CN102722730A - 基于距离变换划分的不规则区域自动匹配方法 - Google Patents

基于距离变换划分的不规则区域自动匹配方法 Download PDF

Info

Publication number
CN102722730A
CN102722730A CN2012101609785A CN201210160978A CN102722730A CN 102722730 A CN102722730 A CN 102722730A CN 2012101609785 A CN2012101609785 A CN 2012101609785A CN 201210160978 A CN201210160978 A CN 201210160978A CN 102722730 A CN102722730 A CN 102722730A
Authority
CN
China
Prior art keywords
regional
vector
point
irregular area
average
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
Application number
CN2012101609785A
Other languages
English (en)
Other versions
CN102722730B (zh
Inventor
王志衡
刘红敏
霍占强
贾宗璞
李莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201210160978.5A priority Critical patent/CN102722730B/zh
Publication of CN102722730A publication Critical patent/CN102722730A/zh
Application granted granted Critical
Publication of CN102722730B publication Critical patent/CN102722730B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明涉及一种基于距离变换划分的不规则区域自动匹配方法，包括：采集图像并输入计算机；利用已有技术提取图像中的不规则区域；计算不规则区域内各点的距离变换；利用各点的距离变换对不规则区域进行子区域划分；计算不规则区域内各点的旋转不变特征向量；计算不规则区域的匹配描述子；利用匹配描述子并基于双向匹配原则进行匹配。相比于已有方法，本发明提供的方法不仅更为简单，而且具有更优性能。

Description

基于距离变换划分的不规则区域自动匹配方法
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，尤其涉及一种不规则特征区域自动匹配方法。
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。为解决这个问题，中国发明专利ZL2010101548231提出了一种基于蜘蛛网划分的不规则区域匹配方法，该方法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若干子区域，克服了形状拟合误差问题。但该方法进行区域划分过程较为复杂，且最大对称位置与主方向的计算环节可能会带来一定的误差。
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，目的是提供一种不需要进行形状拟合，简单且具有更优性能的不规则区域自动匹配方法。
为实现本目的，本发明提供的基于距离变换划分的不规则区域自动匹配方法包括以下步骤：
步骤S1：从不同角度采集同一场景不同图像并输入计算机；
步骤S2：利用已有不规则特征区域提取技术提取图像中的不规则区域；
步骤S3：计算不规则区域内各点的距离变换；
步骤S4：利用各点的距离变换对不规则区域进行子区域划分；
步骤S5：利用不规则区域的平均梯度与各点的高斯梯度进行线性运算获得区域内各点的旋转不变特征向量；
步骤S6：通过计算各点旋转不变特征向量的均值向量与标准差向量获得不规则区域的匹配描述子；
步骤S7：利用匹配描述子并基于双向匹配原则进行区域匹配。
本发明提供的基于距离变换的不规则区域自动匹配方法，既不需要对不规则区域进行规则形状拟合，也不需要进行最大对称位置与主方向计算，而是利用距离变换能够度量各点到边界距离的性质，根据区域内各点的距离变换大小将区域内各点划分为若干层。该过程既克服了形状拟合误差、又避免了最大对称位置与主方向计算环节可能引入的误差，并且在其他的步骤中也不会有显著的误差引入，相对于现有的不规则区域匹配方法，本发明不仅更为简单而且具有更优性能。
附图说明
图1所示为本发明基于距离变换划分的不规则区域自动匹配方法的流程图。
具体实施方式
如图1所示为本发明基于距离变换划分的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；利用已有技术提取图像中的不规则区域；计算不规则区域内各点的距离变换；利用各点的距离变换对区域进行子区域划分；计算区域内各点的旋转不变特征向量；计算区域的匹配描述子；利用匹配描述子并基于双向匹配原则进行区域匹配。各步骤的具体实施细节如下：
步骤S1：从不同角度采集同一场景不同图像并输入计算机；
步骤S2：利用已有不规则特征区域提取技术提取图像中的不规则区域，如使用MSER技术；
步骤S3：对于图像中提取的任一不规则区域G内一点P，利用计算点P处的距离变换，其中
Figure BSA00000721604400032
表示图像中不属于区域G内的点到点P的最小距离；
步骤S4：对所述区域G进行子区域划分，具体方式为：记区域G中各点距离变换的最大值为TMax，将区间[0，TMax]均匀划分为K个子区间[Ti，Ti+1)，i＝1，2，...，K，其中
Figure BSA00000721604400033
K的取值范围为6-8；根据区域G内各点距离变换大小与子区间的对应关系将区域G中各像素点划分为K个子集合：Gi＝{xj：Ti≤DT(xj)≤Ti+1}，1≤i≤K；
步骤S5：计算所述区域G内各点的旋转不变特征向量，具体方式为：记区域G的平均梯度方向对应的单位向量为dA＝[dA1，dA2]，记dA顺时针旋转90度方向对应的单位向量为dR＝[dR1，dR2]；记区域G内任一点X的高斯梯度将
Figure BSA00000721604400042
分别与向量dA、dR进行线性运算获得点X的旋转不变特征向量V(X)＝[V1(X)，V2(X)]，其中V1(X)＝fx(X)·dA1+fy(X)·dA2、V2(X)＝fx(X)·dR1+fy(X)·dR2；
步骤S6：计算所述区域G的匹配描述子，具体方式为：步骤S4将区域G按所述方式划分为K个子区域G1，G2，...，GK后，记子区域Gi包含的像素个数为N(i)，计算Gi内各像素旋转不变特征向量的均值与标准差分别获得子区域Gi的均值描述向量Mi＝Mean{V(X1)，V(X2)，..，V(XN(i))}与标准差描述向量Si＝Std{V(X1)，V(X2)，...，V(XN(i))}；将K个子区域的均值描述向量与标准差描述向量分别组成一个向量，可获得区域G的均值描述向量与标准差描述向量：M＝[M1，M2，...MK]，S＝[S1，S2，...SK]，分别对均值描述向量与标准差描述向量进行归一化获得区域G的均值标准差描述向量MS＝[M/||M||，S/||S||]，最后再次进行归一化处理获得区域G的匹配描述子Des＝MS/||S||；
步骤S7：利用匹配描述子并基于双向匹配原则进行区域匹配，具体方式如下：对于第1幅图像中任一不规则区域G，如果第2幅图像的所有不规则区域中G′是与G的匹配描述子之间欧式距离最小的区域，同时第1幅图像的所有不规则区域中G是与G′的匹配描述子之间欧式距离最小的区域，则将G，G′确定为一对匹配区域。
本发明提供的基于距离变换的不规则区域自动匹配方法，既不需要对不规则区域进行规则形状拟合，也不需要进行最大对称位置与主方向计算，而是利用距离变换能够度量各点到边界距离的性质，根据区域内各点的距离变换大小将区域内各点划分为若干层。该过程既克服了形状拟合误差、又避免了最大对称位置与主方向计算环节可能引入的误差，并且在其他的步骤中也不会有显著的误差引入，相对于现有的不规则区域匹配方法，本发明不仅更为简单而且具有更优性能。

Claims (1)

1.一种基于距离变换划分的不规则区域自动匹配方法，其特征在于，包括：
步骤S1：从不同角度采集同一场景不同图像并输入计算机；
步骤S2：利用已有不规则特征区域提取技术提取图像中的不规则区域，如使用MSER技术；
步骤S3：对于图像中提取的任一不规则区域G内一点P，利用
Figure FSA00000721604300011
计算点P处的距离变换，其中
Figure FSA00000721604300012
表示图像中不属于区域G内的点到点P的最小距离；
步骤S4：对所述区域G进行子区域划分，具体方式为：记区域G中各点距离变换的最大值为TMax，将区间[0，TMax]均匀划分为K个子区间[Ti，Ti+1)，i＝1，2，...，K，其中
Figure FSA00000721604300013
K的取值范围为6-8；根据区域G内各点距离变换大小与子区间的对应关系将区域G中各像素点划分为K个子集合：Gi＝{xj：Ti≤DT(xj)≤Ti+1}，1≤i≤K；
步骤S5：计算所述区域G内各点的旋转不变特征向量，具体方式为：记区域G的平均梯度方向对应的单位向量为dA＝[dA1，dA2]，记dA顺时针旋转90度方向对应的单位向量为dR＝[dR1，dR2]；记区域G内任一点X的高斯梯度
Figure FSA00000721604300014
将
Figure FSA00000721604300015
分别与向量dA、dR进行线性运算获得点X的旋转不变特征向量V(X)＝[V1(X)，V2(X)]，其中V1(X)＝fx(X)·dA1+fy(X)·dA2、V2(X)＝fx(X)·dR1+fy(X)·dR2；
步骤S6：计算所述区域G的匹配描述子，具体方式为：步骤S4将区域G按所述方式划分为K个子区域G1，G2，...，GK后，记子区域Gi包含的像素个数为N(i)，计算Gi内各像素旋转不变特征向量的均值与标准差分别获得子区域Gi的均值描述向量Mi＝Mean{V(X1)，V(X2)，...，V(XN(i))}与标准差描述向量Si＝Std{V(X1)，V(X2)，...，V(XN(i))}；将K个子区域的均值描述向量与标准差描述向量分别组成一个向量，可获得区域G的均值描述向量与标准差描述向量：M＝[M1，M2，...MK]，S＝[S1，S2，...SK]，分别对均值描述向量与标准差描述向量进行归一化获得区域G的均值标准差描述向量MS＝[M/||M||，S/||S||]，最后再次进行归一化处理获得区域G的匹配描述子Des＝MS/||S||；
步骤S7：利用匹配描述子并基于双向匹配原则进行区域匹配，具体方式如下：对于第1幅图像中任一不规则区域G，如果第2幅图像的所有不规则区域中G′是与G的匹配描述子之间欧式距离最小的区域，同时第1幅图像的所有不规则区域中G是与G′的匹配描述子之间欧式距离最小的区域，则将G，G′确定为一对匹配区域。
CN201210160978.5A 2012-05-14 2012-05-14 基于距离变换划分的不规则区域自动匹配方法 Expired - Fee Related CN102722730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210160978.5A CN102722730B (zh) 2012-05-14 2012-05-14 基于距离变换划分的不规则区域自动匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210160978.5A CN102722730B (zh) 2012-05-14 2012-05-14 基于距离变换划分的不规则区域自动匹配方法

Publications (2)

Publication Number Publication Date
CN102722730A true CN102722730A (zh) 2012-10-10
CN102722730B CN102722730B (zh) 2014-10-15

Family

ID=46948479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210160978.5A Expired - Fee Related CN102722730B (zh) 2012-05-14 2012-05-14 基于距离变换划分的不规则区域自动匹配方法

Country Status (1)

Country Link
CN (1) CN102722730B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485264A (zh) * 2016-09-20 2017-03-08 河南理工大学 基于梯度序划分及映射策略的曲线描述及匹配方法
CN107844803A (zh) * 2017-10-30 2018-03-27 中国银联股份有限公司 一种图片比对的方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090185746A1 (en) * 2008-01-22 2009-07-23 The University Of Western Australia Image recognition
CN101526944A (zh) * 2008-12-23 2009-09-09 广州乐庚信息科技有限公司 图像检索比对方法
CN101833767A (zh) * 2010-05-10 2010-09-15 河南理工大学 数字图像中基于梯度与颜色特征的直线自动匹配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090185746A1 (en) * 2008-01-22 2009-07-23 The University Of Western Australia Image recognition
CN101526944A (zh) * 2008-12-23 2009-09-09 广州乐庚信息科技有限公司 图像检索比对方法
CN101833767A (zh) * 2010-05-10 2010-09-15 河南理工大学 数字图像中基于梯度与颜色特征的直线自动匹配方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485264A (zh) * 2016-09-20 2017-03-08 河南理工大学 基于梯度序划分及映射策略的曲线描述及匹配方法
CN107844803A (zh) * 2017-10-30 2018-03-27 中国银联股份有限公司 一种图片比对的方法和装置
CN107844803B (zh) * 2017-10-30 2021-12-28 中国银联股份有限公司 一种图片比对的方法和装置

Also Published As

Publication number Publication date
CN102722730B (zh) 2014-10-15

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
CN104167003B (zh) 一种遥感影像的快速配准方法
CN101833767B (zh) 数字图像中基于梯度与颜色特征的直线自动匹配方法
WO2016034059A1 (zh) 基于颜色-结构特征的目标对象跟踪方法
CN103606170B (zh) 基于彩色尺度不变的街景影像特征检测与匹配方法
CN105989604A (zh) 一种基于kinect的目标物体三维彩色点云生成方法
CN103886611A (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
CN103248906B (zh) 一种双目立体视频序列的深度图获取方法与系统
CN108765476B (zh) 一种偏振图像配准方法
CN103473551A (zh) 基于sift算子的台标识别方法及系统
CN106341676B (zh) 基于超像素的深度图像预处理和深度空洞填充方法
CN105261014A (zh) 一种多传感器遥感影像匹配方法
CN101236602A (zh) 图像处理设备、图像处理方法和计算机程序
CN103426186A (zh) 一种改进的surf快速匹配方法
CN103279955B (zh) 图像匹配方法和系统
CN111462198B (zh) 一种尺度、旋转和辐射不变性的多模态影像配准方法
CN101986295B (zh) 基于流形稀疏编码的图像聚类的方法
CN105719277A (zh) 一种基于测绘与二维图像的变电站三维建模方法及系统
CN101819636B (zh) 数字图像中不规则区域自动匹配方法
CN102663733A (zh) 基于特征组对的特征点匹配方法
CN104778673B (zh) 一种改进的高斯混合模型深度图像增强方法
CN102722730B (zh) 基于距离变换划分的不规则区域自动匹配方法
CN106447734A (zh) 一种采用人脸标定物的智能手机相机标定算法
CN102761764A (zh) 一种用于三维立体视频的深度图片的上采样方法
CN113255449A (zh) 一种双目视频图像的实时匹配方法

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: 20141015

Termination date: 20170514

CF01 Termination of patent right due to non-payment of annual fee