CN101819636B - 数字图像中不规则区域自动匹配方法 - Google Patents
数字图像中不规则区域自动匹配方法 Download PDFInfo
- Publication number
- CN101819636B CN101819636B CN2010101548231A CN201010154823A CN101819636B CN 101819636 B CN101819636 B CN 101819636B CN 2010101548231 A CN2010101548231 A CN 2010101548231A CN 201010154823 A CN201010154823 A CN 201010154823A CN 101819636 B CN101819636 B CN 101819636B
- Authority
- CN
- China
- Prior art keywords
- irregular area
- irregular
- area
- divided
- matching method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明涉及一种数字图像中不规则区域自动匹配方法,包括:采集图像并输入计算机;提取图像中的不规则区域;通过计算不规则区域内各点的平均梯度方向确定不规则区域的主方向;通过计算各点的不对称性确定其最大对称位置;以最大对称位置为中心,以主方向为起始方向,确定不规则区域的邻域;将不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域;利用梯度内积与外积运算构造不规则区域的匹配描述子;通过计算所得描述子之间欧式距离并利用双向匹配准则计算不规则区域之间的相似性,进行区域匹配并输出结果。本发明提供的方法,不会引入由于将不规则区域的形状拟合为规则形状带来的误差,提高了匹配的准确性。
Description
技术领域
本发明涉及计算机视觉中的图像特征自动匹配领域,尤其涉及一种数字图像中不规则区域自动匹配方法。
背景技术
特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等诸多领域有着重要应用。近些年来,以尺度不变特征变换(Scale Invariant FeatureTransform,简称SIFT)技术的提出为标志,图像特征点自动匹配技术取得了较大进展;以最大稳定极值区域(Maximally Stable Extremal Regions,简称MSER)技术为标志,图像特征区域自动检测技术也取得了较大进展。但是,如何匹配诸如MSER区域这类具有不规则形状的区域,是目前亟需解决的重要问题。
目前已有方法主要采用形状拟合的方式解决不规则区域的匹配问题:首先将不规则区域的形状拟合为规则形状,如椭圆、平行四边形等;然后在规则形状上构造区域描述子;最后利用区域描述子进行区域匹配。在对MSER区域进行匹配时,首先将原始不规则的MSER区域拟合为椭圆,然后使用SIFT描述子进行匹配。
但是,将不规则区域的形状拟合为规则形状的过程会产生拟合误差,导致匹配的准确性不高。
发明内容
本发明主要解决数字图像中不规则区域自动匹配问题,目的是提供一种具有更高准确性的数字图像中不规则区域自动匹配方法。
为实现本目的,本发明提供了一种数字图像中不规则区域自动匹配方法包括以下步骤:
步骤S1:采集图像并输入计算机;
步骤S2:利用不规则区域提取方法提取图像中的不规则区域;
步骤S3:通过计算所述不规则区域内各点的平均梯度方向确定所述不规则区域的主方向dMain;
步骤S4:通过计算各点的不对称性确定所述不规则区域的最大对称位置P;
步骤S5:以所述最大对称位置为中心,以所述主方向为起始方向,确定所述不规则区域的邻域;
步骤S6:将所述不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域;
步骤S7:利用梯度内积与外积运算构造所述不规则区域的匹配描述子;
步骤S8:通过计算所得描述子之间欧式距离并利用双向匹配准则计算所述不规则区域之间的相似性,进行区域匹配并输出匹配结果。
本发明提供的数字图像中不规则区域自动匹配方法,没有将不规则区域的形状拟合为规则形状,而是将不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域,利用梯度内积与外积运算构造所述不规则区域的匹配描述子,通过计算所得描述子之间欧式距离并利用双向匹配准则计算所述不规则区域之间的相似性,进行区域匹配,所以不会引入由于将不规则区域拟合为规则形状而带来的误差;并且在其他的步骤中也不会有显著的误差引入,所以相对于现有的不规则区域匹配方法,本发明具有更高的准确性。
附图说明
图1所示为本发明数字图像中不规则区域自动匹配方法的流程图;
图2所示为本发明步骤S5中确定的不规则区域的邻域的示意图;
图3所示为本发明步骤S6中分层并进行其区域划分的示意图。
具体实施方式
如图1所示为本发明数字图像中不规则区域自动匹配方法的流程图。本发明提供的不规则区域自动匹配方法主要步骤包括:采集图像并输入计算机、提取图像中的不规则区域、计算不规则区域的主方向dMain、计算不规则区域的最大对称位置P、确定不规则区域的邻域、对邻域进行子区域划分、构造匹配描述子、匹配并输出结果。
各步骤的具体实施细节如下:
步骤S1:采集图像并输入计算机。可以利用数码相机拍摄同一场景不同视角下的两幅或多幅图像,输入计算机。
步骤S2:提取图像中的不规则区域。具体地可以利用MSER等各种不规则区域提取方法提取图像中的不规则区域。
步骤S3:通过计算不规则区域内各点的平均梯度方向确定不规则区域的主方向dMain。
步骤S4:通过计算各点的不对称性确定不规则区域的最大对称位置P。对不规则区域内的任一位置,以该位置为中心,引出18条直线Li(i=1,2,...,18)将圆周分为36等份;记不规则区域内直线Li(i=1,2,...,18)两侧包含的像素数分别为NL(i),NR(i)(i=1,2,...,18),定义为上述任意位置处的不对称性,将不对称性最小的位置确定为不规则区域的最大对称位置。
步骤S5:以最大对称位置为中心,以主方向为起始方向,确定不规则区域的邻域。如图2所示为本发明步骤S5中确定的不规则区域的邻域的示意图,图2中箭头所示的方向即为主方向dMain,P点为最大对称位置。具体步骤如下:以最大对称位置P为中心,主方向dMain为起始方向,分别引出16条射线将圆周分为16等份,沿逆时针方向记各条射线与不规则区域边界轮廓线的交点分别为:Ci(i=1,2,...16);延长线段Ci至点Di,使得|PDi|=6/5·|PCi|(i=1,2,...16),其中|PCi|、|PDi|分别表示线段长度;将线段PDi(i=1,2,...16)等分为三段:PAi,AiBi,BiDi(i=1,2,...16);将封闭曲线D1D2D3...D16D1包含的区域确定为不规则区域的邻域。
步骤S6:将不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域。图3所示为本发明步骤S6中分层并进行其区域划分的示意图。具体步骤如下:确定不规则区域邻域的同时,将不规则区域的邻域从里到外划分为三层:第一层是封闭曲线A1A2A3...A16A1构成的区域;第二层是封闭曲线A1A2A3...A16A1与B1B2B3...B16B1构成的区域;第三层是封闭曲线B1B2B3...B16B1与D1D2D3...D16D1构成的区域。
将第一层区域划分为4个子区域,依次编号为G1、G2、G3和G4,这4个子区域的边界曲线分别为:
G1:PA1A2A3A4A5P; G2:PA5A6A7A8A9P;
G3:PA9A10A11A12A13P; G4:PA13A14A15A16A1P。
将第二层区域划分8个子区域,依次编号为G5、G6、G7、G8、G9、G10、G11和G12,这8个子区域的边界曲线分别为:
G5:A1B1B2B3A3A2A1; G6:A3B3B4B5A5A4A3;
G7:A5B5B6B7A7A6A5; G8:A7B7B8B9A9A8A7;
G9:A9B9B10B11A11A10A9; G10:A11B11B12B13A13A12A11;
G11:A13B13B14B15A15A14A13;G12:A15B15B16B1A1A16A15。
将第三层区域划分为16个子区域,依次编号为G13、G14、G15、G16、G17、G18、G19、G20、G21、G22、G23、G24、G25、G26、G27和G28,这16个子区域的边界曲线分别为:
G13:B1D1D2B2B1; G14:B2D2D3B3B2;
G15:B3D3D4B4B3; G16:B4D4D5B5B4;
G17:B5D5D6B6B5; G18:B6D6D7B7B6;
G19:B7D7D8B8B7; G20:B8D8D9B9B8;
G21:B9D9D10B10B9; G22:B10D10D11B11B10;
G23:B11D11D12B12B11; G24:B12D12D13B13B12;
G25:B13D13D14B14B13; G26:B14D14D15B15B14;
G27:B15D15D16B16B15; G28:B16D16D1B1B16。
步骤S7:利用梯度内积与外积运算构造不规则区域的匹配描述子。具体步骤如下:记子区域Gk(k=1,2,...,28)内点(xi,yi)处梯度向量为区域内平均梯度向量为按照下式计算该区域描述向量Vk=[Vk1,Vk2,Vk3,Vk4](k=1,2,...,28):
其中ο与∧分别表示内积与外积运算:
将Vk(k=1,2,...,28)除以对应的子区域Gk(k=1,2,...,28)内像素数,然后排列为一个向量,即可获得112维描述向量(其中Nk(k=1,2...,28)分别表示子区域Gk(k=1,2...,28)包含的像素数):
V=[V1/N1,V2/N2,...,V28/V28]
最后将向量V归一化为单位向量V/||V||即可获得不规则区域的匹配描述子。
步骤S8:通过计算所得描述子之间欧式距离并利用双向匹配准则计算不规则区域之间的相似性,进行区域匹配并输出匹配结果。获得匹配描述子后,首先计算两幅图像中描述子间的欧式距离来度量不同不规则区域之间的相似性;然后利用双向匹配准则进行匹配:对于第1幅图像中一个区域G,如果第2幅图像中区域G′在所有候选区域中与G匹配描述子间的欧式距离最小,如果G同时也是第1幅图像中与G′最匹配的区域,则G,G′为一对匹配区域。匹配完成后输出匹配结果。
本发明提供的数字图像中不规则区域自动匹配方法,没有将不规则区域的形状拟合为规则形状,而是将不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域,利用梯度内积与外积运算构造所述不规则区域的匹配描述子,通过计算所得描述子之间欧式距离并利用双向匹配准则计算所述不规则区域之间的相似性,进行区域匹配,所以不会引入由于将不规则区域拟合为规则形状而带来的误差;并且在其他的步骤中也不会有显著的误差引入,所以相对于现有的不规则区域匹配方法,本发明具有更高的准确性。
Claims (7)
1.一种数字图像中不规则区域自动匹配方法,其特征在于,包括:
步骤S1:采集图像并输入计算机;
步骤S2:利用不规则区域提取方法提取图像中的不规则区域;
步骤S3:通过计算所述不规则区域内各点的平均梯度方向确定所述不规则区域的主方向dMain;
步骤S4:通过计算各点的不对称性确定所述不规则区域的最大对称位置P;
步骤S5:以所述最大对称位置为中心,以所述主方向为起始方向,确定所述不规则区域的邻域;
步骤S6:将所述不规则区域的邻域从里到外划分为三层,并将每层进一步沿圆周方向划分为至少一个子区域;
步骤S7:利用梯度内积与外积运算构造所述不规则区域的匹配描述子;
步骤S8:通过计算所得描述子之间欧式距离并利用双向匹配准则计算所述不规则区域之间的相似性,进行区域匹配并输出匹配结果。
3.根据权利要求2所述的数字图像中不规则区域自动匹配方法,其特征在于,所述步骤S5包括:以所述最大对称位置P为中心,以所述主方向dMain为起始方向,分别引出16条射线将圆周分为16等份,沿逆时针方向记各条射线与所述不规则区域边界轮廓线的交点分别为:Ci,其中i=1,2,..16;延长线段Ci至点Di,使得|PDi|=6/5·|PCi|,i=1,2,...16,其中|PCi|、|PDi|分别表示线段长度;将线段PDi等分为三段:PAi,AiBi,BiDi,i=1,2,...16;将封闭曲线D1D2D3...D16D1包含的区域确定为所述不规则区域的邻域。
4.根据权利要求3所述的数字图像中不规则区域自动匹配方法,其特征在于,所述步骤S6包括:将所述不规则区域的邻域从里到外划分为三层,第一层是封闭曲线A1A2A3...A16A1构成的区域;第二层是封闭曲线A1A2A3...A16A1与B1B2B3...B16B1构成的区域;第三层是封闭曲线B1B2B3...B16B1与D1D2D3...D16D1构成的区域。
5.根据权利要求4所述的数字图像中不规则区域自动匹配方法,其特征在于,所述步骤S6中对第一层进行划分获得的子区域数为4,依次编号为G1、G2、G3和G4,这4个子区域的边界曲线分别为:
G1:PA1A2A3A4A5P; G2:PA5A6A7A8A9P;
G3:PA9A10A11A12A13P; G4:PA13A14A15A16A1P。
6.根据权利要求5所述的数字图像中不规则区域自动匹配方法,其特征在于,所述步骤S6中对第二层进行划分获得的子区域数为8,依次编号为G5、G6、G7、G8、G9、G10、G11和G12,这8个子区域的边界曲线分别为:
G5:A1B1B2B3A3A2A1; G6:A3B3B4B5A5A4A3;
G7:A5B5B6B7A7A6A5; G8:A7B7B8B9A9A8A7;
G9:A9B9B10B11A11A10A9; G10:A11B11B12B13A13A12A11;
G11:A13B13B14B15A15A14A13; G12:A15B15B16B1A1A16A15。
7.根据权利要求6所述的数字图像中不规则区域自动匹配方法,其特征在于,所述步骤S6对第三层进行划分获得的子区域数为16,依次编号为G13、G14、G15、G16、G17、G18、G19、G20、G21、G22、G23、G24、G25、G26、G27和G28,这16个子区域的边界曲线分别为:
G13:B1D1D2B2B1; G14:B2D2D3B3B2;
G15:B3D3D4B4B3; G16:B4D4D5B5B4;
G17:B5D5D6B6B5; G18:B6D6D7B7B6;
G19:B7D7D8B8B7; G20:B8D8D9B9B8;
G21:B9D9D10B10B9; G22:B10D10D11B11B10;
G23:B11D11D12B12B11; G24:B12D12D13B13B12;
G25:B13D13D14B14B13; G26:B14D14D15B15B14;
G27:B15D15D16B16B15; G28:B16D16D1B1B16。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101548231A CN101819636B (zh) | 2010-03-30 | 2010-03-30 | 数字图像中不规则区域自动匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101548231A CN101819636B (zh) | 2010-03-30 | 2010-03-30 | 数字图像中不规则区域自动匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101819636A CN101819636A (zh) | 2010-09-01 |
CN101819636B true CN101819636B (zh) | 2011-11-09 |
Family
ID=42654732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101548231A Expired - Fee Related CN101819636B (zh) | 2010-03-30 | 2010-03-30 | 数字图像中不规则区域自动匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101819636B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663442B (zh) * | 2012-03-05 | 2014-02-26 | 河南理工大学 | 基于直线二分法的不规则区域自动匹配方法 |
CN104835184B (zh) * | 2014-02-10 | 2018-03-20 | 成都理想境界科技有限公司 | 图像中四边形区域的提取方法 |
CN106408023B (zh) * | 2016-09-20 | 2019-05-14 | 河南理工大学 | 基于点组比较策略的图像特征点二值描述及匹配方法 |
CN106408022B (zh) * | 2016-09-20 | 2019-05-17 | 河南理工大学 | 基于简易采样方式和三值化策略的二值描述子构建方法 |
CN106952320B (zh) * | 2017-03-07 | 2020-07-03 | 深圳大学 | 改善图像处理中图像延拓质量的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01184588A (ja) * | 1988-01-19 | 1989-07-24 | Fujitsu Ltd | Dpマッチングによる閉曲線の対応付け方式 |
CN100337249C (zh) * | 2004-04-23 | 2007-09-12 | 中国科学院计算技术研究所 | 一种视频运动对象分割方法 |
-
2010
- 2010-03-30 CN CN2010101548231A patent/CN101819636B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101819636A (zh) | 2010-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574375B (zh) | 结合彩色和深度信息的图像显著性检测方法 | |
CN105261014B (zh) | 一种多传感器遥感影像匹配方法 | |
CN102005047B (zh) | 图像配准系统及其方法 | |
CN103886611B (zh) | 一种适合于航空摄影飞行质量自动检查的影像匹配方法 | |
CN101819636B (zh) | 数字图像中不规则区域自动匹配方法 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
CN103593832A (zh) | 一种基于高斯二阶差分特征检测算子的图像拼接方法 | |
CN103971378A (zh) | 一种混合视觉系统中全景图像的三维重建方法 | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
CN104077760A (zh) | 一种航空摄影测量的快速拼接系统及其实现方法 | |
CN101488224B (zh) | 基于相关性度量的特征点匹配方法 | |
CN104182973A (zh) | 基于圆形描述算子csift的图像复制粘贴检测方法 | |
CN102629330A (zh) | 一种深度图像与彩色图像的快速高精度匹配方法 | |
CN106709870B (zh) | 一种近景影像直线段匹配方法 | |
CN103700082B (zh) | 基于对偶四元数相对定向的图像拼接方法 | |
CN108182705A (zh) | 一种基于机器视觉的三维坐标定位方法 | |
CN105809678B (zh) | 一种短基线条件下两视图间线段特征全局匹配方法 | |
CN105654479A (zh) | 多光谱图像配准方法和装置 | |
CN103308000A (zh) | 基于双目视觉的曲线物体测量方法 | |
CN114648445B (zh) | 一种基于特征点提取及精配准优化的多视角高分辨率点云拼接方法 | |
CN102663733A (zh) | 基于特征组对的特征点匹配方法 | |
CN104167000A (zh) | 一种仿射不变的宽基线图像密集匹配方法 | |
CN112149728B (zh) | 一种快速的多模态图像模板匹配方法 | |
CN102592277A (zh) | 基于灰度子集合划分的曲线自动匹配方法 | |
CN104036494A (zh) | 一种用于水果图像的快速匹配计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111109 Termination date: 20140330 |
|
EXPY | Termination of patent right or utility model |