專利名稱：基于直線二分法的不規(guī)則區(qū)域自動匹配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種計算機視覺中的圖像不規(guī)則區(qū)域特征的自動匹配方法。
背景技術(shù)：
圖像特征匹配技術(shù)在圖像檢索、物體識別、視頻跟蹤以及增強現(xiàn)實等諸多領(lǐng)域有重要應(yīng)用。近些年來以尺 度不變特征變換(Scale Invariant Feature Transform,簡稱SIFT)技術(shù)的提出為標志，圖像特征匹配領(lǐng)域取得了較大進展，形成了ー批成熟的特征匹配算法，如 SIFT、GLOH、Shape Context 等(具體見文獻A performance evaluation of localdescriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence，2005,27(10) :1615-1630)。各種已有匹配方法對圖像中區(qū)域特征進行匹配時采用的基本思路如下首先將不規(guī)則區(qū)域擬合為規(guī)則區(qū)域(如圓、橢圓、正方形)或者直接選取規(guī)則區(qū)域作為構(gòu)造描述子的支撐區(qū)域；然后在規(guī)則區(qū)域上進行固定大小的子區(qū)域劃分(將支撐區(qū)域劃分為若干個固定大小的子區(qū)域)，最后通過計算子區(qū)域描述子并進行區(qū)域匹配。各種方法的區(qū)別主要在于選取支撐區(qū)域形狀不同、子區(qū)域劃分不同以及構(gòu)造區(qū)域描述子選取的特征不同。但是，由于拍攝圖像時視角經(jīng)常發(fā)生變化，一組待匹配圖像之間經(jīng)常存在形變，已有方法利用固定形狀作為支撐區(qū)域?qū)?dǎo)致支撐區(qū)域包含的圖像內(nèi)容不一致，并且進行固定大小的子區(qū)域劃分后各子區(qū)域包含的內(nèi)容也不一致，從而降低了匹配結(jié)果的準確性，可以說已有各種區(qū)域匹配方法對于圖像形變比較敏感。

發(fā)明內(nèi)容
本發(fā)明針對數(shù)字圖像中已有區(qū)域匹配方法對形變的敏感問題，目的是提供ー種對形變具有更好穩(wěn)定性的自動區(qū)域匹配方法。為了實現(xiàn)本目的，本發(fā)明基于直線二分法的不規(guī)則區(qū)域自動匹配方法，包括以下步驟步驟SI :采集圖像并輸入計算機；步驟S2 :利用已有區(qū)域檢測方法檢測區(qū)域；步驟S3 :計算區(qū)域最大對稱位直；步驟S4 :將區(qū)域內(nèi)各點梯度向量與區(qū)域均值向量進行運算獲得區(qū)域內(nèi)各點的特征向量；步驟S5 :利用梯度幅值極值計算區(qū)域關(guān)鍵點；步驟S6 :計算區(qū)域關(guān)鍵點對應(yīng)的區(qū)域描述向量；步驟S7 :計算各區(qū)域描述向量的均值向量與標準差向量獲得區(qū)域描述子。步驟S8 :利用區(qū)域描述子之間的歐式距離進行區(qū)域匹配。本發(fā)明提供的基于直線二分法的不規(guī)則區(qū)域自動匹配方法，主要利用了圖像區(qū)域內(nèi)關(guān)鍵點相對于直線的位置關(guān)系在形變時能夠保持不變這ー性質(zhì)，首先確定區(qū)域的最大對稱位置、計算各點的特征向量并確定區(qū)域內(nèi)關(guān)鍵點，然后分別利用各關(guān)鍵點與最大對稱位置構(gòu)成直線將區(qū)域劃分為兩個子區(qū)域并計算描述向量，最后通過計算各描述向量的統(tǒng)計量來獲得區(qū)域描述子并進行匹配。由于點與直線的相對位置關(guān)系在圖像形變下是保持不變的，因此利用各關(guān)鍵點與最大對稱位置確定的直線對區(qū)域進行劃分與特征描述在形變下具有穩(wěn)定性。本發(fā)明提供的方法在構(gòu)造區(qū)域描述子過程中既不需要進行形狀擬合又不需要進行固定大小子區(qū)域劃分，減少了由于圖像形變造成的誤差，因此在對圖像形變的穩(wěn)定性方面優(yōu)于已有方法。


圖I為本發(fā)明基于直線二分法的不規(guī)則區(qū)域自動匹配方法流程圖。
具體實施例方式如圖I所示為本發(fā)明基于直線二分法的不規(guī)則區(qū)域自動匹配方法流程圖，包括步驟采集圖像并輸入計算機；利用已有區(qū)域檢測方法檢測區(qū)域；計算區(qū)域最大對稱位置；計算區(qū)域內(nèi)各點的特征向量；利用梯度幅值極值計算區(qū)域關(guān)鍵點；計算區(qū)域關(guān)鍵點對應(yīng)的區(qū)域描述向量；通過計算各區(qū)域描述向量的均值向量與標準差向量獲得區(qū)域描述子；利用區(qū) 域描述子進行區(qū)域匹配。各步驟的具體實施細節(jié)如下步驟SI :從不同角度拍攝同一場景兩幅不同圖像并輸入計算機；步驟S2 :利用已有區(qū)域檢測技術(shù)進行區(qū)域檢測，如使用MSER技術(shù)；步驟S3 :計算每個區(qū)域G的最大對稱位置P。，具體方式為，以區(qū)域G內(nèi)的任一位置P為中心，引出18條直線Li將整個圓周等分為36份；記G內(nèi)直線Li兩側(cè)的像素數(shù)分別為
Nl(i)，Ne(i)，定義ΣΚ^')-ル(0|為P處的不対稱性；將區(qū)域G內(nèi)不對稱性最小的位置P。
確定為區(qū)域G的最大對稱位置；步驟S4 :計算區(qū)域G內(nèi)各點的特征向量，具體方式為，利用高斯梯度模板計算區(qū)域G內(nèi)各點的梯度向量，記G內(nèi)點X(x，y)處的高斯梯度為[dx，dy]，G內(nèi)各點的平均梯度為[Vx，Vy]，計算點 X(x，y)處的特征向量 S = [S1, S2],其中 S1 = dx ·Vx+dy · Vy, S2 = dx ·Vy-dy · Vx ；步驟S5:利用梯度幅值極值計算區(qū)域關(guān)鍵點，具體方式為，記區(qū)域G內(nèi)任一點X(x，y)處的梯度幅值為E (x，y)，在閾值T約束下，將在3X3鄰域內(nèi)梯度幅值為極大值的點作為區(qū)域G內(nèi)的關(guān)鍵點，即滿足如下條件E(x, y) > T, E(x, y) > E (x+1, y+1), E(x, y) > E (x_l, y-1),E(x, y) > E (x_l, y), E(x, y) > E (x+1, y), E(x, y) > E (x, y-1),E(x, y) > E(x, y+1), E(x, y) > E(x_l, y+1), E(x, y) > E(x+1, y-1);所述閾值 T的具體確定方法為T = Mean(E)+k-Std(E)7Mean(E)與Std(E)分別表示所述區(qū)域內(nèi)各點梯度幅值的均值與標準差，比例系數(shù)k的取值范圍為2 3 ;步驟S6:計算區(qū)域G內(nèi)關(guān)鍵點對應(yīng)的區(qū)域描述向量，具體方式為，記步驟S5獲得區(qū)域G的關(guān)鍵點分別為P1，P2... Pn，關(guān)鍵點Pi與區(qū)域G的對稱位置P。確定的直線將區(qū)域G分為兩個子區(qū)域，對兩個子區(qū)域內(nèi)各點的梯度幅值求和，記梯度幅值求和較大、較小的子區(qū)域分別為GB、Gs;在兩個子區(qū)域內(nèi)區(qū)分正負對步驟S4獲得的各點特征向量分量進行累加，可獲得關(guān)鍵點Pi對應(yīng)的8維區(qū)域描述向量Vi = [vn, vi2, . . . , vi8],其中
權(quán)利要求
1.一種數(shù)字圖像中基于直線二分法的不規(guī)則區(qū)域自動匹配方法，其特征在于，包括步驟 步驟Si:從不同角度拍攝同一場景兩幅不同圖像并輸入計算機； 步驟S2 :利用已有區(qū)域檢測技術(shù)進行區(qū)域檢測，如使用MSER技術(shù)；步驟S3 :計算每個區(qū)域G的最大對稱位置P。，具體方式為，以區(qū)域G內(nèi)的任一位置P為中心，引出18條直線Li將整個圓周等分為36份；記G內(nèi)直線Li兩側(cè)的像素數(shù)分別為隊⑴，NK(i)，定義
全文摘要
本發(fā)明涉及一種數(shù)字圖像中基于位置二分法的不規(guī)則區(qū)域自動匹配方法，包括采集圖像并輸入計算機；利用已有區(qū)域檢測方法檢測區(qū)域；計算區(qū)域最大對稱位置；計算區(qū)域內(nèi)各點的特征向量；利用梯度幅值極值計算區(qū)域關(guān)鍵點；計算區(qū)域關(guān)鍵點對應(yīng)的區(qū)域描述向量；通過計算各區(qū)域描述向量的均值向量與標準差向量獲得區(qū)域描述子；利用區(qū)域描述子進行區(qū)域匹配。相對于已有的區(qū)域匹配方法，本發(fā)明提供的方法既不需要進行固定形狀擬合，又不需要進行分塊處理，對圖像形變具有更好的穩(wěn)定性。
文檔編號G06T7/00GK102663442SQ20121006969
公開日2012年9月12日 申請日期2012年3月5日 優(yōu)先權(quán)日2012年3月5日
發(fā)明者侯占偉, 劉紅敏, 夏玉玲, 王志衡 申請人:河南理工大學(xué)