CN105303192A - 一种基于混合描述子的形状匹配方法及系统 - Google Patents
一种基于混合描述子的形状匹配方法及系统 Download PDFInfo
- Publication number
- CN105303192A CN105303192A CN201510566612.1A CN201510566612A CN105303192A CN 105303192 A CN105303192 A CN 105303192A CN 201510566612 A CN201510566612 A CN 201510566612A CN 105303192 A CN105303192 A CN 105303192A
- Authority
- CN
- China
- Prior art keywords
- shape
- point
- target shape
- mix description
- current border
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种基于混合描述子的形状匹配方法,获取目标形状的边缘,得到所述目标形状的边界轮廓点;计算每个所述边界轮廓点的混合描述子;根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。本发明计算每个边界轮廓点的混合描述子,并根据目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值,可以对图像形状进行特征的提取和有效表示,具有尺度不变性、旋转不变性和平移不变性等优良性能,有效抑制了噪声的干扰,从而提高了形状匹配的准确率和效率。
Description
技术领域
本申请涉及形状匹配领域,特别涉及一种基于混合描述子的形状匹配方法及系统。
背景技术
随着技术的发展,人们对物体形状匹配的方法越来越关注。
现有的物体形状匹配一般基于轮廓的方法,通常采用全局特征或者局部特征描述目标物体的特征,全局特征能够描述目标的整体特征,对目标形状简单、具有单个封闭的轮廓特别有用,但是对局部变化比较敏感,易发生误匹配,如ShapeContexts,Inner-Distance和Multi-scaleRepresentation。局部特征能够克服上述的问题,具有鲁棒性,因为即使部分轮廓被遮挡或发生变形,其它局部特征也能被匹配和识别,如ShapeTree,ClassSegmentSets,ContourFlexibility,但是计算复杂度高并会产生冗余的信息。
因此,如何简单、准确的描述目标物体的特征,提高形状匹配的准确率和效率是本领域技术人员目前需要解决的技术问题。
发明内容
本申请所要解决的技术问题是提供一种基于混合描述子的形状匹配方法及系统,解决了现有技术中匹配不精确、效率低的问题。
其具体方案如下:
一种基于混合描述子的形状匹配方法,该方法包括:
获取目标形状的边缘,得到所述目标形状的边界轮廓点;
计算每个所述边界轮廓点的混合描述子;
根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;
根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
上述的方法,可选的,所述计算每个所述边界轮廓点的混合描述子,包括:
确定整个所述目标形状的重心,以当前边界轮廓点到所述重心的距离为半径,所述当前边界轮廓点为圆心做预设圆;
在整个所述目标形状被所述预设圆截取的部分中,确定与所述当前边界轮廓点具有预设连接关系的区域;
计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分;
组合所述当前边界轮廓点的面积部分、弧长部分以及距离部分,作为所述当前轮廓点的完整的混合描述子。
上述的方法,可选的,所述计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分,包括:
计算整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的形状部分的面积,将所述面积与所述预设圆面积的比值作为所述当前边界轮廓点的混合描述子的面积部分,所述当前边界轮廓点的混合描述子的面积部分的取值为[0-1];
计算所述目标形状轮廓上被所述预设圆切割出的若干弧段中,与所述当前边界轮廓点具有预设连接关系的弧段的长度,将所述长度与所述预设圆的周长的比值作为所述当前边界轮廓点的混合描述子的弧长部分,所述当前边界轮廓点的混合描述子的弧长部分的取值为[0-1];
确定整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的区域的重心坐标,计算所述重心与所述当前边界轮廓点的距离,并将所述距离与所述预设圆的半径的比值作为所述当前边界轮廓点的混合描述子的距离部分,所述当前边界轮廓点的混合描述子的距离部分的取值为[0-1]。
上述的方法,可选的,所述根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值,包括:
计算所述数据库中各个模板形状的混和描述子;
计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值。
上述的方法,可选的,所述计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值,包括:
将所述目标形状的各个边界轮廓点按序排列,组成所述目标形状的点序列;
将所述数据库中待匹配的模板形状的边界轮廓点按序排列,组成所述待匹配的模板形状的点序列;
利用动态规划算法,计算所述目标形状的点序列和所述待匹配的模板形状的点序列之间的最小的匹配代价;
将所述最小的匹配代价作为所述目标形状的混合描述子与所述数据库中待匹配的模板形状的混合描述子之间的匹配度值。
一种基于混合描述子的形状匹配系统,该系统包括:
获取单元,用于获取目标形状的边缘,得到所述目标形状的边界轮廓点;
第一计算单元,用于计算每个所述边界轮廓点的混合描述子;
第二计算单元,用于根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;
确定单元,用于根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
上述的系统,可选的,所述第一计算单元,包括:
第一确定单元,用于确定整个所述目标形状的重心,以当前边界轮廓点到所述重心的距离为半径,所述当前边界轮廓点为圆心做预设圆;
第二确定单元,用于在整个所述目标形状被所述预设圆截取的部分中,确定与所述当前边界轮廓点具有预设连接关系的区域;
第三计算单元,用于计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分;
组合单元,用于组合所述当前边界轮廓点的面积部分、弧长部分以及距离部分,作为所述当前轮廓点的完整的混合描述子。
上述的系统,可选的,所述第三计算单元,包括:
第四计算单元,用于计算整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的形状部分的面积,将所述面积与所述预设圆面积的比值作为所述当前边界轮廓点的混合描述子的面积部分,所述当前边界轮廓点的混合描述子的面积部分的取值为[0-1];
第五计算单元,用于计算所述目标形状轮廓上被所述预设圆切割出的若干弧段中,与所述当前边界轮廓点具有预设连接关系的弧段的长度,将所述长度与所述预设圆的周长的比值作为所述当前边界轮廓点的混合描述子的弧长部分,所述当前边界轮廓点的混合描述子的弧长部分的取值为[0-1];
第六计算单元,用于确定整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的区域的重心坐标,计算所述重心与所述当前边界轮廓点的距离,并将所述距离与所述预设圆的半径的比值作为所述当前边界轮廓点的混合描述子的距离部分,所述当前边界轮廓点的混合描述子的距离部分的取值为[0-1]。
上述的系统,可选的,所述第二计算单元,包括:
第七计算单元,用于计算所述数据库中各个模板形状的混和描述子;
第八计算单元,用于计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值。
上述的系统,可选的,所述第八计算单元,包括:
第一排列单元,用于将所述目标形状的各个边界轮廓点按序排列,组成所述目标形状的点序列;
第二排列单元,用于将所述数据库中待匹配的模板形状的边界轮廓点按序排列,组成所述待匹配的模板形状的点序列;
第九计算单元,用于利用动态规划算法,计算所述目标形状的点序列和所述待匹配的模板形状的点序列之间的最小的匹配代价;
第三确定单元,用于将所述最小的匹配代价确定为所述目标形状的混合描述子与所述数据库中待匹配的模板形状的混合描述子之间的匹配度值。
本申请提供的一种基于混合描述子的形状匹配方法中,获取目标形状的边缘,得到所述目标形状的边界轮廓点;计算每个所述边界轮廓点的混合描述子;根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。本发明计算每个边界轮廓点的混合描述子,并根据目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值,可以对图像形状进行特征的提取和有效表示,具有尺度不变性、旋转不变性和平移不变性等优良性能,有效抑制了噪声的干扰,从而提高了形状匹配的准确率和效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的一种基于混合描述子的形状匹配方法实施例的流程图;
图2是本申请目标形状的示意图;
图3是本申请混合描述子生成过程的示意图,(a)为目标形状,(b)为每个边界轮廓点的混合描述子的面积部分计算过程的示意图,(c)每个边界轮廓点的混合描述子的弧长部分计算过程的示意图;
图4是本申请的一种基于混合描述子的形状匹配系统实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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实施例,都属于本申请保护的范围。
参考图1,示出了本申请一种基于混合描述子的形状匹配方法实施例的流程图,可以包括以下步骤:
步骤S101:获取目标形状的边缘,得到所述目标形状的边界轮廓点。
获取形状的边界轮廓点可以具有多种常见的方法,其中一种为:首先采用Canny二阶微分算子提取出形状的边缘特征,然后按照一定的频率对形状边缘进行采样,将连续采集的多个轮廓点作为本发明中所使用的形状的边界轮廓点,并记录所有轮廓点的坐标数据。
轮廓点的数量至少为一个,以完整表示形状的边界特征为准。
步骤S102:计算每个边界轮廓点处的预设圆的半径。
以下关于求取单个轮廓点的混合描述子的操作步骤及其相关的准备工作应当对形状边界轮廓上的每个轮廓点都予以施行,即对所有轮廓点都重复一次下述操作,以获得所有轮廓点的混合描述子作为形状匹配的依据。
对上述步骤中得到的多个轮廓点,分别以每个轮廓点为圆心,一定长度为半径做圆,该预设圆形是为计算每个轮廓点的混合描述子所做的准备工作。
因为每个轮廓点处的形状的局部特征不同,因此每个轮廓点处的预设圆的半径应当与轮廓点所处的位置相关,具体数值为当前轮廓点到整个形状的重心距离。
步骤S103:依据每个边界轮廓点处的预设圆与整个目标形状的关系,计算每个边界轮廓点的混合描述子的面积部分。
依照上一步骤在每个轮廓点处做出相应的预设圆后,目标形状必然有一部分落在此预设圆内,如果落在预设圆内的部分为一单连通区域,则该区域就是与当前轮廓点具有简单连接关系的区域。
如果目标形状落在预设圆内的部分分为若干个互不连通的区域的话,那么把有当前轮廓点在其边界轮廓上的区域称为与该轮廓点具有简单连接关系的区域。
接着计算出预设圆内与当前轮廓点具有简单连接关系的区域的面积。将该面积与预设圆面积的比值作为当前轮廓点的混合描述子的面积部分,该比值的取值范围应当在0到1之间。
步骤S104:依据每个边界轮廓点处的预设圆与整个形状的关系,计算每个边界轮廓点的混合描述子的弧长部分。
目标形状的边界轮廓被当前轮廓点的预设圆切割之后会有一段或多段边界轮廓弧段落在预设圆内,如果只有一段轮廓弧段落在预设圆内,则该弧段即为与当前轮廓点具有简单连接关系的弧段。
如果有多段轮廓弧段落在预设圆内的话,那么把当前轮廓点所在的弧段称为与该轮廓点具有简单连接关系的弧段。
接着计算出预设圆内与当前轮廓点具有简单连接关系的弧段的长度,并将该长度与预设圆的周长的比值作为当前轮廓点的混合描述子的弧长部分,该比值的取值范围应当在0到1之间。
步骤S105:依据每个边界轮廓点处的预设圆与整个形状的关系,计算每个边界轮廓点的混合描述子的距离部分,并将其与面积部分、弧长部分合并作为每个轮廓点的完整的混合描述子。
计算步骤S103中所得的,预设圆内与当前轮廓点具有简单连接关系的形状区域的重心。具体计算方法为对该区域中所有像素点的坐标值求取平均数,所得结果即为该区域重心的坐标。
计算当前轮廓点与该重心的距离,并将这一距离与当前轮廓点的预设圆的半径的比值作为该轮廓点混合描述子的距离部分。
将所有轮廓点的混合描述子的面积部分、弧长部分、距离部分按序排列,这样针对每个轮廓点就得到了一个三维向量,这个三维向量就是当前轮廓点的完整的混合描述子。
步骤S106:根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值。
步骤S107:根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
对数据库中的模板形状按上述步骤计算出该形状所有轮廓点的混合描述子。
依据待匹配形状与模板形状的混合描述子,利用动态规划(DynamicProgramming,DP)算法计算两种形状间的匹配度值。
具体计算方法为:
将待计算匹配度的两个形状用由各自轮廓点按序排列组成的点序列进行表示,则计算匹配度的对象就变为两条各具有多个轮廓点的点序列。
计算属于不同序列中的两个轮廓点的混合描述子之间的欧氏距离,所得值作为这两点的匹配代价。
将属于两条不同序列中的轮廓点按照下列规则任意进行两两匹配,并求取每对配对的两个点的匹配代价:
进行匹配的两个点必须属于两条不同的点序列。
参与过匹配的点不能再次参加匹配。
当轮廓点数较少的那条点序列中的点全部具有配对的点时侯,匹配过程结束。
将此次匹配中每对配对的两个点的匹配代价相加即为该种匹配方式的匹配代价。则多次重复上述轮廓点的匹配过程,则可以得到多种匹配方法,计算所有可能的匹配方法的匹配代价,其中最小的匹配代价就作为这两条点序列所对应的两种形状的匹配度值。
计算出待匹配形状与数据库中所有模板形状的匹配度值,匹配度值越小,则说明待匹配形状与模板形状越相似,取数据库中与待匹配形状匹配度值最小的模板形状作为待匹配形状的最佳匹配。
本发明提供了一种基于混合描述子的形状匹配方法,本发明首先提取目标形状的边缘,获得边界轮廓点信息,得到轮廓点的直角坐标参数。接着对所有轮廓点按照顺序分别求取其混合描述子的三个部分,得到每个轮廓点的完整的混合描述子。最后依据形状中轮廓点的混合描述子,采用动态规划算法计算匹配度,获得目标形状与数据库中每个模板形状之间的匹配度值。本发明可以对图像形状进行特征的提取和有效表示,具有尺度不变性、旋转不变性和平移不变性等优良性能,有效抑制了噪声的干扰,从而提高了形状匹配的准确率和效率。
下面提供一种基于混合描述子的形状匹配方法的具体实施例:
获取待匹配形状的边界轮廓的轮廓点坐标。
本方法涉及的形状都是具有闭合的边界轮廓的形状,如图2所示
在数字图像中,形状的边界轮廓由一系列具有坐标信息的轮廓点表示,具体表示方法可以是
S={p(i)|i∈[1,n]}
其中,n表示轮廓的长度,即轮廓点的个数;p(i)表示轮廓点序列中的第i个轮廓点,且有
p(i)={u(i),v(i)}
其中u(i),v(i)分别是p(i)的横纵坐标。
计算每个轮廓点处的预设圆的半径。
以下关于求取单个轮廓点的混合描述子的操作步骤及其相关的准备工作应当对形状边界轮廓上的每个轮廓点都予以施行,即对所有轮廓点都重复一次下述操作,以获得所有轮廓点的混合描述子作为形状匹配的依据。
对上一步骤中得到的多个轮廓点,分别以每个轮廓点p(i)为圆心,一定长度r(i)为半径做圆C(i),该预设圆形是为计算每个轮廓点的混合描述子所做的准备工作。
因为每个轮廓点处的形状的局部特征不同,因此每个轮廓点处的预设圆的半径应当与轮廓点所处的位置相关,具体数值为当前轮廓点到整个形状的重心距离,即半径
其中,pcenter即为整个形状的重心,且有
即对形状中所有像素点取平均值所得的值就是该形状的重心坐标。
依据每个轮廓点处的预设圆与整个形状的关系,计算每个轮廓点的混合描述子的面积部分。
依照上一步骤在每个轮廓点处做出相应的预设圆C(i)后,目标形状必然有一部分落在此预设圆内,如图3(b)所示。
如果落在预设圆内的部分为一单连通区域,则该区域就是与当前轮廓点具有简单连接关系的区域,标记为Z(i)。
如果目标形状落在预设圆内的部分分为若干个互不连通的区域的话(如图3(b)中的区域A和区域B),那么把有当前轮廓点p(i)在其边界轮廓上的区域称为与该轮廓点具有简单连接关系的区域,标记为Z(i)(在图3(b)中就是区域A)。
将预设圆C(i)中的与当前轮廓点p(i)具有简单连接关系的区域Z(i)的面积记为s*(i),即有
s*(i)=∫C(i)B(Z(i),x)dx
其中B(Z(i),x)为一指示函数,定义为
将Z(i)的面积与预设圆C(i)面积的比值作为当前轮廓点的混合描述子的面积部分s(i),即
s(i)的取值范围应当在0到1之间。
依据每个轮廓点处的预设圆与整个形状的关系,计算每个轮廓点的混合描述子的弧长部分。
目标形状的边界轮廓被当前轮廓点的预设圆切割之后会有一段或多段边界轮廓弧段落在预设圆内,如图3(c)所示。
如果只有一段轮廓弧段落在预设圆C(i)内,则该弧段即为与当前轮廓点具有简单连接关系的弧段。
如果有多段轮廓弧段落在预设圆内C(i)的话(如图3(c)中的弧段A(SegmentA)、弧段B(SegmentB)、弧段C(SegmentC)),那么把当前轮廓点所在的弧段称为与该轮廓点具有简单连接关系的弧段(在图3(c)中就是弧段A(SegmentA))。
将预设圆内C(i)与当前轮廓点p(i)具有简单连接关系的弧段的长度记为l*(i),并将与l*(i)预设圆C(i)周长的比值作为当前轮廓点的混合描述子的弧长部分l(i),即
l(i)的取值范围应当在0到1之间。
依据每个轮廓点处的预设圆与整个形状的关系,计算每个轮廓点的混合描述子的距离部分,并将其与面积部分、弧长部分合并作为每个轮廓点的完整的混合描述子。
计算预设圆C(i)内与当前轮廓点p(i)具有简单连接关系的区域Z(i)的重心w(i),具体计算方法为对区域Z(i)中所有像素点的坐标值求取平均数,所得结果即为区域Z(i)重心w(i)的坐标,即
计算当前轮廓点与重心w(i)的距离c*(i)
c*(i)=||p(i)-w(i)||
并将距离c*(i)与当前轮廓点的预设圆的半径的比值作为该轮廓点混合描述子的距离部分c(i),即
c(i)的取值范围应当在0到1之间。
将当前轮廓点p(i)的混合描述子的面积部分s(i)、弧长部分l(i)、距离部分c(i)按序排列,就可以得到一个三维向量,这个三维向量就是当前轮廓点p(i)的完整的混合描述子M(i):
M(i)={s(i),l(i),c(i)|i∈[1,n]}
将待匹配形状与数据库中的模板形状两两计算匹配度值,根据匹配度值为待匹配形状指定最佳匹配。
对数据库中的模板形状按上述步骤计算出该形状所有轮廓点的混合描述子。
依据待匹配形状与模板形状的混合描述子,利用动态规划(DynamicProgramming,DP)算法计算两种形状间的匹配度值。具体计算方法为:
将待计算匹配度的两个形状用由各自轮廓点按序排列组成的点序列进行表示,则计算匹配度的对象就变为两条各具有多个轮廓点的点序列。
现假设待匹配的形状A和形状B对应的点序列分别为A={p1,p2,...,pm}和B={q1,q2,...,qn},不失一般性的,我们可以假设m≥n。
计算属于不同序列中的两个轮廓点pi和qj的混合描述子之间的欧氏距离,所得值作为这两点的匹配代价d(pi,qj),即
则代表所有可能的轮廓点两两匹配产生的匹配代价矩阵D为
将分别属于序列A和序列B的轮廓点按照下列规则任意进行两两匹配,并求取每对配对的两个点的匹配代价:
进行匹配的两个点必须属于两条不同的点序列。
参与过匹配的点不能再次参加匹配。
当轮廓点数较少的那条点序列中的点全部具有配对的点时侯,匹配过程结束。
则多次重复上述轮廓点的匹配过程,则可以得到多种匹配方法。将匹配方法记为π,则匹配方法π对应的匹配代价fA,B(π)为此次匹配中每对配对的两个点的匹配代价相加的和,即
利用动态规划算法计算出使得匹配代价fA,B(π)最小的匹配方法π,作为形状A和形状B之间的匹配度值sim(A,B),即
sim(A,B)=minfA,B(π)
计算出待匹配形状与数据库中所有模板形状的匹配度值,匹配度值越小,则说明待匹配形状与模板形状越相似,取数据库中与待匹配形状匹配度值最小的模板形状作为待匹配形状的最佳匹配。
至此完成待匹配形状的匹配。
与上述本申请一种基于混合描述子的形状匹配方法实施例所提供的方法相对应,参见图4,本申请还提供了一种基于混合描述子的形状匹配系统实施例,在本实施例中,该系统包括:
获取单元401,用于获取目标形状的边缘,得到所述目标形状的边界轮廓点。
第一计算单元402,用于计算每个所述边界轮廓点的混合描述子。
第二计算单元403,用于根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值。
确定单元404,用于根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
本申请中,所述第一计算单元,包括:
第一确定单元,用于确定整个所述目标形状的重心,以当前边界轮廓点到所述重心的距离为半径,所述当前边界轮廓点为圆心做预设圆;
第二确定单元,用于在整个所述目标形状被所述预设圆截取的部分中,确定与所述当前边界轮廓点具有预设连接关系的区域;
第三计算单元,用于计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分;
组合单元,用于组合所述当前边界轮廓点的面积部分、弧长部分以及距离部分,作为所述当前轮廓点的完整的混合描述子。
本申请中,所述第三计算单元,包括:
第四计算单元,用于计算整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的形状部分的面积,将所述面积与所述预设圆面积的比值作为所述当前边界轮廓点的混合描述子的面积部分,所述当前边界轮廓点的混合描述子的面积部分的取值为[0-1];
第五计算单元,用于计算所述目标形状轮廓上被所述预设圆切割出的若干弧段中,与所述当前边界轮廓点具有预设连接关系的弧段的长度,将所述长度与所述预设圆的周长的比值作为所述当前边界轮廓点的混合描述子的弧长部分,所述当前边界轮廓点的混合描述子的弧长部分的取值为[0-1];
第六计算单元,用于确定整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的区域的重心坐标,计算所述重心与所述当前边界轮廓点的距离,并将所述距离与所述预设圆的半径的比值作为所述当前边界轮廓点的混合描述子的距离部分,所述当前边界轮廓点的混合描述子的距离部分的取值为[0-1]。
本申请中,所述第二计算单元,包括:
第七计算单元,用于计算所述数据库中各个模板形状的混和描述子;
第八计算单元,用于计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值。
本申请中,所述第八计算单元,包括:
第一排列单元,用于将所述目标形状的各个边界轮廓点按序排列,组成所述目标形状的点序列;
第二排列单元,用于将所述数据库中待匹配的模板形状的边界轮廓点按序排列,组成所述待匹配的模板形状的点序列;
第九计算单元,用于利用动态规划算法,计算所述目标形状的点序列和所述待匹配的模板形状的点序列之间的最小的匹配代价;
第三确定单元,用于将所述最小的匹配代价确定为所述目标形状的混合描述子与所述数据库中待匹配的模板形状的混合描述子之间的匹配度值。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种基于混合描述子的形状匹配方法及系统进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于混合描述子的形状匹配方法,其特征在于,该方法包括:
获取目标形状的边缘,得到所述目标形状的边界轮廓点;
计算每个所述边界轮廓点的混合描述子;
根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;
根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
2.根据权利要求1所述的方法,其特征在于,所述计算每个所述边界轮廓点的混合描述子,包括:
确定整个所述目标形状的重心,以当前边界轮廓点到所述重心的距离为半径,所述当前边界轮廓点为圆心做预设圆;
在整个所述目标形状被所述预设圆截取的部分中,确定与所述当前边界轮廓点具有预设连接关系的区域;
计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分;
组合所述当前边界轮廓点的面积部分、弧长部分以及距离部分,作为所述当前轮廓点的完整的混合描述子。
3.根据权利要求2所述的方法,其特征在于,所述计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分,包括:
计算整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的形状部分的面积,将所述面积与所述预设圆面积的比值作为所述当前边界轮廓点的混合描述子的面积部分,所述当前边界轮廓点的混合描述子的面积部分的取值为[0-1];
计算所述目标形状轮廓上被所述预设圆切割出的若干弧段中,与所述当前边界轮廓点具有预设连接关系的弧段的长度,将所述长度与所述预设圆的周长的比值作为所述当前边界轮廓点的混合描述子的弧长部分,所述当前边界轮廓点的混合描述子的弧长部分的取值为[0-1];
确定整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的区域的重心坐标,计算所述重心与所述当前边界轮廓点的距离,并将所述距离与所述预设圆的半径的比值作为所述当前边界轮廓点的混合描述子的距离部分,所述当前边界轮廓点的混合描述子的距离部分的取值为[0-1]。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值,包括:
计算所述数据库中各个模板形状的混和描述子;
计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值。
5.根据权利要求4所述的方法,其特征在于,所述计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值,包括:
将所述目标形状的各个边界轮廓点按序排列,组成所述目标形状的点序列;
将所述数据库中待匹配的模板形状的边界轮廓点按序排列,组成所述待匹配的模板形状的点序列;
利用动态规划算法,计算所述目标形状的点序列和所述待匹配的模板形状的点序列之间的最小的匹配代价;
将所述最小的匹配代价作为所述目标形状的混合描述子与所述数据库中待匹配的模板形状的混合描述子之间的匹配度值。
6.一种基于混合描述子的形状匹配系统,其特征在于,该系统包括:
获取单元,用于获取目标形状的边缘,得到所述目标形状的边界轮廓点;
第一计算单元,用于计算每个所述边界轮廓点的混合描述子;
第二计算单元,用于根据所述目标形状中所有边界轮廓点的混合描述子,计算所述目标形状与数据库中各个模板形状的匹配度值;
确定单元,用于根据各个所述匹配度值,确定与所述目标形状相匹配的模板形状。
7.根据权利要求6所述的系统,其特征在于,所述第一计算单元,包括:
第一确定单元,用于确定整个所述目标形状的重心,以当前边界轮廓点到所述重心的距离为半径,所述当前边界轮廓点为圆心做预设圆;
第二确定单元,用于在整个所述目标形状被所述预设圆截取的部分中,确定与所述当前边界轮廓点具有预设连接关系的区域;
第三计算单元,用于计算所述当前边界轮廓点的混合描述子的面积部分、弧长部分以及距离部分;
组合单元,用于组合所述当前边界轮廓点的面积部分、弧长部分以及距离部分,作为所述当前轮廓点的完整的混合描述子。
8.根据权利要求7所述的系统,其特征在于,所述第三计算单元,包括:
第四计算单元,用于计算整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的形状部分的面积,将所述面积与所述预设圆面积的比值作为所述当前边界轮廓点的混合描述子的面积部分,所述当前边界轮廓点的混合描述子的面积部分的取值为[0-1];
第五计算单元,用于计算所述目标形状轮廓上被所述预设圆切割出的若干弧段中,与所述当前边界轮廓点具有预设连接关系的弧段的长度,将所述长度与所述预设圆的周长的比值作为所述当前边界轮廓点的混合描述子的弧长部分,所述当前边界轮廓点的混合描述子的弧长部分的取值为[0-1];
第六计算单元,用于确定整个所述目标形状中被所述预设圆截取的,与所述当前边界轮廓点具有预设连接关系的区域的重心坐标,计算所述重心与所述当前边界轮廓点的距离,并将所述距离与所述预设圆的半径的比值作为所述当前边界轮廓点的混合描述子的距离部分,所述当前边界轮廓点的混合描述子的距离部分的取值为[0-1]。
9.根据权利要求8所述的系统,其特征在于,所述第二计算单元,包括:
第七计算单元,用于计算所述数据库中各个模板形状的混和描述子;
第八计算单元,用于计算所述目标形状的混合描述子与所述数据库中各个模板形状的混合描述子的匹配度值。
10.根据权利要求9所述的系统,其特征在于,所述第八计算单元,包括:
第一排列单元,用于将所述目标形状的各个边界轮廓点按序排列,组成所述目标形状的点序列;
第二排列单元,用于将所述数据库中待匹配的模板形状的边界轮廓点按序排列,组成所述待匹配的模板形状的点序列;
第九计算单元,用于利用动态规划算法,计算所述目标形状的点序列和所述待匹配的模板形状的点序列之间的最小的匹配代价;
第三确定单元,用于将所述最小的匹配代价确定为所述目标形状的混合描述子与所述数据库中待匹配的模板形状的混合描述子之间的匹配度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510566612.1A CN105303192B (zh) | 2015-09-08 | 2015-09-08 | 一种基于混合描述子的形状匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510566612.1A CN105303192B (zh) | 2015-09-08 | 2015-09-08 | 一种基于混合描述子的形状匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303192A true CN105303192A (zh) | 2016-02-03 |
CN105303192B CN105303192B (zh) | 2019-03-26 |
Family
ID=55200434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510566612.1A Active CN105303192B (zh) | 2015-09-08 | 2015-09-08 | 一种基于混合描述子的形状匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303192B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022297A (zh) * | 2016-06-01 | 2016-10-12 | 苏州大学 | 一种手势识别方法及装置 |
CN106022227A (zh) * | 2016-05-11 | 2016-10-12 | 苏州大学 | 一种手势识别方法及装置 |
CN108229560A (zh) * | 2018-01-02 | 2018-06-29 | 上海维宏电子科技股份有限公司 | 基于轮廓曲线匹配算法实现数控系统工件定位匹配的方法 |
CN111311184A (zh) * | 2020-02-14 | 2020-06-19 | 中国平安人寿保险股份有限公司 | 基于匹配程度值的数据判断方法、装置和计算机设备 |
CN112116622A (zh) * | 2020-09-25 | 2020-12-22 | 贝壳技术有限公司 | 轮廓提取方法、检索库建立方法、轮廓匹配方法及其系统 |
CN112700440A (zh) * | 2021-01-18 | 2021-04-23 | 上海闻泰信息技术有限公司 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186775A (zh) * | 2013-03-27 | 2013-07-03 | 西安电子科技大学 | 基于混合描述子的人体运动识别方法 |
US8644561B2 (en) * | 2012-01-18 | 2014-02-04 | Xerox Corporation | License plate optical character recognition method and system |
CN104182765A (zh) * | 2014-08-21 | 2014-12-03 | 南京大学 | 一种互联网图像驱动的三维模型最优视图自动选择方法 |
-
2015
- 2015-09-08 CN CN201510566612.1A patent/CN105303192B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8644561B2 (en) * | 2012-01-18 | 2014-02-04 | Xerox Corporation | License plate optical character recognition method and system |
CN103186775A (zh) * | 2013-03-27 | 2013-07-03 | 西安电子科技大学 | 基于混合描述子的人体运动识别方法 |
CN104182765A (zh) * | 2014-08-21 | 2014-12-03 | 南京大学 | 一种互联网图像驱动的三维模型最优视图自动选择方法 |
Non-Patent Citations (1)
Title |
---|
李学勇等: "融合轮廓矩和Fourier描述子特征的压印字符识别", 《光电子-激光》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022227A (zh) * | 2016-05-11 | 2016-10-12 | 苏州大学 | 一种手势识别方法及装置 |
CN106022297A (zh) * | 2016-06-01 | 2016-10-12 | 苏州大学 | 一种手势识别方法及装置 |
CN108229560A (zh) * | 2018-01-02 | 2018-06-29 | 上海维宏电子科技股份有限公司 | 基于轮廓曲线匹配算法实现数控系统工件定位匹配的方法 |
CN108229560B (zh) * | 2018-01-02 | 2021-08-06 | 上海维宏电子科技股份有限公司 | 基于轮廓曲线匹配算法实现数控系统工件定位匹配的方法 |
CN111311184A (zh) * | 2020-02-14 | 2020-06-19 | 中国平安人寿保险股份有限公司 | 基于匹配程度值的数据判断方法、装置和计算机设备 |
CN111311184B (zh) * | 2020-02-14 | 2024-06-21 | 中国平安人寿保险股份有限公司 | 基于匹配程度值的数据判断方法、装置和计算机设备 |
CN112116622A (zh) * | 2020-09-25 | 2020-12-22 | 贝壳技术有限公司 | 轮廓提取方法、检索库建立方法、轮廓匹配方法及其系统 |
CN112700440A (zh) * | 2021-01-18 | 2021-04-23 | 上海闻泰信息技术有限公司 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105303192B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303192A (zh) | 一种基于混合描述子的形状匹配方法及系统 | |
CN109711321B (zh) | 一种结构自适应的宽基线影像视角不变直线特征匹配方法 | |
CN106022227A (zh) | 一种手势识别方法及装置 | |
Bastani et al. | Machine-assisted map editing | |
CN107818598A (zh) | 一种基于视觉矫正的三维点云地图融合方法 | |
CN106340046B (zh) | 一种基于图像化地理信息的雷达目标位置分析方法 | |
CN110135814A (zh) | Bim与工程数据的关联方法、系统及终端设备 | |
Rasoulzadeh et al. | Strokes2Surface: Recovering Curve Networks From 4D Architectural Design Sketches | |
CN105447848A (zh) | 地块面状空间数据按照设定面积和示意线平行分割的方法 | |
CN109493423B (zh) | 三维地球模型表面两点的中点位置的计算方法和装置 | |
CN110910463A (zh) | 全视角点云数据定长有序化编码方法、设备及存储介质 | |
García-Garrido | Unveiling the fractal structure of Julia sets with Lagrangian descriptors | |
CN111260723B (zh) | 棒材的质心定位方法及终端设备 | |
CN115481268A (zh) | 一种平行线墙体数据识别方法、装置、设备及存储介质 | |
CN105096379A (zh) | 一种基于k-邻域的三角网格曲面重建方法 | |
CN108052754A (zh) | 隧道衬砌力学响应的分析方法及终端设备 | |
CN106844443A (zh) | 一种矢量地图的快速纠偏方法及系统 | |
CN106327423B (zh) | 基于有向线段的遥感图像配准方法及系统 | |
CN111415414B (zh) | 一种三维空间信息处理方法、设备及其存储介质 | |
Athawale et al. | A Comparative Study of the Perceptual Sensitivity of Topological Visualizations to Feature Variations | |
CN112802181B (zh) | 一种基于低细节高程数据的大规模三维河道场景重建方法 | |
CN102629382B (zh) | 基于几何兼容性的特征点匹配方法 | |
CN107633543A (zh) | 考虑局部拓扑结构的线条形状对应方法 | |
CN115512043B (zh) | 一种炉缸侵蚀模型可视化方法、终端设备及存储介质 | |
Wang et al. | Rural Road Networks Matching Via Extending Line |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190131 Address after: No. 10, mayor Jinglu Road, Zhangjiagang, Suzhou, Jiangsu Applicant after: Zhangjiagang Institute of Industrial Technologies Soochow University Applicant after: Soochow University Address before: No. 10, mayor Jinglu Road, Zhangjiagang, Suzhou, Jiangsu Applicant before: Zhangjiagang Institute of Industrial Technologies Soochow University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |