基于边缘方向和梯度特征的图像匹配方法组成比例

本申请提供一种基于边缘方向和梯度特征的图像匹配方法，其包括：对离线模板图像进行训练，具体为：确定高低阈值参数，对模板图像去噪；确定模板图像金字塔层数和各层的旋转角度步长；扩展模板图像并进行图像金字塔变化；扩展模板图像金字塔中各层图像；对扩展图像进行0角度特征提取；旋转金字塔中各层图像的特征；利用训练后的离线模板图像对在线待测图像进行匹配，具体为：对待测图像进行图像扩展；对扩展后的待测图像进行图像金字塔变化；对金字塔中最高层图像进行粗匹配；对粗匹配后的待测图像进行精匹配；对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分。本申请能够快速、精确地进行图像匹配。

Image matching method based on edge direction and gradient feature

【技术实现步骤摘要】
基于边缘方向和梯度特征的图像匹配方法
本申请属于图像处理
，具体涉及一种基于边缘方向和梯度特征的图像匹配方法。
技术介绍
图像匹配，是指根据模板图像所包含的颜色、纹理、形状或它们的组合特征等信息，在待测图像中寻找与模板图像相同或相似的图像区域的过程。图像匹配技术广泛应用于工业自动化领域中的目标产品定位和表面缺陷检测等、医学领域中的图像结构信息融合、遥感图像领域中的多电磁波段图像信息融合以及机器视觉领域中的字符识别和运动追踪等。根据图像匹配的基本原理，图像匹配算法主要分为以下三类：基于灰度的匹配算法、基于特征的匹配算法和基于关系的匹配算法。其中，基于灰度的匹配算法主要是计算模板图像与待测图像的灰度值相似度。这种匹配算法具有匹配方法简单，匹配精度较高的特点，但是其需要处理的数据量大，计算复杂，很难达到实时匹配的要求；另外，其对噪声较为敏感，当外界条件发生变化或目标图像出现缺损、遮挡等都会对匹配精度产生较大的影响。基于特征的匹配算法首先提取模板图像的特征，然后生成特征描述子，最后根据描述子的相似程度对模板图像和待测图像进行匹配。这种匹配算法所提取的特征主要是点特征、边缘特征和区域特征等；其中，区域特征的提取耗时且复杂，商用较少。基于关系的匹配算法主要应用在人工智能领域的图像处理中，这种匹配算法的进展缓慢。在工业环境图像匹配中，待测图像容易受光照强度变化的影响，也会因为环境问题出现模糊图像，同时待测图像的自遮挡和互遮挡、图像噪声、图像的位置变化(平移和旋转)等，使图像匹配结果精度不高、正确率低、速度不够快、稳定性差。
技术实现思路
为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种基于边缘方向和梯度特征的图像匹配方法。根据本申请实施例的第一方面，本申请提供了一种基于边缘方向和梯度特征的图像匹配方法，其包括以下步骤：对离线模板图像进行训练；利用训练后的离线模板图像对在线待测图像进行匹配；所述对离线模板图像进行训练的过程为：确定高低阈值参数，并对模板图像进行去噪处理；确定模板图像金字塔层数和模板图像金字塔各层的旋转角度步长；对模板图像进行扩展并对扩展后的模板图像进行图像金字塔变化；对模板图像金字塔中各层图像进行扩展；对模板图像金字塔中各层图像的扩展图像进行0角度特征提取；对提取的金字塔中各层图像的特征进行旋转；所述利用训练后的离线模板图像对在线待测图像进行匹配的过程为：对待测图像进行图像扩展；对扩展后的待测图像进行图像金字塔变化；对扩展后的待测图像的金字塔中最高层图像进行粗匹配；对粗匹配后的待测图像进行精匹配；对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分。上述基于边缘方向和梯度特征的图像匹配方法中，所述对离线模板图像进行训练的过程还包括对旋转变换后的特征信息进行记录；所述特征信息包括特征的坐标、X和Y方向梯度以及梯度的模。进一步地，所述确定模板图像的金字塔层数的具体过程为：首先，根据模板图像的宽和高，通过下式计算得到模板图像扩展后的长：Length＝2i＞MAX(ImgWidth,ImgHeight)，式中，i为整数，且i≥4；ImgWidth表示模板图像的宽，ImgHeight表示模板图像的高，Length表示模板图像扩展后的长，模板图像扩展后得到的图像为正方形，其宽和高均等于模板图像扩展后的长Length；；其次，根据模板图像扩展后的长Length，通过下式初步计算得到图像金字塔的层数NumLevels，最后，判断模板图像金字塔的各层图像的特征点数目是否小于或等于预设特征点数目阈值；如果模板图像金字塔中第N+1层图像的特征点数目小于或等于预设特征点数目阈值，第N层图像的特征点数目大于预设特征点数目阈值，且第N层图像的特征点数目是第0～N层图像的特征点数目中最少的，则将模板图像金字塔的层数确定为N层；采用下式确定模板图像金字塔中各层图像的旋转角度步长：AngleStepr＝user_AngleStep*2r,r＝0,1,2,…,NumLevels，式中，user_AngleStep表示用户设定的旋转角度步长。上述基于边缘方向和梯度特征的图像匹配方法中，所述对提取的金字塔中各层图像的特征进行旋转，旋转变换后的特征信息为：式中，(x′,y′)表示旋转后特征点的坐标，Gx′和Gy′表示旋转后特征点沿着X和Y方向的梯度值，Gm′表示旋转后特征点处方向梯度的模，θ表示旋转角度；(x0,y0)表示旋转前特征点的坐标，Gx和Gy表示旋转前特征点沿着X和Y方向的梯度值，Gm表示旋转前特征点处方向梯度的模。上述基于边缘方向和梯度特征的图像匹配方法中，所述对扩展后的待测图像的金字塔中最高层图像进行粗匹配的过程为：首先，提取待测图像的金字塔中最高层图像的待搜索区域中的图像特征；其中，待搜索区域为待测图像的金字塔中最高层图像的边界减去相应扩展区域；其次，将模板图像的金字塔中最高层的图像特征与待测图像的金字塔中最高层图像的特征进行相似性度量计算，得到所有可能的匹配点位置、角度和匹配得分。进一步地，所述将模板图像的金字塔中最高层的图像特征与待测图像的金字塔中最高层图像的特征进行相似性度量计算，得到所有可能的匹配点位置、角度和匹配得分中，进行相似性度量计算时采用的相似性度量公式为：式中，n表示模板图像该金字塔层某角度下特征点的总数目，分别表示模板图像在特征点i处沿着X和Y方向的梯度值，和分别表示待测图像在特征点(u+Xi，v+Yi)处沿着X和Y方向的梯度值；表示模板图像在特征点i处的方向梯度的模，表示待测图像在特征点(u+Xi，v+Yi)处的方向梯度的模，即式中，score表示模板图像与待测图像的搜索区域的相似度，score取值0～1；当score＝1时，表示模板图像与待测图像的搜索区域完全匹配，score值越大，匹配度越高，说明模板图像与待测图像的搜索区域越相似。更进一步地，所述相似性度量的加速终止条件为：式中，scorem表示m(m≤n)个特征点的相似度之和，式中，m表示已计算的模板图像特征点数目；smin表示用户设定的最小匹配得分；g表示用户设定的贪婪数，取值范围是0～1；k表示用户设定的最小匹配得分smin的系数，k的取值范围为0～1；如果scorem满足相似性度量的加速终止条件，则剩下(n-m)个特征点的相似度不再进行计算，在当前位置处终止相似性度量计算。上述基于边缘方向和梯度特征的图像匹配方法中，所述对粗匹配后的待测图像进行精匹配的过程为：利用匹配的两点位置之间的质心距离剔除重复位置；在待测图像非金字塔最高层筛选出匹配位置，并将匹配结果传递到下一层，直至待测图像的原始图像层；在待测图像的原始图像层，采用四领域方法做亚像素匹配定位。上述基于边缘方向和梯度特征的图像匹配方法中，所述对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分的具体过程为：根据用户给定的最低分值筛选出所有可能的匹配目标；将匹配目标按照分值从大到小的顺序进行冒泡法排序；根据用户给定的匹配个数，剔除多余选项，输出待测图像中待匹配目标的坐标、角度和匹配得分。根据本申请实施例的第二方面，本申请还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任本文档来自技高网...

【技术保护点】
1.一种基于边缘方向和梯度特征的图像匹配方法，其特征在于，包括以下步骤：对离线模板图像进行训练；利用训练后的离线模板图像对在线待测图像进行匹配；所述对离线模板图像进行训练的过程为：确定高低阈值参数，并对模板图像进行去噪处理；确定模板图像金字塔层数和模板图像金字塔各层的旋转角度步长；对模板图像进行扩展并对扩展后的模板图像进行图像金字塔变化；对模板图像金字塔中各层图像进行扩展；对模板图像金字塔中各层图像的扩展图像进行0角度特征提取；对提取的金字塔中各层图像的特征进行旋转；所述利用训练后的离线模板图像对在线待测图像进行匹配的过程为：对待测图像进行图像扩展；对扩展后的待测图像进行图像金字塔变化；对扩展后的待测图像的金字塔中最高层图像进行粗匹配；对粗匹配后的待测图像进行精匹配；对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分。

【技术特征摘要】
1.一种基于边缘方向和梯度特征的图像匹配方法，其特征在于，包括以下步骤：对离线模板图像进行训练；利用训练后的离线模板图像对在线待测图像进行匹配；所述对离线模板图像进行训练的过程为：确定高低阈值参数，并对模板图像进行去噪处理；确定模板图像金字塔层数和模板图像金字塔各层的旋转角度步长；对模板图像进行扩展并对扩展后的模板图像进行图像金字塔变化；对模板图像金字塔中各层图像进行扩展；对模板图像金字塔中各层图像的扩展图像进行0角度特征提取；对提取的金字塔中各层图像的特征进行旋转；所述利用训练后的离线模板图像对在线待测图像进行匹配的过程为：对待测图像进行图像扩展；对扩展后的待测图像进行图像金字塔变化；对扩展后的待测图像的金字塔中最高层图像进行粗匹配；对粗匹配后的待测图像进行精匹配；对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分。2.根据权利要求1所述的基于边缘方向和梯度特征的图像匹配方法，其特征在于，所述对离线模板图像进行训练的过程还包括对旋转变换后的特征信息进行记录；所述特征信息包括特征的坐标、X和Y方向梯度以及梯度的模。3.根据权利要求1或2所述的基于边缘方向和梯度特征的图像匹配方法，其特征在于，所述确定模板图像的金字塔层数的具体过程为：首先，根据模板图像的宽和高，通过下式计算得到模板图像扩展后的长：Length＝2i＞MAX(ImgWidth,ImgHeight)，式中，i为整数，且i≥4；ImgWidth表示模板图像的宽，ImgHeight表示模板图像的高，Length表示模板图像扩展后的长，模板图像扩展后得到的图像为正方形，其宽和高均等于模板图像扩展后的长Length；其次，根据模板图像扩展后的长Length，通过下式初步计算得到图像金字塔的层数NumLevels，最后，判断模板图像金字塔的各层图像的特征点数目是否小于或等于预设特征点数目阈值；如果模板图像金字塔中第N+1层图像的特征点数目小于或等于预设特征点数目阈值，第N层图像的特征点数目大于预设特征点数目阈值，且第N层图像的特征点数目是第0～N层图像的特征点数目中最少的，则将模板图像金字塔的层数确定为N层；采用下式确定模板图像金字塔中各层图像的旋转角度步长：AngleStepr＝user_AngleStep*2r,r＝0,1,2,…,NumLevels，式中，user_AngleStep表示用户设定的旋转角度步长。4.根据权利要求1或2所述的基于边缘方向和梯度特征的图像匹配方法，其特征在于，所述对提取的金字塔中各层图像的特征进行旋转，旋转变换后的特征信息为：式中，(x′,y′)表示旋转后特征点的坐标，Gx′和Gy′表示旋转后特征点沿着X和Y方向的梯度值，Gm′表示旋转后特征点处方向梯度的模，θ表示旋转角度；(x0,y0)表示旋转前特征点的坐标，Gx和Gy表示旋转前特征点沿着X和Y方向的梯度值，Gm表示旋转前特征点处方向梯度的模。5.根据...

【专利技术属性】
技术研发人员：杨跞，朱小生，李兵，张根雷，李法设，
申请(专利权)人：中科新松有限公司，
类型：发明
国别省市：上海,31