一种基于sift算法的青铜器金文图像识别方法技术

本发明专利技术公开了一种基于sift算法的青铜器金文图像识别方法，首先，利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；然后，利用改进的sift特征提取算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；最后，利用向量夹角余弦值的匹配方法对步骤二得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。由于采用改进的sift特征提取算法，通过降维降低了运算复杂度，实时性得到大幅提升，在匹配准确率及时间复杂度上明显优于传统方法，更适于进行青铜器金文图像识别匹配。提高了金文图像匹配值的精度，降低了时间复杂度，能有效地识别金文图像。

A bronze image recognition method based on SIFT algorithm

【技术实现步骤摘要】
一种基于sift算法的青铜器金文图像识别方法
本专利技术属于数字图像处理
，特别涉及一种基于sift算法的青铜器金文图像识别方法。
技术介绍
对于青铜器金文的研究，属于古文字学的一项重要内容。只有按照古文字学的科学的研究手段，具体地研究青铜器铭文在各历史阶段之字形特点、修辞、语句、文法的习惯及其演化过程，才能较深刻的理解此种文字。简而言之，释读青铜器铭文要求研究者具有广博的知识基础和训练，是一项极具挑战的任务。sift算法采用一种基于尺度空间的、对图像缩放、旋转甚至仿射保持不变性的图像局部特征描述算子提取特征点，在图像处理领域应用普遍。随着计算机视觉的发展，基于图像特征点的配准方法是目前图像匹配技术的主流方向和发展趋势。因此，国内外针对特征点的提取提出了很多算法。2006年HerbertBay等人提出了SURF算法，2011年StefanLeutenegger等人提出的BRSIK算法，EthanRuble等人提出的0RB算法，以及AlexandreAlahi等人提出的FREAK算法，以上四种算法，在时间复杂度上均优于sift算法，但sift算法之所以仍被广泛应用，是由于其算法的精确性在普遍情况下要优于其他算法。国内一些研究者乜提出了许多特征点检测算法，杨幸芳提出了一种基于USN的特征检测算法，王立中等人专利技术了一种基于图像分块的多尺度Harris特征检测算法，这些新的方法在耗时上要低于原sift算法，但精确度上不如原sift算法。基于此类原因，为了寻求一种保证精确性的情况下减小时间复杂度的算法，是申请人研究青铜器金文图像识别的课题之一。
技术实现思路
针对上述sift算法存在的缺陷或不足，本专利技术的目的在于，提供一种基于改进的sift算法的青铜器金文图像识别方法，该方法通过构建圆形分区的特征描述符，降低特征向量维数，最后构造sift特征描述符，计算多幅图像中对应特征点描述子的余弦相似度，来进行图像的识别匹配。以提高搜索效率和匹配精度。为了实现上述任务，本专利技术采取如下的技术解决方案：一种基于改进的sift算法的青铜器金文图像识别方法，其特征在于，包括以下步骤：步骤一，利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；步骤二，利用改进的sift特征提取算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；步骤三，利用向量夹角余弦值的匹配方法对步骤二得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。根据本专利技术，步骤一所述的图像分割方法是，对青铜器金文拓片图像进行自动阈值二值化处理，寻找该行中黑色像素点大于某一设定阈值的所有行和列，进行图像分割处理，采集得到青铜器金文拓片图像数据。进一步地，步骤二所述的利用改进的sift特征提取算法进行识别匹配的步骤如下：a)首先以特征点作为中心，提取一个半径为8的同心圆环区域作为特征点邻域范围，以两个像素为单位，半径依次递减，把特征点邻域划分为4个单位的同心圆，每个格子代表一个像素点；以同心圆的圆心为特征点，将特征点表示为M(p1,p2)，直径最大为16，圆形区域可表示为：(x-p1)2+(x-p2)2＝r2(1)同一圆环内的像素在图像旋转后只有像素位置发生改变,而像素其它的相对特征基本保持不变，具有很好的旋转不变性；b)计算每个像素的梯度的模和方向，运用梯度直方图统计各圆环内12个梯度方向累加值，构成1个种子点，每个种子点富含12个方向的向量信息，总共生成4×12＝48维特征向量；c)为了避免特征点定位发生小的位移而导致特征描述符的突然改变，需要通过循环左移的方式对其进行排序，将最内侧圆环的最大值左移到第一个像素点的位置，其它同心圆也依次进行转动，这样图像进行任意角度的旋转后排序值不发生改变；d)最后将该向量进行归一化处理，可进一步减少光照变化的影响，设M'是特征点描述符，且M'＝(m'1,m'2,...,m'48)，则归一化公式为：e)在衡量两个向量间相似程度时可以采用相似性函数，函数值越小，向量差异更大，相似度更小；利用向量夹角的余弦值来度量其相似性，余弦值越大，两个向量的夹角越小，向量间的相似度越高；通过欧几里得点积和量级公式推导出两个向量间的余弦值如下式所示：A·B＝||A||||B||cosθ(3)。本专利技术的基于sift算法的青铜器金文图像识别方法，由于采用改进的sift特征提取算法，通过降维降低了运算复杂度，比传统算法的时间效率更高，实时性得到大幅提升，在匹配准确率及时间复杂度上明显优于传统方法，更适于进行青铜器金文图像识别匹配。通过构建圆形分区的特征描述符，降低特征向量维数，最后构造新的sift特征描述符，提高了金文图像匹配值的精度，降低了时间复杂度，能有效地识别金文图像。附图说明图1是改进的sift图像匹配算法流程图；图2是改进的特征描述符，其中，(a)图是改进的的关键点邻域的划分；(b)图是描述符梯度方向；图3是两组图像实验结果与传统的sift算法进行比较图，其中a图和c图为传统sift算法的匹配结果，b图和d图为改进的sift算法的匹配结果。以下结合附图和实施例对本专利技术做进一步详细的描述。具体实施方式研究发现，青铜器金文图像往往带有很多噪声点，且随着铭文字体的长期演变，每个字平均有二十余种变体，每个字的形态不固定，需要一个具有抽象映射能力的特征提取方法。因此申请人提出了改进的sift匹配算法。本实施例给出一种基于sift算法的青铜器金文图像识别方法，具体包括以下步骤：1)利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；2)利用改进的sift算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；3)利用向量夹角余弦值的匹配方法对步骤2)得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。步骤1)中，图像分割方法是：对图像进行自动阈值二值化处理，寻找该行中黑色像素点大于某一阈值的所有行和列，进行图像分割处理，采集得到青铜器金文拓片图像数据。在传统利用sift算法上，由于这种算法对高维向量计算量较大，匹配时间复杂度增大，所以专利技术人在步骤2)中采用了改进的sift特征提取算法，这种改进的sift特征提取算法，在sift特征描述符的基础上进行了降维，从而达到处理速度快、稳健性强等优点去提高匹配精度。在经过sift特征描述符的降维，会降低匹配时间。传统的sift算法在数据集中会存在较多的误匹配，改进的siftsift特征提取算法，具有很好的独特性和抗旋转能力以及抗噪声能力。采用改进sift特征提取算法进行识别匹配的步骤如下：a)首先以特征点作为中心，提取一个半径为8的同心圆环区域作为特征点邻域范围，以两个像素为单位，半径依次递减，把特征点邻域划分为4个单位的同心圆，每个格子代表一个像素点。以同心圆(图2)的圆心为特征点，将特征点表示本文档来自技高网...

【技术保护点】
1.一种基于sift算法的青铜器金文图像识别方法，其特征在于，包括以下步骤：/n步骤一，利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；/n步骤二，利用改进的sift特征提取算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；/n步骤三，利用向量夹角余弦值的匹配方法对步骤二得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。/n

【技术特征摘要】
1.一种基于sift算法的青铜器金文图像识别方法，其特征在于，包括以下步骤：
步骤一，利用图像分割方法采集青铜器金文拓片图像数据，建立金文数据集；
步骤二，利用改进的sift特征提取算法检测青铜器金文拓片图像sift特征点，并对特征点进行描述；
步骤三，利用向量夹角余弦值的匹配方法对步骤二得到的拓片图像特征点进行特征点匹配，并得到图像匹配结果。


2.如权利要求1所述的方法，其特征在于，步骤一所述的图像分割方法是，对青铜器金文拓片图像进行自动阈值二值化处理，寻找该行中黑色像素点大于某一设定阈值的所有行和列，进行图像分割处理，采集得到青铜器金文拓片图像数据。


3.如权利要求1所述的方法，其特征在于，步骤二所述的利用改进的sift特征提取算法进行识别匹配的步骤如下：
a)首先以特征点作为中心，提取一个半径为8的同心圆环区域作为特征点邻域范围，以两个像素为单位，半径依次递减，把特征点邻域划分为4个单位的同心圆，每个格子代表一个像素点；
以同心圆的圆心为特征点，将特征点表示为M(p1,p2)，直径最大为16，圆形区域可表示为：
(x-p1...

【专利技术属性】
技术研发人员：王慧琴，王可，赵若晴，商立丽，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61