面向多标签识别与分布优化的RFID图像快速匹配方法组成比例

本发明专利技术公开了一种面向多标签识别与分布优化的RFID图像快速匹配方法，具体为：步骤1：对多标签RFID图像进行灰度化处理；步骤2：特征点提取；步骤3：将多标签RFID图像均分成N个图像块，计算每个图像块的特征向量；步骤4：计算多标签RFID图像A和多标签RFID图像D之间任意两个特征向量之间的相似度，选择相似度大于等于预设的相似度阈值的特征向量为相似的特征向量，计算相似的特征向量在图像A中对应的图像块a，以及在图像D中对应的图像块d；并计算图像块a和图像块d中特征点的欧氏距离，将欧氏距离小于预设的距离阈值的两个特征点作为匹配对。本发明专利技术为RFID多标签实时快速匹配与精准定位提供了一种有效途径。位提供了一种有效途径。位提供了一种有效途径。

【技术实现步骤摘要】
面向多标签识别与分布优化的RFID图像快速匹配方法


[0001]本专利技术属于光电检测与图像处理


技术介绍

[0002]射频识别(Radio Frequency Identification,RFID)作为一种应用广泛的新型非接触式自动识别技术，具有众多优点。其中多标签的识别与分布优化存在识读能力不足的问题。
[0003]图像匹配，是一种通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标的方法。研究多标签图像匹配问题，其中特征匹配是关键，特征匹配就是寻找两幅图像之间相似的特征点之间的距离，其中最近邻距离比值法是最常用的方法。目前，目标特征提取与匹配主要有SIFT(尺度不变特征转换,Scale Invariant Feature Transform)、SURF(加速稳健特征，Speeded Up Robust Feature)、ORB(Oriented FAST and Rotated BRIEF)等方法。但这些算法，在RFID多标签图像匹配方面，运行时间较长且匹配效果较为一般。

技术实现思路

[0004]专利技术目的：为了解决上述现有技术存在的问题，本发提供了一种面向多标签识别与分布优化的RFID图像快速匹配方法。
[0005]技术方案：本专利技术提供了一种面向多标签识别与分布优化的RFID图像快速匹配方法，具体包括如下步骤：
[0006]步骤1：对多标签RFID图像进行灰度化处理；
[0007]步骤2：对经过灰度化处理的多标签RFID图像进行特征点提取；
[0008]步骤3：将多标签RFID图像均分成N个图像块，计算每个图像块的特征向量；
[0009]步骤4：计算多标签RFID图像A和多标签RFID图像D之间任意两个特征向量之间的相似度，如果相似度大于等于预设的相似度阈值，则该两个特征向量为相似的特征向量，计算相似的特征向量在多标签RFID图像A中对应的图像块a，以及在多标签RFID图像D中对应的图像块d；并计算图像块a和图像块d中特征点的欧氏距离，将欧氏距离小于预设的距离阈值的两个特征点作为匹配对。
[0010]进一步的，采用如下公式对多标签RFID图像进行灰度化处理：
[0011]Y＝0.299*R+0.587*G+0.114*B
[0012]其中，Y为多标签RFID图像的灰度值，R,G,B分别为多标签RFID图像每个像素点的红，绿，蓝像素值。
[0013]进一步的，所述步骤2具体为：
[0014]步骤2.1：在经过灰度化处理的多标签RFID图像上建立一个固定窗口，计算窗口发生[u,v]移动时，滑动前后窗口中的灰度变化其中，u表示窗口在竖
直方向的偏移，v表示窗口在水平方向的偏移，M为二阶矩阵，w(x,y)为窗口函数，(x,y)表示当前窗口中像素点的坐标，I
x
和I
y
分别为在像素点(x,y)处对x和y的一阶偏导；
[0015]步骤2.2：设置得分函数R＝min(λ1,λ2)，其中，λ1和λ2是M的特征值，若R的值大于预设的最小阈值σ，则点(x,y)为特征点。
[0016]进一步的，所述步骤3具体为：
[0017]步骤3.1：计算经多标签RFID图像中每个像素点(x,y)的水平方向梯度A
x
(x,y)＝H(x+1,y)
‑
H(x
‑
1,y)，和垂直方向梯度A
y
(x,y)＝H(x,y+1)
‑
H(x,y
‑
1)，其中，H(x,y)表示像素点(x,y)的像素值，H(x+1,y)表示像素点(x+1,y)的像素值，H(x
‑
1,y)表示像素点(x
‑
1,y)的像素值，H(x,y+1)表示像素点(x,y+1)的像素值，H(x,y
‑
1)表示像素点(x,y
‑
1)的像素值；
[0018]步骤3.2：计算像素点(x,y)处的梯度幅值计算像素点(x,y)的梯度方向
[0019]步骤3.3：根据每个像素点的梯度方向设置Q个梯度方向区间；将每个图像块均分成J个单元格，针对第j个单元格建立初始直方图，该直方图以梯度方向区间为横轴，以梯度幅值作为纵轴，j＝1,2,
…
,J；将第j个单元格中属于第q个梯度方向区间的像素点的梯度幅值叠加，从而得到与第j个单元对应的直方图；以直方图的纵轴的值作为特征向量，将图像块内的J个直方图进行归一化，得到每个图像块对应的特征向。
[0020]有益效果：本专利技术通过图像匹配来提高RFID多标签的定位精度，达到提高识别性能的最终目的。本专利技术具有匹配准确性和实时性，为RFID多标签实时快速匹配与精准定位提供了一种有效途径。
附图说明
[0021]图1为本专利技术流程图；
[0022]图2为多标签RFID原始图像A；
[0023]图3为多标签RFID原始图像D；
[0024]图4为灰度化处理后的多标签RFID原始图像A；
[0025]图5为灰度化处理后的多标签RFID原始图像D；
[0026]图6为在多标签RFID图像A提取的特征点；
[0027]图7为在多标签RFID图像D提取的特征点；
[0028]图8为多标签RFID图像A,D的匹配结果；
[0029]图9为划分坐标轴示意图。
具体实施方式
[0030]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0031]如图1所示，本专利技术提出一种面向多标签识别与分布优化的RFID图像快速匹配算法，包括以下步骤：
[0032]第一步骤：灰度化处理步骤，选取两张拍摄角度不同的多标签RFID图像A和D，如图2和图3所示，读取图2和图3并分别进行灰度化处理，灰度化处理后的多标签RFID图像如图4和图5所示；
[0033]第二步骤：特征提取步骤，对图4和图5分别进行特征提取，特征提取后的多标签RFID图像如图6和图7所示，图4和图5上各有423个特征点；
[0034]第三步骤：计算多标签RFID图像A和多标签RFID图像D的特征向量；
[0035]第四步骤：计算多标签RFID图像A和多标签RFID图像D之间任意两个特征向量之间的相似度，如果相似度大于等于预设的相似度阈值，则该两个特征向量为相似的特征向量，计算相似的特征向量在多标签RFID图像A中对应的图像块a，以及在多标签RFID图像D中对应的图像块d；并计算图像块a和图像块d中特征点的欧氏距离，将欧氏距离小于预设的距离阈值的两个特征点作为匹配对；(x
m
,y
m
)为在图像块A中某个特征点的坐标，(x
n
,y
n
)为在图像块D中某个特征点的坐标，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向多标签识别与分布优化的RFID图像快速匹配方法，其特征在于，具体包括如下步骤：步骤1：对多标签RFID图像进行灰度化处理；步骤2：对经过灰度化处理的多标签RFID图像进行特征点提取；步骤3：将多标签RFID图像均分成N个图像块，计算每个图像块的特征向量；步骤4：计算多标签RFID图像A和多标签RFID图像D之间任意两个特征向量之间的相似度，如果相似度大于等于预设的相似度阈值，则该两个特征向量为相似的特征向量，计算相似的特征向量在多标签RFID图像A中对应的图像块a，以及在多标签RFID图像D中对应的图像块d；并计算图像块a和图像块d中特征点的欧氏距离，将欧氏距离小于预设的距离阈值的两个特征点作为匹配对。2.根据权利要求1所述的面向多标签识别与分布优化的RFID图像快速匹配方法，其特征在于，采用如下公式对多标签RFID图像进行灰度化处理：Y＝0.299*R+0.587*G+0.114*B其中，Y为多标签RFID图像的灰度值，R,G,B分别为多标签RFID图像每个像素点的红，绿，蓝像素值。3.根据权利要求1所述的面向多标签识别与分布优化的RFID图像快速匹配方法，其特征在于，所述步骤2具体为：步骤2.1：在经过灰度化处理的多标签RFID图像上建立一个固定窗口，计算窗口发生[u,v]移动时，滑动前后窗口中的灰度变化其中，u表示窗口在竖直方向的偏移，v表示窗口在水平方向的偏移，M为二阶矩阵，w(x,y)为窗口函数，(x,y)表示当前窗口中像素点的坐标，I
x
和I
y
分别为在像素点(x,y)处对x和y的一阶偏导；步骤2.2：设置得分函数R＝min(λ1,...

【专利技术属性】
技术研发人员：张科，俞晓磊，赵志敏，李琳，刘振鲁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：