一种基于度量信息的形状匹配方法组成比例

本发明专利技术属于计算机视觉领域，涉及到一种基于度量信息的形状匹配方法。首先，将形状轮廓点的度量信息作为特征描述子，建立轮廓点与整体形状之间的约束关系；其次，为增强本发明专利技术对形状局部特征对微小变形的适应性，将度量信息进行分段平滑处理；最后，将这种基于度量的方法进行推广，用欧氏距离、三角形半径等度量方式生成特征描述符。该方法的特点是生成的形状特征描述符相对简单，仅仅需要简单的分段建模和数据计算，就能够对平面目标性状进行描述及匹配操作，运算时间大大减少，增加了其通用性。本发明专利技术的方法具有平移、旋转不变性，且计算简单，维度较低，对于局部变形比较稳定。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，涉及形状描述及匹配，特别涉及到。
技术介绍
形状匹配是计算机视觉里中的ー个重要研究方向，与物体识别、字符识别、图像检索、医学图像分析等方向联系紧密。形状作为人类观察和识别物体的重要依据，一直以来就受到关注。而形状匹配的目的就是寻找一种简单、有效的形状特征描述方式，既能区分不同种类物体的形状差异，又能容忍同类物体中不同个体的形状变形。所以关键就是找到ー个合适的平衡点，在区分性和变形性之间取得最佳效果。目前比较常见的形状特征描述方法主要分成基于全局信息的方法和基于局部信息的方法。基于全局信息的形状描述方法主要关注形状整体特征，对于形状局部变形不敏感，但是也因此无法描述形状的细节特征，常见的方法包括傅里叶变换，小波变换等方法。相反，基于局部信息的形状描述方法则主要关注形状的局部特征，通常对形状的各个轮廓点都有精准的描述，但是对于局部的噪声和变形比较敏感，常见的方法包括曲率尺度空间，形状上下文(Shape ConteXt，SC)等。针对全局方法和局部方法的互补性，有方法将两者有效结合，提出了 Shape tree, Contour flexibility等描述方法,并取得了不错的效果。然而这种复合型的方法特征描述符生成复杂，计算复杂度高，形状匹配效率低，不利于在实际中应用。哈尔滨工程大学的中国专利技术专利，申请号201210150026，“基于分数傅立叶变换的形状描述方法”，该专利是基于分数傅立叶变换，该方法保证了使得所描述的特征既和物体的边界轮廓有关，又与物体的内部区域有夫，然而对形状的细节特征的描述稍有欠缺。同济大学的中国专利技术专利，，申请号200910046267，“基于最小变形能的图像单向逐点匹配方法”，该专利基于轮廓特征匹配方法，计算量比较小，然而该方法需要事先指定起始的匹配点，在方法的自适应方面稍有欠缺，而且该方法对局部微小变形的区分度也不够。
技术实现思路
本专利技术提出了ー种新的基于度量信息的形状描述及匹配方法，解决了现有技术的不足，该方法生成的形状特征描述符相对简单，仅需要度量信息进行描述。本专利技术的技术方案包括如下步骤:步骤1.对原始图像利用边缘检测的方法提取轮廓。步骤2.在轮廓上进行均匀采样，采样点数为N。N个轮廓采样点表示为)v_ レ1，X], ，Xnj o 步骤3.计算任ー轮廓采样点Xi (i = I, 2,..., N)的度量信息。步骤3-1以Xi为起始点，逆时针扫描其他轮廓采样点，计算Xi到其它所有轮廓采样点的欧式距离(Euclidean Distance, ED)。步骤3-2从\点做轮廓的切线，当其它轮廓采样点在切线左侧，则距离为正，在切线右侧则距离为负。步骤3-3将上面计算得到的Xi点到其他轮廓采样点的距离形成如下特征向量Dp本文档来自技高网...

【技术保护点】
一种基于度量信息的形状匹配方法，其特征包括以下步骤，步骤1.对原始图像利用边缘检测的方法提取轮廓；步骤2.在轮廓上进行均匀采样，采样点数为N；N个轮廓采样点表示为X={x1,x2,...,xN}；步骤3.计算任一轮廓采样点xi(i＝1,2,...,N)的度量信息；步骤3?1以xi为起始点，逆时针扫描其他轮廓采样点，计算xi到其它所有轮廓采样点的欧式距离（Euclidean?Distance，ED）；步骤3?2从xi点做轮廓的切线，当其它轮廓采样点在切线左侧，则距离为正，在切线右侧则距离为负；步骤3?3将上面计算得到的xi点到其他轮廓采样点的距离形成如下特征向量Di；Di=(di，i,di，i+1,...,di,N,di，1,...,di，i?1)???????????????（1）其中，di，j表示xi到xj的距离，di，i值为0；步骤4.生成分段形状特征描述符；步骤4?1指定一个局部平均的宽度S，然后将步骤3得到的特征向量Di分成段，每一段的长度都是S，各段的轮廓采样点序号分别为：[1,S],[S+1,2S]，...,[N?S+1,N]；步骤4?2对每一段内的特征值计算加权平均值，其中表示S内每个轮廓点的权重，j=1,2,...,M表示轮廓点的分段数；dSij=1SΣt=(j-1)S+1jSαitdit---(2)步骤4?3轮廓采样点xi的新的特征向量可以表示为步骤5.对轮廓上所有的采样点xi(i＝1,2,...,N)重复使用步骤4的操作计算其距离特征向量DSi，构成距离特征矩阵DS(X)=(DS1,DS2,...,DSN)；步骤6.对于特征矩阵DS(X)的每一行，采用行最大值进行规一化，规一化后的特征值在[?1,1]之间；dSij=dSijmaxt=1,2...N{|dStj|}---(3)步骤7.计算形状之间的相似度；步骤7?1X和Y分别表示形状A和B的轮廓采样点集合。轮廓上任一采样点可表示为：xi∈X(i=1,2,...,N)，yj∈Y(j=1,2,...,L)，其中N和L为采样点个数；步骤7?2利用L1度量公式进行特征向量比较：c(xi,yj)=Σt=1Mwt|dSxit-dSyjt|---(4)wt表示各个局部特征值的权重，计算方式为步骤7?3对于轮廓X={xi}和Y={yj}，通过步骤7?2公式的计算，可以得到相似性矩阵W：W=c(x1,y1).........c(xi,yj).........c(xN,yL)步骤7?4寻找X和Y之间的对应关系g(x):X→Y，当轮廓点一一对应时最小；步骤7?5形状A和B之间的相似性表示为：FDA00002731081900011.jpg,FDA00002731081900012.jpg,FDA00002731081900014.jpg,FDA00002731081900023.jpg,FDA00002731081900025.jpg,FDA00002731081900026.jpg...

【技术特征摘要】
1.一种基于度量信息的形状匹配方法，其特征包括以下步骤， 步骤1.对原始图像利用边缘检测的方法提取轮廓； 步骤2.在轮廓上进行均匀采样，采样点数为N ;N个轮廓采样点表示为X_ {x1, x2， x8，}; 步骤3.计算任ー轮廓采样点Xi (i = 1，2，...，N)的度量信息； 步骤3-1以Xi为起始点，逆时针扫描其他轮廓采样点，计算Xi到其它所有轮廓采样点的欧式距离(Euclidean Distance, ED)； 步骤3-2从\点做轮廓的切线，当其它轮廓采样点在切线左侧，则距离为正，在切线右侧则距离为负； ...

【专利技术属性】
技术研发人员：贾棋，郭禾，樊鑫，李凤歧，王祎，刘宇，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：