CN102682275A - 图像匹配方法 - Google Patents
图像匹配方法 Download PDFInfo
- Publication number
- CN102682275A CN102682275A CN2011104112040A CN201110411204A CN102682275A CN 102682275 A CN102682275 A CN 102682275A CN 2011104112040 A CN2011104112040 A CN 2011104112040A CN 201110411204 A CN201110411204 A CN 201110411204A CN 102682275 A CN102682275 A CN 102682275A
- Authority
- CN
- China
- Prior art keywords
- images
- value
- width
- image
- pixel
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了图像匹配方法,旨在提供一种有较高识别速度的图像匹配方法。它包括以下步骤:步骤a、获取两幅待匹配图像的HSV格式的V值图像;步骤b、针对两幅图像分别建立两个二维坐标系,图像的中每个像素都得到相应的坐标值;步骤c、针对两幅图像分别建立一个三维坐标系,将两幅图像的每个像素的(x,y)坐标和对应该点的灰度值绘制在各自的三维坐标系中,对应点的x值和y值为像素在二维坐标系中的坐标,对应点的z值为像素的灰度值;步骤d、利用曲面拟合技术分别求得两幅图像的拟合函数;步骤e、通过判别两幅图像拟合函数的相似性来判断两幅图像的相似性。本发明适用于所有的图像匹配场合。
Description
技术领域
本发明涉及图像识别领域,尤其是涉及一种具有较高识别速度的图像匹配方法。
背景技术
在图像识别领域,常常需要做两幅图像的匹配。譬如在火车站利用摄像机从拍摄到的人群中寻找与通缉犯照片相近的人。再比如生产线上利用摄像机拍摄工件,检查它们是否存在与残次品库中保存图案相近的。这些应用都需要做图像匹配。
在图像识别领域,一般匹配的方法是做两个图的点积,通过点积结果的大小来评判两幅图像是否相似,匹配公式如下:
式中m是一个窗口像素的个数。这种计算的计算量很大。随着图像识别领域应用的普及和算法的改进,(1)式也有很多变形,如归一化互相关系数等等。但是它们的实质都是从(1)式派生出来的。
图像的表示方法很多,HSV和RGB是表示图像颜色的两种不同的方法,RGB是自然界生成图像的三个最基本的原色,HSV色彩属性模式是根据色彩的三个基本属性:色相、饱和度和明度来确定颜色的一种方法。正常彩色图像是我们习惯用的RGB格式,因为计算机很方便使用发光器件生成对应的颜色。但是在图像处理中我们习惯转换成其他格式,HSV是一种比较常见的格式。色相(H)是色彩的基本属性,就是平常所说的颜色名称,如红色、黄色等。饱和度(S)是指色彩的纯度,值越高色彩越纯,越低则逐渐变灰,取0-100%的数值。明度(V)也叫“亮度”、“灰度”,取0-100%。转化成HSV时,我们想区分图像的某个区域是什么颜色,就看这个区域的H通道是在哪个范围中,如果在RGB模式中这是很难表示的。我们采用HSV格式的明度,或称灰度V作为我们分析和计算的对象。
发明内容
本发明主要是解决现有技术所存在的进行匹配计算时计算量大、耗时长、占用资源多的技术问题,提供一种计算简便的图像匹配方法。
本发明针对上述技术问题主要是通过下述技术方案得以解决的:一种图像匹配方法,其特征在于包括以下步骤:
步骤a、获取两幅待匹配图像的HSV格式的V值图像;
步骤b、针对两幅图像分别建立两个二维坐标系,图像的中每个像素都得到相应的坐标值;
步骤c、针对两幅图像分别建立一个三维坐标系,将两幅图像的每个像素的(x,y)坐标和对应该点的灰度值绘制在各自的三维坐标系中,对应点的x值和y值为像素在二维坐标系中的坐标,对应点的z值为像素的灰度值;
步骤d、利用曲面拟合技术分别求得两幅图像的拟合函数;
步骤e、通过判别两幅图像拟合函数的相似性来判断两幅图像的相似性。
作为优选,拟合函数为二元二次函数,第一幅图像的拟合函数形式如下:
M=a+a 1 ×x+a 2 ×y+a 3 ×x 2 +a 4 ×y 2 +a 5 ×x×y; (2)
第二幅图像的拟合函数形式如下:
N=b+b 1 ×x+b 2 ×y+b 3 ×x 2 +b 4 ×y 2 +b 5 ×x×y。 (3)
求曲面拟合一般采用最小二乘法。
最小二乘法是一种数学优化技术,它通过最小化误差的平方和来寻找一组数据的最佳匹配函数。最小二乘法是用最简的方法求得目标函数的参数值,而令误差平方之和为最小。
作为优选,判断拟合函数的相似性采用如下公式:
F=∣a 1 -k×b 1 ∣+∣a 2 -k×b 2 ∣+[a 3 0.5 -(k×b 3 ) 0.5] 2 +[a 4 0.5 -(k×b 4 ) 0.5] 2 +[a 5 0.5 -(k×b 5 ) 0.5] 2 (4)
式中k是N相对于M的缩放系数。参数a和b是两个图像的基础灰度值,不影响两个曲面形状的相似性,所以在(4)式中不需要a和b。
作为优选,二维坐标系中,图像最左边点的x值为0,图像最上边点的y值为0,每个像素的坐标值都为自然数。
作为优选,当F值为0时,判定两幅图像为相同图像。当F值大于0时,两幅图像有差异,F值越大差异越大。
因为函数的参数决定了函数的性质,所以函数的参数相近的程度也反应了函数表示的曲面的相近程度。(4)式的意义是生成两个函数参数的差别计算公式。因为a 3 和b 3 、 a 4 和b 4 、 a 5 和b 5 都对应变量的二次项,所以其参数差别的影响也要先用开方后的差再做二次方决定。F是一个正数。
这样我们不再用传统的将两幅图像做卷积来判断相似性,而是通过计算(4)式来判断两幅图像的相似性。这样的做法有几个好处:
1、当窗口尺寸(像素点数量)大于3×3时,(1)式的计算量大于(4)式的计算量。而且当窗口尺寸更大时节省的计算量更可观。
2、当窗口做缩放、旋转等变形时,计算(1)式比计算(4)式难的多。
3、用(2)和(3)式保存图像比用原始数据保存图像对空间的占用量小的多。
如果像素点在三维坐标系中的z值用像素点的色相值(H)来表达,则可以判断两幅图像的颜色是否相近。
整个匹配计算过程在计算机上完成。本发明可以应用于人脸识别、寻人、追查通缉犯、工件检查、空中定位等需要进行图像匹配的场合。进行图像匹配时可以先将图像分成多个小块进行匹配计算,减少计算时间和资源占用。
本发明带来的实质性效果是,可以简化大量仿射图像匹配计算,缩短匹配时间,减小运算时的资源占用。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本发明的一种图像匹配方法,如图1所示,包括以下步骤:
步骤a、获取两幅待匹配图像的HSV格式的V值图像;
步骤b、针对两幅图像分别建立二维坐标系,图像的中每个像素都得到相应的坐标值,二维坐标系中,图像最左边点的x值为0,图像最上边点的y值为0,每个像素的坐标值都为自然数;
步骤c、针对两幅图像分别建立一个三维坐标系,将两幅图像的每个像素的(x,y)坐标和对应该点的灰度值绘制在各自的三维坐标系中,对应点的x值和y值为像素在二维坐标系中的坐标,对应点的z值为像素的灰度值;
步骤d、利用最小二乘法分别求得两幅图像的拟合函数;第一幅图像的拟合函数形式如下:
M=a+a 1 ×x+a 2 ×y+a 3 ×x 2 +a 4 ×y 2 +a 5 ×x×y;
第二幅图像的拟合函数形式如下:
N=b+b 1 ×x+b 2 ×y+b 3 ×x 2 +b 4 ×y 2 +b 5 ×x×y。
步骤e、通过判别两幅图像拟合函数的相似性来判断两幅图像的相似性,判断拟合函数的相似性采用如下公式:
F=∣a 1 -k×b 1 ∣+∣a 2 -k×b 2 ∣+[a 3 0.5 -(k×b 3 ) 0.5] 2 +[a 4 0.5 -(k×b 4 ) 0.5] 2 +[a 5 0.5 -(k×b 5 ) 0.5] 2
式中k是N相对于M的缩放系数。当F值为0时,判定两幅图像为相同图像,当F值大于0时,两幅图像有差异,F值越大差异越大。
图2、图3所示为两幅原始图像的V数据,按照传统匹配方法做计算的过程如下:S=0×8+4×12+8×16+12×20+
4×12+8×16+12×20+16×24+
8×16+12×20+16×24+20×28+
12×20+16×24+20×28+24×32
= 4480
按照本发明的方法,对图1的数据做曲面拟合得到如下拟合公式:
M=-8+4×x+4×y+(-1.221e-015)×x2+(2.662e-013)×x×y+(6.661e-016)×y2
对图2的数据做曲面拟合得到如下拟合公式:
N=(-1.776e-016)+4×x+4×y+(-4.441e-016)×x2+(7.105e-016)×x×y+(1.332e-015)×y2
带入四式得到计算结果为:
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了二维坐标系、曲面拟合等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (5)
1.一种图像匹配方法,其特征在于包括以下步骤:
步骤a、获取两幅待匹配图像的HSV格式的V图像;
步骤b、针对两幅图像分别建立二维坐标系,图像的中每个像素都得到相应的坐标值;
步骤c、针对两幅图像分别建立三维坐标系,将两幅图像的每个像素的对应点绘制在各自的三维坐标系中,对应点的x值和y值为像素在二维坐标系中的坐标,对应点的z值为像素的灰度值;
步骤d、通过曲面拟合分别求得两幅图像的拟合函数;
步骤e、通过两幅图像的拟合函数的差异判断两幅图像的相似性。
2.根据权利要求1所述的图像匹配方法,其特征在于,拟合函数为二元二次函数,第一幅图像的拟合函数形式如下:
M=a+a 1 ×x+a 2 ×y+a 3 ×x 2 +a 4 ×y 2 +a 5 ×x×y;
第二幅图像的拟合函数形式如下:
N=b+b 1 ×x+b 2 ×y+b 3 ×x 2 +b 4 ×y 2 +b 5 ×x×y。
3.根据权利要求2所述的图像匹配方法,其特征在于,判断拟合函数的相似性采用如下公式:
F=∣a 1 -k×b 1 ∣+∣a 2 -k×b 2 ∣+[a 3 0.5 -(k×b 3 ) 0.5] 2 +[a 4 0.5 -(k×b 4 ) 0.5] 2 +[a 5 0.5 -(k×b 5 ) 0.5] 2
式中k是N相对于M的缩放系数。
4.根据权利要求1或2所述的图像匹配方法,其特征在于,二维坐标系中,图像最左边点的x值为0,图像最上边点的y值为0,每个像素的坐标值都为自然数。
5.根据权利要求3所述的图像匹配方法,其特征在于,当F值为0时,判定两幅图像为相同图像,当F值大于0时,两幅图像有差异,F值越大差异越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110411204.0A CN102682275B (zh) | 2011-12-12 | 2011-12-12 | 图像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110411204.0A CN102682275B (zh) | 2011-12-12 | 2011-12-12 | 图像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102682275A true CN102682275A (zh) | 2012-09-19 |
CN102682275B CN102682275B (zh) | 2014-04-02 |
Family
ID=46814176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110411204.0A Expired - Fee Related CN102682275B (zh) | 2011-12-12 | 2011-12-12 | 图像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102682275B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012120A (zh) * | 2021-03-09 | 2021-06-22 | 普迪飞半导体技术(上海)有限公司 | 灰度值有效性分析方法、装置、电子设备以及存储介质 |
CN113533250A (zh) * | 2021-07-05 | 2021-10-22 | 合肥金星机电科技发展有限公司 | 一种气体遥测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477632A (zh) * | 2008-12-19 | 2009-07-08 | 深圳市大族激光科技股份有限公司 | 一种灰度图像匹配方法及系统 |
CN102184411A (zh) * | 2011-05-09 | 2011-09-14 | 中国电子科技集团公司第二十八研究所 | 基于彩色信息的尺度不变特征点描述和匹配方法 |
CN102222335A (zh) * | 2011-05-30 | 2011-10-19 | 广东工业大学 | 一种彩色图像的四元数匹配方法 |
-
2011
- 2011-12-12 CN CN201110411204.0A patent/CN102682275B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477632A (zh) * | 2008-12-19 | 2009-07-08 | 深圳市大族激光科技股份有限公司 | 一种灰度图像匹配方法及系统 |
CN102184411A (zh) * | 2011-05-09 | 2011-09-14 | 中国电子科技集团公司第二十八研究所 | 基于彩色信息的尺度不变特征点描述和匹配方法 |
CN102222335A (zh) * | 2011-05-30 | 2011-10-19 | 广东工业大学 | 一种彩色图像的四元数匹配方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012120A (zh) * | 2021-03-09 | 2021-06-22 | 普迪飞半导体技术(上海)有限公司 | 灰度值有效性分析方法、装置、电子设备以及存储介质 |
CN113533250A (zh) * | 2021-07-05 | 2021-10-22 | 合肥金星机电科技发展有限公司 | 一种气体遥测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102682275B (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709568B (zh) | 基于深层卷积网络的rgb-d图像的物体检测和语义分割方法 | |
CN106056155B (zh) | 基于边界信息融合的超像素分割方法 | |
CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及系统 | |
TWI240067B (en) | Rapid color recognition method | |
CN104408449B (zh) | 智能移动终端场景文字处理方法 | |
CN105741322B (zh) | 一种基于视频特征层融合的视场区域分割方法 | |
CN108334881A (zh) | 一种基于深度学习的车牌识别方法 | |
CN103971126A (zh) | 一种交通标志识别方法和装置 | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN104463838A (zh) | 彩色视频处理系统和方法、以及相应计算机程序 | |
CN102314602A (zh) | 使用最优定向线性轴线去除由基于车辆的相机捕获的图像中的阴影 | |
CN105678318B (zh) | 交通标牌的匹配方法及装置 | |
CN105678315A (zh) | 生成训练图像的方法以及目标识别系统的学习方法 | |
CN107767379A (zh) | Pcb板标注印刷质量检测方法 | |
CN105139417A (zh) | 视频监控下的多目标实时跟踪方法 | |
CN103996185A (zh) | 一种基于注意力td-bu机制的图像分割方法 | |
CN107154044A (zh) | 一种中餐食物图像的分割方法 | |
Zhu et al. | Face detection method based on multi-feature fusion in YC b C r color space | |
CN108491857A (zh) | 一种视域重叠的多摄像机目标匹配方法 | |
CN102682275A (zh) | 图像匹配方法 | |
Xiang et al. | Fusion of Multi Color Space for Human Skin RegionSegmentation | |
CN102184403B (zh) | 基于优化的本征图像提取方法 | |
CN102411782A (zh) | 一种高光谱遥感图像三层彩色可视化方法 | |
CN107122757A (zh) | 一种实时鲁棒的非结构化道路检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140402 Termination date: 20191212 |