一种基于梯度信息的匹配方法组成比例

本发明专利技术公开了一种基于梯度信息的匹配方法，包括：提取模板图像的边缘梯度信息，筛选关键点集；提取待匹配图像的边缘梯度信息；得到目标边缘点的梯度方向；获取待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点的梯度方向分别复制到其邻域内其他点上；将单个点所对应的梯度方向组成的集合记为集合A；遍历待匹配点集内所有点，得到各点的特征数，最大值记为匹配值，判断匹配值是否大于预设值，若否，匹配失败；若是，匹配值所对应的待匹配点集内具体点为匹配结果，完成待匹配图像的匹配；当待测目标存在旋转、缩放、遮挡等问题时，本方法具有准确性高，实时性好的特点。

A matching method based on gradient information

【技术实现步骤摘要】
一种基于梯度信息的匹配方法
本专利技术涉及图像定位识别
，具体涉及一种基于梯度信息的匹配方法。
技术介绍
模板匹配是根据模板图像到另一幅图像中寻找与模板图像相似的子区域的过程；在实际应用中，由于待匹配图像中的物体产生旋转、缩放、被遮挡等问题，导致模板图像和待匹配图像不能完全吻合，为了处理上述模板匹配问题，现阶段常用的处理方法是，逐角度生成一系列模板图像集，然后在模板匹配时，分别使用模板图像集中的每个图像对待匹配图像进行匹配，这种方法需要使用多个模板进行匹配，逐一比较，过程繁琐，耗时较长，大大限制了模板匹配技术的应用。
技术实现思路
使用图像梯度作为几何特征进行相似度匹配，具有抗非线性光照变化的能力、鲁棒性强，在机器视觉、目标追踪、物体识别等诸多领域有重要应用：基于图像梯度的模板匹配方法是：在模板图像中提取边缘点作为匹配的几何特征，并基于模板图像的边缘点梯度与待匹配图像各像素点梯度进行最佳相似度位置搜索，可辅助图像金字塔分层处理的方式对匹配进行加速。本专利技术提出一种基于梯度信息的匹配方法，适用于各类型图像的目标匹配、查找，特别是当待测目标存在旋转、缩放、遮挡等问题时，本方法相比于现有方法具有准确性高，实时性好的特点。具体方案如下：一种基于梯度信息的匹配方法，包括以下步骤：1)提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为关键点集；提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向，将所有待匹配图像中边缘点所组成的集合记为待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；将所述待匹配点集内的单个点所对应的原有梯度方向和复制来的梯度方向组成的集合记为集合A；2)分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与关键点集内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，标记为匹配值，判断所述匹配值是否大于预设值，若否，匹配失败；若是，匹配值所对应的待匹配点集内具体点为匹配结果，完成待匹配图像的匹配。为了防止待匹配图像的旋转、缩放对匹配结果的影响；以下方案对模板图像进行了旋转、缩放，利用多张模板图像进行匹配，检测结果不仅能够输出待匹配图像中的最佳匹配像素点的坐标位置，还能够输出待匹配图像的旋转、缩放信息；技术方案如下：一种基于梯度信息的匹配方法，包括以下步骤：1)提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向，将所有待匹配图像中边缘点所组成的集合记为待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；将所述待匹配点集内的单个点所对应的原有梯度方向和复制来的梯度方向组成的集合记为集合A；2)对模板图像进行旋转和/或缩放；得到多张模板图像，对每张模板图像进行以下处理分别获取多个模板图像与待匹配点集的匹配值：①提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为此张模板图像所对应的关键点集；②利用以下步骤计算待匹配点集内某一具体点的特征数：分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与单个模板图像所对应的关键点集内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与单个模板图像所对应的关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；③遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，标记为匹配值，判断所述匹配值是否大于预设值，若否，则匹配失败；若是，则将该匹配值进行存储；3)将所有被存储的匹配值排序，取最大值所对应的待匹配点集内具体点作为匹配结果、其对应的模板图像的旋转角度和/或缩放比例记为待匹配图像的旋转角度和/或缩放比例。进一步，为了加速匹配进程，以下方案对关键点集中的点进行分组，具体为：将步骤2)替换为：对模板图像进行旋转和/或缩放；得到多张模板图像，对每张模板图像进行以下处理获取模板图像与待匹配点集的匹配值：a)提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为此张模板图像所对应的关键点集；b)将a)得到的关键点集中梯度方向相同的点划分为同一组，得到多组点；依据组内点数量从大到小排序，依次利用单个组内点计算待匹配点集内某一具体点的特征数：分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与当前组内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与当前组内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；c)遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，判断该最大值是否大于预设值；若是，则将该最大值存储为备选值，继续利用关键点集内下一组点计算特征数，直到遍历到最后一组，将各备选值中的最大值，记为匹配值并将其存储；若否，则当前模板图像匹配失败，继续对下一张模板图像进行步骤a)～c)。进一步，筛选部分模板边缘点记为关键点集的方式为：遍历模板图像中每个模板边缘点，若当前遍历到的模板边缘点在所处的八邻域内，幅度值均大于其他模板边缘点，或，当前遍历到的模板边缘点的幅度值大于与其相邻的上下左右各模板边缘点的幅度值，则将该模板边缘点记为关键点，存储在关键点集中。进一步，根据待匹配图像采集情况，设置旋转角度的变化范围(θmin,θmax)和旋转步长θstep；缩放变化范围(αmin,αmax)和缩放步长αstep；对模板图像进行旋转和缩放；θstep＜10°；0.2≤αmin＜1、1≤αmax＜5、αstep≤0.5。优选，在进行步骤1)之前，先对模板图像和待匹配图像进行预处理，所述预处理包括：高斯滤波平滑图像边缘、剔除图像中的噪声。优选，提取边缘梯度采用Sobel算子。优选，以待匹配点集内单个点为中心点，确定邻域的方式为：以待匹配点集内单个点为中心点的八邻域。本专利技术方法适用于各类型图像的目标匹配、查找，当待测目标存在遮挡时，本方法通过将中心点的梯度方向分别复制到选区的其他边缘点处；进行了“梯度扩散”，有效避免像点被遮挡，而出现误匹配的问题；对于旋转、缩放问题时，本方法通过将待匹配图像进行旋转、缩放，适配不同情形的待匹配图像，且可以输出当前目标物的旋转角度、缩放比例；此外，本本文档来自技高网...

【技术保护点】
1.一种基于梯度信息的匹配方法，其特征在于，包括以下步骤：/n1)提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为关键点集；/n提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向，将所有待匹配图像中边缘点所组成的集合记为待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；将所述待匹配点集内的单个点所对应的原有梯度方向和复制来的梯度方向组成的集合记为集合A；/n2)分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与关键点集内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；/n遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，标记为匹配值，判断所述匹配值是否大于预设值，若否，匹配失败；若是，匹配值所对应的待匹配点集内具体点为匹配结果，完成待匹配图像的匹配。/n

【技术特征摘要】
1.一种基于梯度信息的匹配方法，其特征在于，包括以下步骤：
1)提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为关键点集；
提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向，将所有待匹配图像中边缘点所组成的集合记为待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；将所述待匹配点集内的单个点所对应的原有梯度方向和复制来的梯度方向组成的集合记为集合A；
2)分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与关键点集内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；
遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，标记为匹配值，判断所述匹配值是否大于预设值，若否，匹配失败；若是，匹配值所对应的待匹配点集内具体点为匹配结果，完成待匹配图像的匹配。


2.一种基于梯度信息的匹配方法，其特征在于，包括以下步骤：
1)提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向，将所有待匹配图像中边缘点所组成的集合记为待匹配点集；
以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；将所述待匹配点集内的单个点所对应的原有梯度方向和复制来的梯度方向组成的集合记为集合A；
2)对模板图像进行旋转和/或缩放；得到多张模板图像，对每张模板图像进行以下处理分别获取多个模板图像与待匹配点集的匹配值：
①提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向；将全部模板边缘点或筛选出的部分模板边缘点记为此张模板图像所对应的关键点集；
②利用以下步骤计算待匹配点集内某一具体点的特征数：
分别计算待匹配点集内某一点所对应的集合A内所有梯度方向与单个模板图像所对应的关键点集内某一点所对应的梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与单个模板图像所对应的关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；
③遍历待匹配点集内所有点，得到各点所对应的特征数，取最大值，标记为匹配值，判断所述匹配值是否大于预设值，若否，则匹配失败；若是，则将该匹配值进行存储；
3)将所有被存储的匹配值排序，取最大值所对应的待匹配点集内具体点作为匹配结果、其对应的模板图像的旋转角度和/...

【专利技术属性】
技术研发人员：赵进，崔鹏飞，尹仕斌，郭寅，
申请(专利权)人：易思维杭州科技有限公司，
类型：发明
国别省市：浙江;33