利技术通过以下技术方案实现：一种带旋转、缩放的快速高精度几何模板匹配方法，包括以下步骤：步骤1：输入图像，包括模板图像和目标图像；步骤2：对图像进行预处理；步骤3：图像金字塔分层；步骤4：模板图像金字塔各层亚像素边缘点及梯度方向提取，目标图像金字塔各层梯度方向提取；步骤5：根据上述梯度方向计算模板图像和目标图像相似度量值，逐步求精得到相似度量值的局部极值点；步骤6：利用模板图像的亚像素边缘点作为特征点、目标图像的梯度方向的切线方向作为特征线以及相似度量值的局部极值点，根据相似度函数由金字塔从粗到精计算模板和目标图像的相似度及候选位置；步骤7：在金字塔最底层得到的像素级定位精度，利用最小二乘平差进行微调整，获得亚像素级定位精度，及更高精度的角度、尺度缩放精度；步骤8：得到目标图像中模板的坐标、角度和缩放因子。作为本专利技术的进一步改进，使用旋转矩形、圆形、椭圆、圆环、多边形中任一种工具来选择图像中几何特征较为明显的区域作为模板图像。作为本专利技术的进一步改进，输入图像时，所述预处理为采用均值滤波或中值滤波对目标图像中的噪声进行去噪。作为本专利技术的进一步改进，所述预处理包括对模板图像进行预处理，其中预处理算法为边缘保持的图像滤波算法，即在去噪的同时保持原始特征边缘位置，将滤波造成的匹配精度影响减小。作为本专利技术的进一步改进，所述步骤4具体为：在金字塔每层进行利用曲面拟合的方式进行边缘梯度计算，计算出图像的梯度后，再对图像进行阈值判断和极大值抑制得到像素级的边缘位置，然后在边缘点3×3邻域内的梯度值进行曲面拟合，根据梯度方向建立一个垂直于图像的平面，利用该平面与拟合曲面的交线计算出亚像素精度的边缘点。作为本专利技术的进一步改进，所述利用最小二乘平差进行微调整具体为：边缘点梯度方向的垂直方向即为边缘在该点的切线方向，将模板图像得到的亚像素边缘点作为特征点，将过目标图像边缘点的切线作为特征线，通过图像金字塔算法逐步求精的过程特征点和特征线的对应关系已基本确定，则模板匹配求亚像素坐标、角度、缩放的微调整问题可转化为一个非线性最小二乘平差的问
题来求解。作为本专利技术的进一步改进，本文档来自技高网...
【技术保护点】
一种带旋转、缩放的快速高精度几何模板匹配方法，其特征在于：所述方法包括以下步骤：步骤1：输入图像，包括模板图像和目标图像；步骤2：对图像进行预处理；步骤3：图像金字塔分层；步骤4：模板图像金字塔各层亚像素边缘点及梯度方向提取，目标图像金字塔各层梯度方向提取；步骤5：根据上述梯度方向计算模板图像和目标图像相似度量值，逐步求精得到相似度量值的局部极值点；步骤6：利用模板图像的亚像素边缘点作为特征点、目标图像的梯度方向的切线方向作为特征线以及相似度量值的局部极值点，根据相似度函数由金字塔从粗到精计算模板和目标图像的相似度及候选位置；步骤7：在金字塔最底层得到的像素级定位精度，利用最小二乘平差进行微调整，获得亚像素级定位精度，及更高精度的角度、尺度缩放精度；步骤8：得到目标图像中模板的坐标、角度和缩放因子。
【技术特征摘要】
1.一种带旋转、缩放的快速高精度几何模板匹配方法，其特征在于：所述方法包括以下步骤：步骤1：输入图像，包括模板图像和目标图像；步骤2：对图像进行预处理；步骤3：图像金字塔分层；步骤4：模板图像金字塔各层亚像素边缘点及梯度方向提取，目标图像金字塔各层梯度方向提取；步骤5：根据上述梯度方向计算模板图像和目标图像相似度量值，逐步求精得到相似度量值的局部极值点；步骤6：利用模板图像的亚像素边缘点作为特征点、目标图像的梯度方向的切线方向作为特征线以及相似度量值的局部极值点，根据相似度函数由金字塔从粗到精计算模板和目标图像的相似度及候选位置；步骤7：在金字塔最底层得到的像素级定位精度，利用最小二乘平差进行微调整，获得亚像素级定位精度，及更高精度的角度、尺度缩放精度；步骤8：得到目标图像中模板的坐标、角度和缩放因子。2.根据权利要求1所述的方法，其特征在于：使用旋转矩形、圆形、椭圆、圆环、多边形中任一种工具来选择图像中几何特征较为明显的区域作为模板图像。3.根据权利要求1所述的方法，其特征在于：输入图像时，所述预处理为采用均值滤波或中值滤波对目标图像中的噪声进行去噪。4.根据权利要求1所述的方法，其特征在于：所述预处理包括对模板图像进行预处理，其中预处理算法为边缘保持的图像滤波算法，即在去噪的同时保持原始特征边缘位置，将滤波造成的匹配精度影响减小。5.根据权利要求1所述的方法，其特征在于：所述步骤4具体为：在金字塔每层进行利用曲面拟合的方式进行边缘梯度计算，计算出图像的梯度后，再对图像进行阈值判断和极大值抑制得到像素级的边缘位置，然后在边缘点3×3邻域内的梯度值进行曲面拟合，根据梯度方向建立一个垂直于图像的平面，利用该平面与拟合曲面的交线计算出亚像素精度的边缘点。6.根据权利要求1所述的方法，其特征在于：所述利用最小二乘平差进行微调整具体为：边缘点梯度方向的垂直方向即为边缘在该点的切线方向，将模板图像得到的亚像素边缘点作为特征点，将过目标图像边缘点的切线作为特征线，通过图像金字塔算法逐步求精的...
【专利技术属性】
技术研发人员：吴晓军，邹广华，王鑫欢，
申请(专利权)人：吴晓军，
类型：发明
国别省市：广东;44
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。