基于泽尼克矩的快速图像比对方法技术

本发明专利技术公开了一种基于泽尼克矩的快速图像比对方法，主要解决现有技术误判率高，运算速度慢的问题。其实现过程是：(1)对图像检测伪边块，确定图像真实区域；(2)对给定图像进行若干次旋转，计算每次旋转后的泽尼克矩及其均值向量和标准差向量；(3)将比对图像真实区域大小归一化处理，使之与给定图像真实区域大小相同；(4)计算比对图像归一化后真是区域的泽尼克矩；(5)根据给定图像泽尼克矩的均值和标准差向量，以及比对图像的泽尼克矩值，运用相似度规则、区间相容规则，判断给定图像和比对图像内容是否相同。本发明专利技术具有快速，高准确性的优点，可用于自动图像比对或自动图像筛查等场合。

Fast image alignment method based on Zernike moments

The invention discloses a fast image alignment method based on Zernike moments, which mainly solves the problems of high misjudgment rate and slow operation speed in the prior art. The realization process is: (1) on the image detecting pseudo edges, determine the true image region; (2) for a given image several times after the rotation, the calculation of each rotation moment and Zernike mean vector and standard deviation vector; (3) the ratio of real image size normalization processing area, the same with the given the real image size of the region; (4) on the basis of the normalized image is really Zernike moment region; (5) according to the mean and standard Zernike moments of a given image and matching image difference vector, Zernike moment value, by similarity rules, region compatibility rules, to determine a given image and matching image content are the same. The invention has the advantages of fast and high accuracy, and can be used for automatic image comparison or automatic image screening.

【技术实现步骤摘要】

本专利技术涉及静止图像处理领域，具体的说是一种基于泽尼克矩的快速图像比对方 法，可以用于自动图像比对或者自动图像筛查等场合。
技术介绍
随着hternet和其他网络的逐渐普及，网络之上的图像也越来越多。面对海量图 像，如何从中比较两幅图像是否相同是一个很有意义的问题。这个问题的解决方案被称为 图像比对技术。图像比对就是对给定的图像进行比较，判别其相同与否的过程。所谓相同或不同， 是指我们所关注的图像中有意义的内容是否一致。有些图像虽然看上去在大小、方向等方 面并不相同，但其内容却是一样的。而有些看似一样的图像，其图像内容却未必相同。图像 比对技术在图像检索、图像识别、机器视觉、视频检测等领域都发挥着重要的作用。图像比对包括两种情形，一种是一幅图像与另一幅图像的比对，另外一种是一幅 图像与另外一组样本集图像的比对。但显然后者可以转化若干次前者的组合。图像比对技 术一般通过对从图像提取的量化特征进行比较。图像比对技术的关键是如何正确区分各种 图像的特征干扰。特征干扰包括两类一类是内容根本不同的图像造成的干扰；另一类是 那些经历了“非本质变化”的图像带来的干扰。所谓“非本质变化”是指那些未改变图像中 我们“感兴趣的图像内容”的变化，比如旋转、缩放和加噪等。对于前一种干扰，图像比对技 术应该表明图像内容是不同的；而对于后一种干扰，图像比对技术应该认定图像内容是相 同的。现有的基于特征的图像比对，可以大概分为如下几类(1)颜色特征比对法。颜色特征是一种全局特征，它描述了图像或图像区域所对应 的景物的表面性质。一般情况下，颜色特征是基于像素点的特征，此时所有属于图像或图像 区域的像素都有各自的贡献。常用的方法包括颜色直方图、颜色集、颜色距以及颜色聚合 向量等。这些方法存在的缺点是颜色对图像或图像区域的方向、大小等变化不敏感，颜色 特征不能很好地捕捉图像中对象的局部特征。通用的颜色空间如RGB、YUV等均对颜色的数 值刻画与主观感受存在一定误差，较容易造成颜色误判。(2)纹理特征比对法。纹理特征也是一种全局特征，它也描述了图像或图像区域所 对应景物的表面性质。常见的纹理特征比对方法包括统计法、几何法以及模型法等。这些 方法中存在的缺点是纹理不能完全反映出物体的本质属性，仅仅利用纹理特征是无法获 得高层次图像内容的。当图像的分辨率变化的时候，计算出来的纹理会有较大偏差。另外， 纹理特征的计算数值受到光照、反射情况的影响较大。(3)形状特征比对法。各种基于形状特征的比对方法都可以比较有效地利用图像 中感兴趣的目标来进行比对，常用的形状特征比对法包括轮廓特征法、区域特征法等。这 些方法中存在的缺点是缺乏完善的数学模型；目标有变形时比对结果不太可靠；许多形 状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相 似性与人视觉系统感受到的相似性有差别。
技术实现思路
本专利技术的目的在于克服上述已有方法的缺点，提出一种基于泽尼克矩的快速图像 比对方法。以避免图像颜色特征变化造成的误判，减少噪声、尺度变化带来的影响，保证比 对结果的高准确性，提高比对过程的运算速度。为实现上述目的，本专利技术给出以下两种技术方案技术方案一首先对图像进行伪边块检测，确定真实图像区域和大小；然后对给 定图像进行若干次旋转，计算每次旋转后的泽尼克矩，并计算出其均值向量和标准差向量; 然后把比对图像先进行真实区域大小归一化，通过插值或采样使之与给定图像真是区域大 小相同；再计算归一化后的比对图像的泽尼克矩；最后结合得到给定图像均值和标准差向 量，以及比对图像的泽尼克矩数值，运用相似度准则对两幅图像内容是否相同做出判断。具 体步骤包括如下(1)检测给定图像A和比对图像B的伪边块，确定出两幅图片的真实图像区域和大 小，并去除其伪边块(2)通过插值或采样，对比对图像真实区域Bl进行图像尺寸缩放处理，使比对图 像真实区域Bl与给定图像真实区域Al具有相同尺寸，缩放后的图像记为B2 ；(3)对给定图像真实区域Al进行S次旋转，每次旋转角度为360/S度，每次旋转后 计算τ个泽尼克矩值，T ^ 2，所得数值构成如下一个SXT的矩值矩阵Ka 权利要求1. 一种，包括如下步骤(1)检测给定图像A和比对图像B的伪边块，确定出两幅图片的真实图像区域和大小， 并去除其伪边块(2)通过插值或采样，对比对图像真实区域Bl进行图像尺寸缩放处理，使比对图像真 实区域Bl与给定图像真实区域Al具有相同尺寸，缩放后的图像记为B2 ；(3)对给定图像真实区域Al进行S次旋转，每次旋转角度为360/S度，每次旋转后计算 T个泽尼克矩值，T ^ 2，所得数值构成如下一个SXT的矩值矩阵Ka KA =1...S代表第1次到第S次旋转；1. . . T代表第一个到第T个泽尼克矩值；K11. . . Kit代 表第一次旋转后得到的T个泽尼克矩值；(4)计算Ka中的每一列的均值和标准差，得到均值向量亙,Zr]和标准差向量D =； 其中KuLΚπMOMKs\L1^STKt=^f4Kst, i = l,L Τ, C=ID =]jr-ly(m t=\,L τ；s=\f,L，]^代表均值向量亙的T个均值；]^代表矩值矩阵Ka第一列元素K11. . . Ksi的均值； D1, L，Dt代表标准差向量D的T个标准差讽代表矩值矩阵Ka第一列元素K11. . . Ksi的标准 差忑代表均值向量Z的第t个均值；Dt代表矩值矩阵Ka第t列元素Klt. . . Kst的标准差；Kst 代表&第s行t列的元素；(5)对比对图像真实区域Bl进行缩放，得到缩放图像B2；利用泽尼克矩计算公式，计 算缩放图像B2和给定图像真实区域Al相应的T个泽尼克矩值，得到矩值向量Vb = ;Vi; L，Vt代表矩值向量Vb的T个泽尼克矩值；(6)根据给定图像真实区域Al的均值向量亙，标准差向量D和缩放图像B2的矩值向量 VB，利用相似度准则判定出两幅图像是否相同(6a)将矩值向量Vb进行归一化处理，得到归一化向量Vn = ，其中 VV =_l t = 1 T-’N t^^ ,1丄,...，1 ‘KtVN1, Vn2，...,Nm代表矩值向量Vb归一化后的T个数值；Vni代表矩值向量Vb的第一个 矩值元素V1归一化后的数值；Vt代表矩值向量Vb的第t个泽尼克矩值；Z；代表均值向量亙 的第t个均值；(6b)计算均值向量亙和矩值向量Vb的相似度，计算公式如下2.根据权利要求1所述的快速图像比对方法，其中步骤(1)所述的检测给定图像A和 比对图像B的伪边块，确定出两幅图片的真实图像区域和大小，按如下步骤进行(Ia)扫描图像边沿位置的像素值，分别统计两幅图各像素值出现的频率，若某个像素 值出现频率较高，则认定该像素值是因旋转造成的伪边块的像素值；对具有该像素值的临 近四条边沿的像素连通区域认定为伪边块；(Ib)取图像伪边块的像素值为临界阈值，再进行二值化处理，得到二值化后的黑白图 像；对该黑白图像先进行边缘检测，再进行直线检测，检测出存在的直线后，取其中可以相 交构成矩形的四条直线作为真实图像的边界；(Ic)将真实图像边界内部的区域作为真实本文档来自技高网...

【技术保护点】
１．一种基于泽尼克矩的快速图像比对方法，包括如下步骤：（１）检测给定图像Ａ和比对图像Ｂ的伪边块，确定出两幅图片的真实图像区域和大小，并去除其伪边块：（２）通过插值或采样，对比对图像真实区域Ｂ１进行图像尺寸缩放处理，使比对图像真实区域Ｂ１与给定图像真实区域Ａ１具有相同尺寸，缩放后的图像记为Ｂ２；（３）对给定图像真实区域Ａ１进行Ｓ次旋转，每次旋转角度为３６０／Ｓ度，每次旋转后计算Ｔ个泽尼克矩值，Ｔ≥２，所得数值构成如下一个Ｓ×Ｔ的矩值矩阵ＫＡ：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｉ）Ａ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇［＇ｃｌｏｓｅ＝＇］＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｎ）１１（／ｍｎ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｌ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｒｏｗ）?（ｍｎ）１（／ｍｎ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｏ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）Ｓ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｌ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｉ）ＳＴ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（ｍｏ）；（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）１．．．Ｓ代表第１次到第Ｓ次旋转；１．．．Ｔ代表第一个到第Ｔ个泽尼克矩值；Ｋ１１．．．Ｋ１Ｔ代表第一次旋转后得到的Ｔ个泽尼克矩值；（４）计算ＫＡ中的每一列的均值和标准差，得到均值向量和标准差向量Ｄ＝［Ｄ１，Ｌ，ＤＴ］；其中：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｉ）ｔ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｒａｃ）?（ｍｎ）１（／ｍｎ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｆｒａｃ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｓ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）Ｓ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｉ）ｓｔ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｔ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ＬＴ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｂ）?（ｍｉ）Ｄ（／ｍｉ）?（ｍｉ）ｔ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＝（／ｍｏ）?（ｍｓｑｒｔ）?（ｍｆｒａｃ）?（ｍｎ）１（／ｍｎ）?（ｍｒｏｗ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（／ｍｆｒａｃ）?（ｍｕｎｄｅｒｏｖｅｒ）?（ｍｉ）＆Ｓｉｇｍａ；（／ｍｉ）?（ｍｒｏｗ）?（ｍｉ）ｓ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（／ｍｒｏｗ）?（ｍｉ）Ｓ（／ｍｉ）?（／ｍｕｎｄｅｒｏｖｅｒ）?（ｍｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｉ）ｓｔ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）－（／ｍｏ）?（ｍｓｕｂ）?（ｍｏｖｅｒ）?（ｍｉ）Ｋ（／ｍｉ）?（ｍｏ）＆ＯｖｅｒＢａｒ；（／ｍｏ）?（／ｍｏｖｅｒ）?（ｍｉ）ｔ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｐ）?（／ｍｓｑｒｔ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ｔ（／ｍｉ）?（ｍｏ）＝（／ｍｏ）?（ｍｎ）１（／ｍｎ）?（ｍｏ），（／ｍｏ）?（ｍｉ）ＬＴ（／ｍｉ）?（ｍｏ）；（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）Ｌ，代表均值向量的Ｔ个均值；代表矩值矩阵ＫＡ第一列元素Ｋ１１．．．ＫＳ１的均值；Ｄ１，Ｌ，ＤＴ代表标准差向量Ｄ的Ｔ个标准差；Ｄ１代表矩值矩阵ＫＡ第一列元素Ｋ１１．．．ＫＳ１的标准差；代表均值向量的第ｔ个均值；Ｄｔ代表矩值矩阵ＫＡ第ｔ列元素Ｋ１ｔ．．．ＫＳｔ的标准差；Ｋｓｔ代表ＫＡ第ｓ行ｔ列的元素；（５）对比对图像真实区域Ｂ１进行缩放，得到缩放图像Ｂ２；利用泽尼克矩计算公式，计算缩放图像Ｂ２和给...

【技术特征摘要】

【专利技术属性】
技术研发人员：闫允一，郭宝龙，张旭，孙伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87