CN105160311A - 直线段匹配方法及装置 - Google Patents

直线段匹配方法及装置 Download PDF

Info

Publication number
CN105160311A
CN105160311A CN201510532135.7A CN201510532135A CN105160311A CN 105160311 A CN105160311 A CN 105160311A CN 201510532135 A CN201510532135 A CN 201510532135A CN 105160311 A CN105160311 A CN 105160311A
Authority
CN
China
Prior art keywords
line segment
straight
image
distance
unique point
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
CN201510532135.7A
Other languages
English (en)
Other versions
CN105160311B (zh
Inventor
胡事民
朱哲
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201510532135.7A priority Critical patent/CN105160311B/zh
Publication of CN105160311A publication Critical patent/CN105160311A/zh
Application granted granted Critical
Publication of CN105160311B publication Critical patent/CN105160311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种直线段匹配方法及装置，属于模式识别领域，其方法包括：提取第一图像的第一直线段与第二图像的第二直线段；确定第一直线段与第二直线段之间的特征距离及几何距离，将特征距离及几何距离进行线性加权，并将线性加权的结果作为第一直线段与第二直线段之间的最终距离，特征距离为第一直线段与第二直线段的特征描述子之间的距离；若最终距离为第一直线段与第二图像中各直线段距离中的最小值，且最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将第一直线段与第二直线段作为一对匹配的直线段。上述方法可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。

Description

直线段匹配方法及装置
技术领域
本发明涉及模式识别领域，尤其涉及一种直线段匹配方法及装置。
背景技术
自动地匹配图像之间的特征一直是模式识别中的重要研究内容。而点特征和直线段特征是图像中两个重要的特征，鲁棒的点特征和直线段特征匹配是很多模式识别和计算机视觉算法的基础。最近一二十年来，特征点的匹配得到了很多研究关注，取得了很多进展。一些诸如尺度不变特征变换(Scale-invariantfeaturetransform，简称SIFT)、区域特征提取(MaximallyStableExtremalRegions，简称MSER)等鲁棒的特征点匹配方法被相继提出来，并且得到了广泛的应用。
迄今为止，关于直线段匹配的研究工作中，常用的方法为Wang等人在2009年提出的MSLD方法和Fan等人在2010年提出的基于线段周围特征点的仿射不变性的方法。这些方法在一些场景的图像中能够取得很好的匹配效果。然而，对于一些复杂的场景，例如包含有重复结构的图像，这些方法的准确率就会受到非常大的影响。
发明内容
针对现有技术中的缺陷，本发明提供一种直线段匹配方法及装置，可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。
第一方面，本发明提供一种直线段匹配方法，所述方法包括：
提取第一图像的第一直线段与第二图像的第二直线段；
确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
其中，所述第一图像为源图像，所述第二图像为目标图像。
可选地，所述确定所述第一直线段与第二直线段之间的特征距离，具体包括：
依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述；
计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子；
将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
可选地，所述确定所述第一直线段与第二直线段之间的几何距离，具体包括：
提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点；
将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则；
将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离；
将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离；
将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
可选地，所述将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，具体包括：
将所述匹配的特征点进行聚类；
以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将所述第一图像与第二图像进行相应的区域划分。
可选地，若一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。
第二方面，本发明提供一种直线段匹配装置，所述装置包括：
直线段提取单元，用于提取第一图像的第一直线段与第二图像的第二直线段；
最终距离确定单元，用于确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
直线段匹配单元，用于若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
其中，所述第一图像为源图像，所述第二图像为目标图像。
可选地，所述最终距离确定单元，具体用于依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述；计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子；将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
可选地，所述最终距离确定单元，具体用于提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点；将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则；将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离；将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离；将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
可选地，所述最终距离确定单元，具体用于将所述匹配的特征点进行聚类；以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将所述第一图像与第二图像进行相应的区域划分。
可选地，若一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。
由上述技术方案可知，本发明的直线段匹配方法及装置，通过将第一直线段与第二直线段之间的特征距离及几何距离线性加权的结果作为第一直线段与第二直线段之间的最终距离，在所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值时，将所述第一直线段与第二直线段作为一对匹配的直线段。由此，可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。
附图说明
图1为本发明一实施例提供的直线段匹配方法的流程示意图；
图2a为本发明一实施例提供的第一直线段与第二直线段之间的特征距离计算方法的流程示意图；
图2b为本发明一实施例提供的第一直线段与第二直线段之间的几何距离计算方法的流程示意图；
图3为本发明一实施例提供的直线段匹配装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。
图1示出了本发明一实施例提供的直线段匹配方法的流程示意图，如图1所示，本实施例的直线段匹配方法如下所述。
101、提取第一图像的第一直线段与第二图像的第二直线段。
举例来说，可采用LSD直线段检测方法提取第一图像的第一直线段与第二图像的第二直线段。
应该说明的是，上述的第一图像为源图像，第二图像为目标图像，而在另一种可实施的方式中，第一图像可为目标图像，第二图像可为源图像，本实施例不对其进行限定。
102、确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离。
举例来说，可设第一直线段与第二直线段之间的特征距离为DFeat，几何距离为DGeo，则第一直线段与第二直线段之间的最终距离可为D＝DFeat+2DGeo，由上式可看出知，最终距离中几何距离具有更大的权重，这是因为线段的位置特征不受重复结构的影响，具有很好的鲁棒性，而最终距离取特征距离与几何距离的线性加权结果则具有更强的约束性。因此，对包含重复结构的图像，也能很好地进行直线段的匹配。
在实际应用中，确定上述第一直线段与第二直线段之间的特征距离可包括如下所述的子步骤S1至子步骤S3，如图2a所示。
S1、依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述。
S2、计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子。
举例来说，可将方向量化为四个等距离的区间，依次以第一直线段上的每一个点为中心点，计算其周围5*5区域内的梯度方向直方图，并将这个梯度直方图作为该点的特征描述，再将第一直线段上所有的点的特征描述取均值和方差，将所有点的特征描述的均值和方差作为第一直线段的特征描述子。第二直线段确定其特征描述子的过程与第一直线段相同，此处不再赘述。应该说明的是，本实施例选取5*5区域计算其梯度方向是一个经验取值，当然，根据实际需要可选取其它区域，如4*4区域或6*6区域来计算以第一直线段或第二直线段上的点为中心点的梯度方向直方图，本实施例不对其进行限定。而采用直线段上所有点的均值和方差作为该直线段的特征描述子，对长度不一致的直线段有一定的鲁棒性；由于本实施例使用梯度方向而不是颜色作为描述，故能够较好地处理光照的变换。
S3、将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
举例来说，将第一直线段与第二直线段的特征描述子之间的二范式距离作为第一直线段与第二线段之间的特征距离。
在具体应用中，上述的确定第一直线段与第二直线段之间的几何距离可包括如下所述的子步骤T1至子步骤T5，如图2b所示。
T1、提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点。
举例来说，可采用SIFT法提取第一图像与第二图像的特征点，并对提取的特征点进行匹配。
T2、将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则。
举例来说，可采用AgglomerativeCorrespondenceClustering聚类法对上述的匹配的特征点进行聚类。
应该说明的是，若某一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。上述的阈值为一经验值，例如，可取阈值为20，若某一类中特征点的数目小于20，则将该类作为噪声并去除。本实施例不对阈值的设定值进行限定。
在一种可实施的方式中，在用上述方法对聚类结果进行过滤后，可依次以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将上述第一图像与第二图像进行相应的区域划分。在实际应用中，可直接以Voronoi图作为图像区域的划分。
而对于第一图像与第二图像各区域的特征点，可采用RANSAC算法拟合出第一图像中各区域与所述第二图像对应区域的投影变换规则。可理解的是，上述的特征点是匹配的特征点，那么，对于第一图像中某区域对应的区域，即在第二图像中与第一图像中该区域特征点匹配特征点所在的区域。例如，第一图像中区域A中的特征点与第二图像中区域B中的特征点匹配，则第二图像中区域B则为第一图像中区域A相应的区域。
T3、将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离。
T4、将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离。
T5、将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
应该说明的是，上述的计算第一几何距离及第二几何距离的过程可在Hough空间进行。
举例来说，设第一直线段所属区域为第一图像区域A，第一图像区域A到第二图像相应区域B的投影变换规则为H，则第二图像区域B到第一图像区域A的投影变换规则为H-1。具体地，将第一直线段根据投影变换规则H变换为在第二图像中的第三直线段，计算第三直线段与第二直线段的第一几何距离DS；再将第二直线段根据投影变换规则H-1变换为在第一图像中的第四直线段，计算第四直线段与第一直线段的第二几何距离DT；最后将第一几何距离与第二几何距离的均值(DS+DT)/2作为第一直线段与第二直线段之间的几何距离。
在一种可能存在的情况中，如果第一直线段与第二直线段不在相互对应的区域里，那么将第一直线段与第二直线段之间的几何距离取值为无穷大。
103、若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段。
举例来说，如果第一直线段Ls与第二直线段Lt的最终距离为Ls与第二图像中所有直线段距离中的最小值，同时，Lt与Ls的最终距离为Lt与第一图像中的有直线段距离中的最小值，那么可将Ls与Lt作为一对匹配的直线段。而在实际应用时，可出现如下情况：第一直线段Ls1与第二直线段Lt1的最终距离为Ls1与第二图像中所有直线段距离中的最小值，但在第一图像中与Lt1距离最小的直线段不为Ls1，则此时的Ls1与Lt1不能为一对匹配的直线段。
本实施例的直线段匹配方法，通过将第一直线段与第二直线段之间的特征距离及几何距离线性加权的结果作为第一直线段与第二直线段之间的最终距离，在所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值时，将所述第一直线段与第二直线段作为一对匹配的直线段。由此，可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。
图3示出了本发明一实施例提供的直线段匹配装置，如图3所述，本实施例的直线段匹配装置，包括：直线段提取单元31、最终距离确定单元32和直线段匹配单元33。
所述直线段提取单元31，用于提取第一图像的第一直线段与第二图像的第二直线段；
最终距离确定单元32，用于确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
直线段匹配单元33，用于若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
其中，所述第一图像为源图像，所述第二图像为目标图像。
可选地，所述最终距离确定单元32，具体用于依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述；计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子；将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
可选地，所述最终距离确定单元32，具体用于提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点；将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则；将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离；将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离；将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
可选地，所述最终距离确定单元32，具体用于将所述匹配的特征点进行聚类；以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将所述第一图像与第二图像进行相应的区域划分。
可选地，若将所述匹配的特征点聚类后，类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。
本实施例的直线段匹配装置，可以用于执行上述图1、图2a或图2b所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本实施例的直线段匹配装置，通过将第一直线段与第二直线段之间的特征距离及几何距离线性加权的结果作为第一直线段与第二直线段之间的最终距离，在所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值时，将所述第一直线段与第二直线段作为一对匹配的直线段。由此，可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (10)

1.一种直线段匹配方法，其特征在于，所述方法包括：
提取第一图像的第一直线段与第二图像的第二直线段；
确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
其中，所述第一图像为源图像，所述第二图像为目标图像。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一直线段与第二直线段之间的特征距离，具体包括：
依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述；
计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子；
将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
3.根据权利要求1所述的方法，其特征在于，所述确定所述第一直线段与第二直线段之间的几何距离，具体包括：
提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点；
将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则；
将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离；
将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离；
将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
4.根据权利要求3所述的方法，其特征在于，所述将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，具体包括：
将所述匹配的特征点进行聚类；
以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将所述第一图像与第二图像进行相应的区域划分。
5.根据权利要求3或4所述的方法，其特征在于，若一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。
6.一种直线段匹配装置，其特征在于，所述装置包括：
直线段提取单元，用于提取第一图像的第一直线段与第二图像的第二直线段；
最终距离确定单元，用于确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
直线段匹配单元，用于若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
其中，所述第一图像为源图像，所述第二图像为目标图像。
7.根据权利要求6所述的装置，其特征在于，所述最终距离确定单元，具体用于依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述；计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子；将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
8.根据权利要求6所述的装置，其特征在于，所述最终距离确定单元，具体用于提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点；将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则；将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离；将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离；将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
9.根据权利要求8所述的装置，其特征在于，所述最终距离确定单元，具体用于将所述匹配的特征点进行聚类；以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将所述第一图像与第二图像进行相应的区域划分。
10.根据权利要求8或9所述的装置，其特征在于，若一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。
CN201510532135.7A 2015-08-26 2015-08-26 直线段匹配方法及装置 Active CN105160311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510532135.7A CN105160311B (zh) 2015-08-26 2015-08-26 直线段匹配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510532135.7A CN105160311B (zh) 2015-08-26 2015-08-26 直线段匹配方法及装置

Publications (2)

Publication Number Publication Date
CN105160311A true CN105160311A (zh) 2015-12-16
CN105160311B CN105160311B (zh) 2018-08-28

Family

ID=54801163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510532135.7A Active CN105160311B (zh) 2015-08-26 2015-08-26 直线段匹配方法及装置

Country Status (1)

Country Link
CN (1) CN105160311B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919190A (zh) * 2019-01-29 2019-06-21 广州视源电子科技股份有限公司 直线段匹配方法、装置、存储介质及终端
CN112361977A (zh) * 2020-11-10 2021-02-12 成都新西旺自动化科技有限公司 一种基于权重分配的直线间距测量方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102385750A (zh) * 2011-06-22 2012-03-21 清华大学 基于几何关系的直线匹配方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102385750A (zh) * 2011-06-22 2012-03-21 清华大学 基于几何关系的直线匹配方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MD. SHAFAYAT HOSSAIN ET AL: "UNSUPERVISED OBJECT MATCHING AND CATEGORIZATION VIA AGGLOMERATIVE CORRESPONDENCE CLUSTERING", 《SIGNAL & IMAGE PROCESSING : AN INTERNATIONAL JOURNAL (SIPIJ)》 *
TENGFEI LONG ET AL: "Automatic Line Segment Registration Using Gaussian Mixture Model and Expectation-Maximization Algorithm", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *
张亚红 等: "基于直线段上下文的红外与可见光图像匹配", 《科学技术与工程》 *
张跃强 等: "结合局部描述和拓扑约束的直线段匹配算法", 《国防科技大学学报》 *
武盟盟 等: "基于描述子与几何约束的直线段匹配", 《计算机工程与设计》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919190A (zh) * 2019-01-29 2019-06-21 广州视源电子科技股份有限公司 直线段匹配方法、装置、存储介质及终端
CN112361977A (zh) * 2020-11-10 2021-02-12 成都新西旺自动化科技有限公司 一种基于权重分配的直线间距测量方法
CN112361977B (zh) * 2020-11-10 2021-05-28 成都新西旺自动化科技有限公司 一种基于权重分配的直线间距测量方法

Also Published As

Publication number Publication date
CN105160311B (zh) 2018-08-28

Similar Documents

Publication Publication Date Title
CN109753885B (zh) 一种目标检测方法、装置以及行人检测方法、系统
US20220114750A1 (en) Map constructing method, positioning method and wireless communication terminal
US9858472B2 (en) Three-dimensional facial recognition method and system
Li et al. A weighted sparse coding framework for saliency detection
CN110220493B (zh) 一种双目测距方法及其装置
CN106203423B (zh) 一种融合上下文探测的弱结构感知视觉目标跟踪方法
CN110334762B (zh) 一种基于四叉树结合orb和sift的特征匹配方法
CN103530894A (zh) 一种基于多尺度块稀疏表示的视频目标追踪方法及其系统
JP6997369B2 (ja) プログラム、測距方法、及び測距装置
CN104050675B (zh) 基于三角形描述的特征点匹配方法
CN106952312B (zh) 一种基于线特征描述的无标识增强现实注册方法
CN103886585A (zh) 一种基于排序学习的视频跟踪方法
CN108710883B (zh) 一种采用轮廓检测的完整显著性物体检测方法
CN113312973A (zh) 一种手势识别关键点特征提取方法及系统
CN103914690A (zh) 一种基于射影不变量的形状匹配方法
Gao et al. Learning cascaded siamese networks for high performance visual tracking
CN105160311A (zh) 直线段匹配方法及装置
CN113592015B (zh) 定位以及训练特征匹配网络的方法和装置
CN104408444A (zh) 人体动作识别方法和装置
CN110309729A (zh) 基于异常峰值检测和孪生网络的跟踪与重检测方法
US9087381B2 (en) Method and apparatus for building surface representations of 3D objects from stereo images
CN106446832B (zh) 一种基于视频的实时检测行人的方法
CN104766323B (zh) 一种遥感图像的点匹配方法
JP6393495B2 (ja) 画像処理装置および物体認識方法
CN105631896A (zh) 一种基于混合分类器决策的压缩感知跟踪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant