CN105447842A - 一种图像匹配的方法及装置 - Google Patents
一种图像匹配的方法及装置 Download PDFInfo
- Publication number
- CN105447842A CN105447842A CN201410331209.6A CN201410331209A CN105447842A CN 105447842 A CN105447842 A CN 105447842A CN 201410331209 A CN201410331209 A CN 201410331209A CN 105447842 A CN105447842 A CN 105447842A
- Authority
- CN
- China
- Prior art keywords
- image
- training
- subgraph
- pixel
- difference degree
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种图像匹配方法和装置,所述方法包括:以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;计算各个匹配候选区域与所述待匹配子图之间的图像差异度;在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,将该区域的图像差异度单位化;将单位化的图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定该区域与待匹配子图相匹配;否则,判定该区域与待匹配子图不匹配。采用本申请提供的方法,通过将图像间的差异控制在图像差异度阈值内,避免通过肉眼看来不匹配的图像,从而提高图像匹配的准确性。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种图像匹配的方法及装置。
背景技术
随着科学技术的发展,图像匹配已经成为近代信息处理领域中一项极为重要的技术。所谓图像匹配,就是指图像之间进行比较,找出一幅待匹配图像与另外的被匹配图像的整体或者局部,相互之间在视觉上“相同”的关系。
一种非常常见的图像匹配场合,是将一个待匹配图像与另外一个可能属于其局部的待匹配子图像相互匹配,确定该子图像是否与待匹配图像的局部区域在视觉上“相同”,即确定该子图像是否属于待匹配图像的局部。
常用的图像匹配方法是在待匹配图像中选取所有与待匹配子图相同大小的区域,逐个计算各个区域和待匹配子图之间的图像差异度,找到其中与待匹配子图之间的图像差异度最小的区域,将待匹配图像中的该区域视为和待匹配子图匹配,图像匹配过程一般分为以下几个步骤:
1)在待匹配图像中使用滑动窗口,当确定其中一个点时,得到该点对应待匹配子图同样大小的窗口;
2)对这个窗口,计算其和待匹配子图之间的图像差异度,可以采用逐点计算色差并平方求和等算法;
3)查找待匹配图像中和待匹配子图之间图像差异度最小的区域,该区域视为与待匹配子图匹配。
采用上述图像匹配方法存在一个问题,即无论如何都可以在待匹配图像中找到一个与待匹配子图之间差异最小的区域,而这个区域可能通过肉眼看来与待匹配子图已经完全不匹配了。
发明内容
本申请提供一种图像匹配的方法和装置,以解决现有技术存在通过计算确定匹配的两个图像实际上并不匹配的问题。
本申请提供一种图像匹配的方法,包括:
以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;
计算各个匹配候选区域与所述待匹配子图之间的图像差异度;
在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度;
将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
可选的,所述计算各个匹配候选区域与所述待匹配子图之间的图像差异度包括:
计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距;
求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
可选的,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
可选的,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
可选的,所述图像差异度阈值采用如下步骤获取:
获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分;
遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置;
逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度;
在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域;
将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度;
以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
可选的,所述计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度包括:
计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距;
求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
可选的,所述计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
可选的,所述计算获取所述图像差异度阈值采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
相应的,本申请还提供一种图像匹配的装置,包括:
第一选取单元,用于以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;
第一计算单元,用于计算各个匹配候选区域与所述待匹配子图之间的图像差异度;
第二选取单元,用于在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度;
判断单元,用于将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
可选的,所述第一计算单元包括:
第一计算像素值差距子单元,用于计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距;
第一计算图像差异度子单元,用于求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
可选的,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
可选的,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
可选的,所述装置还包括:
获取图像差异度阈值单元,用于获取图像差异度阈值;
所述获取图像差异度阈值单元包括:
获取训练图像单元,用于获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分;
第三选取单元,用于遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置;
第二计算单元,用于逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度;
第四选取单元,用于在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域;
单位化单元,用于将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度;
第三计算单元,用于以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
可选的,所述第二计算单元包括:
第二计算像素值差距子单元,用于计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距;
第二计算图像差异度子单元,用于求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
可选的,所述计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
可选的,所述计算获取所述图像差异度阈值采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
与现有技术相比,本申请具有以下优点:
通过在图像匹配的过程中引入图像差异度阈值参数,将经图像匹配所获取的最为相似的两个图像之间的图像差异度限制在预先设定的图像差异度阈值内,避免了图像匹配的结果存在通过肉眼看来两个图像实际上并不匹配的问题,从而提高图像匹配的准确性。
附图说明
图1是本申请的图像匹配的方法实施例的流程图;
图2是本申请的图像匹配的方法实施例步骤S102的具体流程图;
图3是本申请的图像匹配的方法实施例获取图像差异度阈值的流程图;
图4是本申请的图像匹配的方法实施例步骤S303的具体流程图;
图5是本申请的图像匹配的装置实施例的示意图;
图6是本申请的图像匹配的装置实施例获取图像差异度阈值单元的示意图;
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,提供了一种图像匹配的方法和装置。在下面的实施例中逐一进行详细说明。
请参考图1,其为本申请的图像匹配的方法实施例的流程图。所述方法包括如下步骤:
步骤S101:以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域。
本申请实施例所述的待匹配图像相对于待匹配子图而言可能是一个较大尺寸的图像。尺寸是图像的尺寸大小,即图像面积,待匹配子图可能是待匹配图像的一部分。通过对待匹配图像和待匹配子图进行图像匹配,从在待匹配图像中查找与待匹配子图相匹配的区域。
在本实施例中,根据待匹配子图的尺寸,在待匹配图像中选取一个或多个匹配候选区域。在确定匹配候选区域数量时,可以根据实际情况选取一个或多个匹配候选区域。如果仅选取一个匹配候选区域时,则仅计算该区域与待匹配子图之间的图像差异度,并将单位化的图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定该匹配区域与待匹配子图相匹配;否则,判定匹配区域与所述待匹配子图不匹配。如果需要获取整个待匹配图像中与待匹配子图最为相似的区域,则可以采取如下方法在待匹配图像中选取所有与待匹配子图大小相同的区域:遍历待匹配图像的所有像素点,以遍历到的像素点为基准点,以待匹配子图区域相同的形状、尺寸,在待匹配图像中选取区域,将选取的区域作为待匹配图像的匹配候选区域,匹配候选区域包括所述像素点,并且保证作为基准点的像素点位于匹配候选区域的固定位置。其中,遍历待匹配图像的所有像素点,是为了将待匹配图像中所有可能选取的区域均与待匹配子图进行比较,避免遗漏。
实现上段描述的遍历像素点以及选取匹配候选区域的过程,根据待匹配子图和待匹配图像的不同形状和尺寸,可以采用多种具体实现方案,以下举出其中一种最通常采用的具体实现方案作为实例予以具体说明。
假设待匹配图像为矩形,所述待匹配子图是面积较小的矩形,则一种典型的遍历方式是,从待匹配图像的左上角的像素点开始,将该点作为被选取区域的原点以及左上角点,选取与待匹配子图尺寸相同形状、尺寸的矩形作为被选取区域。以上述方式逐点选择像素点作为匹配候选区域的基准点,最终将所有可能的被选取区域遍历完成。当然,并非待匹配图像中的所有像素点都能够作为匹配候选区域的基准点,因为某些像素点作为基准点后,根据所述待匹配子图的形状、尺寸确定的矩形会超出所述待匹配图像的范围,这些像素点可以不作为所述基准点。可以采取多种措施排除这些无需作为基准点的像素点。在本例中,可以根据待匹配子图的形状、尺寸,以及基准点在匹配候选区域中的位置,以及待匹配图像的形状、尺寸,计算在待匹配图像中会使匹配候选区域超出待匹配图像的最左边和最上边的像素点的坐标,在遍历像素点的过程中,到达上述位置即停止遍历。
步骤S102:计算各个匹配候选区域与所述待匹配子图之间的图像差异度。
本申请所述的图像差异度是指,两个图像之间所有对应像素点的像素值差异之和。在本实施例中,匹配候选区域是从待匹配图像中选取的区域,匹配候选区域的尺寸与待匹配子图尺寸相同,分别计算待匹配图像中的各个匹配候选区域与待匹配子图之间的图像差异度,从而获取每对图像之间的图像差异度。
请参考图2,其为本申请的图像匹配的方法实施例步骤S102的具体流程图。在本实施例中,计算各个匹配候选区域与所述待匹配子图之间的图像差异度包括如下步骤:
步骤S201:计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距。
步骤S202:求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
在本实施例中,对待匹配图像中所有选取的匹配候选区域,逐个计算每一个匹配候选区域与待匹配子图之间的对应像素点的像素值差距,通过像素值差距表征参数获取所有正向化的像素值差距,并将所有像素点的像素值差距表征参数求和,从而获取各个匹配候选区域与待匹配子图之间的图像差异度。
本申请所述的像素点的像素值是指像素点的灰度值、亮度值或色彩值;在黑白图像中,像素点的像素值是像素点的灰度值,从0~255共256级,看起来白的,值较大,接近或等于255,看起来黑的,值较小,接近或等于0;在彩色图像中,每个像素可以用它的色调,饱和度,和亮度来表示,像素点的像素值可以是像素点的色彩值。
本申请所述的像素点的像素值差距是指两个像素点的像素值的差值,像素值差距通过计算获取,可以为负值。
在本实施例中,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
本实施例中,以像素值差距的平方作为正向化取值的方式,此时,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
步骤S103:在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度。
在本实施例中,对通过步骤S102计算获取的每一对匹配候选区域与待匹配子图之间的图像差异度,从中查找所有图像差异度的最小值,该最小图像差异度对应的匹配候选区域即待匹配图像中与带匹配子图最为相似的区域。将该匹配候选区域作为选定匹配区域。将该选定匹配区域与待匹配子图之间的图像差异度单位化,即将该图像差异度值除以待匹配子图的面积,从而获取单位面积的图像差异度,即选定匹配区域的单位化图像差异度。将选定匹配区域的图像差异度值单位化,使得本申请实施例提供的图像匹配与否的判定与待匹配子图的尺寸大小无关。
步骤S104:将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
本申请所述的图像差异度阈值是一个经过大量回归训练所获取的图像差异度的门限值,该阈值表示相匹配的两个图像之间的图像差异度的最大值,即:当两个图像之间的图像差异度大于所述最大值时,判定两个图像不匹配;当两个图像之间的图像差异度小于等于所述最大值时,则判定两个图像相互匹配。相匹配的两个图像可以互相替代。在通过回归训练获取图像差异度阈值时,可行的回归训练方式包括线性模型的回归训练方式,即线性回归算法。
在本实施例中,通过对大量成对的训练图像和训练子图进行图像匹配训练,获取每个训练图像中和与该训练图像对应的训练子图之间的图像差异度最小的区域,即获取成对的训练图像和训练子图之间的最小图像差异度,根据所有最小图像差异度,采用不同统计量计算获取图像差异度阈值。
请参考图3,其为本申请的图像匹配的方法实施例获取图像差异度阈值的流程图。在本实施例中,所述图像差异度阈值采用如下步骤获取:
步骤S301:获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分。
本申请所述的训练图像是指用于训练的待匹配图像,所述的训练子图是指用于训练的待匹配子图,训练图像与训练子图一一对应,训练子图为其对应的训练图像的一部分,获取成对的训练图像和训练子图的方法通常包括以下几个步骤:
1)获取基准图像:对一个画面进行截屏,获取该画面的图像,作为基准图像;
2)获取训练子图:从基准图像中截取部分区域作为训练子图;
3)获取训练图像:对应不同的操作,基准图像发生部分变化,对发生变化的基准图像再次进行截屏,获取发生变化的基准图像,作为训练图像,通过肉眼可以判定训练子图仍为训练图像的一部分。
在本实施例中,通过所述获取成对的训练图像和训练子图的方法,获取训练图像集合和对应该集合中各个训练图像的训练子图集合,其中每个训练子图均为其对应的训练图像的一部分。
步骤S302:遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置。
在本实施例中,针对所有成对的训练图像和训练子图,在各个训练图像中进行匹配训练候选区域的选取,选取的方法是遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,在该训练图像中选取所有与该训练子图形状、尺寸相同的区域,作为该训练图像的匹配训练候选区域,该匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于该匹配训练候选区域的固定位置,从而获取所有训练图像各自的所有匹配训练候选区域。
由于在训练图像中选取匹配候选训练区域的方法与在待匹配图像中选取匹配候选区域的方法相同,所以描述得比较简单,相关之处参见步骤S101的部分说明即可。
步骤S303:逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
在本实施例中,匹配训练候选区域是步骤S302从各个训练图像中选取的区域,匹配训练候选区域的尺寸和与其对应的训练子图尺寸相同,分别计算训练图像中的各个匹配候选区域与训练子图之间的图像差异度,从而获取各个训练图像中所有匹配训练候选区域与各自对应的训练子图之间的图像差异度。
请参考图3,图4是本申请的图像匹配的方法实施例步骤S303的具体流程图。在本实施例中,所述计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度包括:
步骤S401:计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距。
步骤S402:求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
在本实施例中,对各个训练图像中选取的所有匹配训练候选区域,逐个计算每一个匹配训练候选区域与对应的训练子图之间的对应像素点的像素值差距,通过像素值差距表征参数获取所有正向化的像素值差距,并将所有像素点的像素值差距表征参数求和,从而获取各个匹配训练候选区域与对应的训练子图之间的图像差异度。
步骤S304:在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域。
在本实施例中,对通过步骤S303计算获取的各个训练图像中每一对匹配训练候选区域与训练子图之间的图像差异度进行查找,从中查找各个训练图像中所有图像差异度的最小值,该最小图像差异度对应的匹配训练候选区域即:该训练图像中与对应的训练子图最为相似的区域,该匹配训练候选区域作为选定匹配区域,从而获取各个训练图像的选定匹配区域。
步骤S305:将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度。
在本实施例中,将所有选定匹配区域与对应的训练子图之间的图像差异度单位化,即将各个训练图像的选定匹配区域的图像差异度值除以对应的训练子图的面积,从而获取各个选定匹配区域的单位化图像差异度。将所有选定匹配区域的图像差异度值单位化,使得本申请提供的图像匹配的方法获取的图像差异度阈值与各个训练子图的尺寸大小无关,各个训练图像对应的训练子图大小可以不同。
步骤S306:以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
在本实施例中,以所有选定匹配区域的单位化图像差异度为变量,图像差异度阈值即为所有变量的统计量,统计量可以采用以下数值:
1)平均值:表示一系列数据或统计总体的平均特征的值,即期望值;
2)平均值+m倍方差:方差是各数据偏离平均数的距离的平均数,平均值+m倍方差表示所有数据的正态分布,平均数决定正态曲线的中心位置,方差决定正态曲线的陡峭或扁平程度,方差越小,曲线越陡峭;方差越大,曲线越扁平;
3)中值:组距的上下限之算术平均数,对一组数据进行升序排列,中值是在一组数据中居于中间的数,即在这组数据中,有一半的数据比它大,有一半的数据比它小,如果这组数据包含偶数个数字,中值是位于中间的两个数的平均值。
上述表示图像差异度阈值的各种不同的统计量的变化,都只是具体实施方式的变更,都不偏离本申请的核心,因此都在本申请的保护范围之内。
在本实施例中,计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
本申请所述的计算获取所述图像差异度阈值还可以采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
通过采用“平均值+m倍方差”的统计量表示图像差异度阈值,从而使得过滤更加精准。
本申请提供的图像匹配的方法,对于待匹配图像中选取的与待匹配子图尺寸相同的区域,逐个计算各个区域与待匹配子图之间的图像差异度,并从中查找到与待匹配子图之间图像差异度最小的区域,该区域即为待匹配图像中与待匹配子图之间最为相似的区域;将该区域与待匹配子图之间的图像差异度进行单位化,获取单位化的图像差异度,将该单位化的图像差异度与预先设定的图像差异度阈值相比较,当该单位化的图像差异度小于等于图像差异度阈值时,判定该区域是待匹配图像中与待匹配子图相匹配的区域,可以使用待匹配子图替代该区域;当该单位化的图像差异度大于图像差异度阈值时,判定该区域与待匹配子图不匹配,在待匹配图像中不存在与待匹配子图相匹配的区域。
本申请提供的图像匹配的方法,通过在图像匹配的过程中引入图像差异度阈值参数,将经图像匹配所获取的最为相似的两个图像之间的图像差异度限制在预先设定的图像差异度阈值内,避免了图像匹配的结果存在通过肉眼看来两个图像实际上并不匹配的问题,从而提高图像匹配的准确性。
在上述的实施例中,提供了一种图像匹配的方法,与之相对应的,本申请还提供一种图像匹配的装置。请参看图5,其为本申请的图像匹配的装置实施例的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例的一种图像匹配的装置,包括:
第一选取单元101,用于以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;
第一计算单元102,用于计算各个匹配候选区域与所述待匹配子图之间的图像差异度;
第二选取单元103,用于在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度;
判断单元104,用于将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
可选的,所述第一计算单元102包括:
第一计算像素值差距子单元(图中未示),用于计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距;
第一计算图像差异度子单元(图中未示),用于求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
可选的,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
可选的,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
可选的,请参看图5,其为本申请的图像匹配的装置实施例获取图像差异度阈值单元的示意图。在本实施例中,所述装置还包括:
获取图像差异度阈值单元(图中未示),用于获取图像差异度阈值;
所述获取图像差异度阈值单元(图中未示)包括:
获取训练图像单元201,用于获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分;
第三选取单元202,用于遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置;
第二计算单元203,用于逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度;
第四选取单元204,用于在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域;
单位化单元205,用于将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度;
第三计算单元206,用于以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
可选的,所述第二计算单元203包括:
第二计算像素值差距子单元(图中未示),用于计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距;
第二计算图像差异度子单元(图中未示),用于求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
可选的,所述计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
可选的,所述计算获取所述图像差异度阈值采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
本申请提供的图像匹配的方法以及相应装置,通过在图像匹配的过程中引入图像差异度阈值参数,将经图像匹配所获取的最为相似的两个图像之间的图像差异度限制在预先设定的图像差异度阈值内,避免了图像匹配的结果存在通过肉眼看来两个图像实际上并不匹配的问题,从而提高图像匹配的准确性。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (16)
1.一种图像匹配的方法,其特征在于,包括:
以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;
计算各个匹配候选区域与所述待匹配子图之间的图像差异度;
在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度;
将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
2.根据权利要求1所述的图像匹配的方法,其特征在于,所述计算各个匹配候选区域与所述待匹配子图之间的图像差异度包括:
计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距;
求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
3.根据权利要求2所述的图像匹配的方法,其特征在于,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
4.根据权利要求3所述的图像匹配的方法,其特征在于,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
5.根据权利要求1所述的图像匹配的方法,其特征在于,所述图像差异度阈值采用如下步骤获取:
获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分;
遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置;
逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度;
在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域;
将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度;
以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
6.根据权利要求5所述的图像匹配的方法,其特征在于,所述计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度包括:
计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距;
求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
7.根据权利要求5所述的图像匹配的方法,其特征在于,所述计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
8.根据权利要求5所述的图像匹配的方法,其特征在于,所述计算获取所述图像差异度阈值采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
9.一种图像匹配的装置,其特征在于,包括:
第一选取单元,用于以待匹配子图区域大小为尺寸依据,在待匹配图像中选取至少一个匹配候选区域;
第一计算单元,用于计算各个匹配候选区域与所述待匹配子图之间的图像差异度;
第二选取单元,用于在所有的匹配候选区域中,选取所述图像差异度最小的匹配候选区域,作为选定匹配区域,将所述选定匹配区域的图像差异度单位化,获取所述选定匹配区域的单位化图像差异度;
判断单元,用于将所述单位化图像差异度与预先确定的图像差异度阈值进行比较,如果小于等于所述图像差异度阈值,则判定所述选定匹配区域与所述待匹配子图相匹配;否则,判定所述选定匹配区域与所述待匹配子图不匹配。
10.根据权利要求9所述的图像匹配的装置,其特征在于,所述第一计算单元包括:
第一计算像素值差距子单元,用于计算所述匹配候选区域所有像素点与所述待匹配子图的对应像素点的像素值差距;
第一计算图像差异度子单元,用于求取所述匹配候选区域与所述待匹配子图的所有像素点的像素值差距表征参数之和,作为所述匹配候选区域与所述待匹配子图之间的图像差异度。
11.根据权利要求10所述的图像匹配的装置,其特征在于,所述像素值差距表征参数是指所述像素值差距的正向化取值,所述正向化取值是指所述像素值差距的绝对值或所述像素值差距的平方。
12.根据权利要求11所述的图像匹配的装置,其特征在于,所述像素值差距表征参数之和采用下述公式计算:
其中,x’,y’是所述待匹配子图中像素点的横行和纵行的变量,T(x’,y’)是所述待匹配子图中像素点(x’,y’)的像素值;x,y是所述待匹配图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述待匹配图像中像素点(x+x’,y+y’)的像素值;R(x,y)是所述待匹配子图中像素点(x’,y’)和所述待匹配图像中像素点(x+x’,y+y’)之间的像素值差距表征参数之和。
13.根据权利要求9所述的图像匹配的装置,其特征在于,还包括:
获取图像差异度阈值单元,用于获取图像差异度阈值;
所述获取图像差异度阈值单元包括:
获取训练图像单元,用于获取训练图像集合和对应该集合中各个训练图像的训练子图集合,每个训练子图均为其对应的训练图像的一部分;
第三选取单元,用于遍历各个训练图像中的各个像素点,以遍历到的像素点为基准点,以与各个训练图像对应的训练子图相同的形状、尺寸,在各个训练图像中选取匹配训练候选区域,所述匹配训练候选区域包括所述像素点,并且保证作为基准点的像素点位于所述匹配训练候选区域的固定位置;
第二计算单元,用于逐个计算各个匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度;
第四选取单元,用于在各个训练图像对应的所有匹配训练候选区域中,选取各个训练图像的所述图像差异度最小的匹配训练候选区域,作为各个训练图像的选定匹配区域;
单位化单元,用于将所有选定匹配区域的图像差异度单位化,获取所有选定匹配区域的单位化图像差异度;
第三计算单元,用于以所述所有选定匹配区域的单位化图像差异度的数值为依据,计算获取所述图像差异度阈值。
14.根据权利要求13所述的图像匹配的装置,其特征在于,所述第二计算单元包括:
第二计算像素值差距子单元,用于计算所述匹配训练候选区域所有像素点和与该匹配训练候选区域对应的所述训练子图的对应像素点的像素值差距;
第二计算图像差异度子单元,用于求取所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图的所有像素点的像素值差距表征参数之和,作为所述匹配训练候选区域和与该匹配训练候选区域对应的所述训练子图之间的图像差异度。
15.根据权利要求13所述的图像匹配的装置,其特征在于,所述计算获取所述图像差异度阈值是指,计算所有选定匹配区域的单位化图像差异度的平均值,即采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数。
16.根据权利要求13所述的图像匹配的装置,其特征在于,所述计算获取所述图像差异度阈值采用下述公式计算:
其中,x’,y’是所述训练子图中像素点的横行和纵行的变量,T(x’,y’)是所述训练子图中像素点(x’,y’)的像素值;x,y是所述训练图像中像素点(x,y)的横行和纵行的坐标值,I(x+x’,y+y’)是所述训练图像中像素点(x+x’,y+y’)的像素值;N是所述训练子图集合的元素个数,m是1,2,…,6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410331209.6A CN105447842B (zh) | 2014-07-11 | 2014-07-11 | 一种图像匹配的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410331209.6A CN105447842B (zh) | 2014-07-11 | 2014-07-11 | 一种图像匹配的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447842A true CN105447842A (zh) | 2016-03-30 |
CN105447842B CN105447842B (zh) | 2019-05-21 |
Family
ID=55557976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410331209.6A Active CN105447842B (zh) | 2014-07-11 | 2014-07-11 | 一种图像匹配的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447842B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766563A (zh) * | 2017-11-07 | 2018-03-06 | 广东欧珀移动通信有限公司 | 更新数据的方法、装置、存储介质及电子设备 |
CN108391140A (zh) * | 2018-02-28 | 2018-08-10 | 北京奇艺世纪科技有限公司 | 一种视频帧的分析方法及装置 |
CN109739233A (zh) * | 2018-12-29 | 2019-05-10 | 歌尔股份有限公司 | Agv小车定位方法、装置及系统 |
CN111380510A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 重定位方法及装置、机器人 |
CN112435283A (zh) * | 2020-11-04 | 2021-03-02 | 浙江大华技术股份有限公司 | 图像的配准方法、电子设备以及计算机可读存储介质 |
CN112507921A (zh) * | 2020-12-16 | 2021-03-16 | 平安银行股份有限公司 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
CN112541902A (zh) * | 2020-12-15 | 2021-03-23 | 平安科技(深圳)有限公司 | 相似区域搜索方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080152225A1 (en) * | 2004-03-03 | 2008-06-26 | Nec Corporation | Image Similarity Calculation System, Image Search System, Image Similarity Calculation Method, and Image Similarity Calculation Program |
CN102637295A (zh) * | 2012-03-31 | 2012-08-15 | 北京智安邦科技有限公司 | 一种快速图像电子稳定方法及装置 |
CN102968632A (zh) * | 2012-10-15 | 2013-03-13 | 北京大学 | 获取图像的紧凑全局特征描述子的方法及图像检索方法 |
CN103034992A (zh) * | 2012-05-21 | 2013-04-10 | 中国农业大学 | 蜜蜂运动轨迹的无标识图像检测方法及系统 |
-
2014
- 2014-07-11 CN CN201410331209.6A patent/CN105447842B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080152225A1 (en) * | 2004-03-03 | 2008-06-26 | Nec Corporation | Image Similarity Calculation System, Image Search System, Image Similarity Calculation Method, and Image Similarity Calculation Program |
CN102637295A (zh) * | 2012-03-31 | 2012-08-15 | 北京智安邦科技有限公司 | 一种快速图像电子稳定方法及装置 |
CN103034992A (zh) * | 2012-05-21 | 2013-04-10 | 中国农业大学 | 蜜蜂运动轨迹的无标识图像检测方法及系统 |
CN102968632A (zh) * | 2012-10-15 | 2013-03-13 | 北京大学 | 获取图像的紧凑全局特征描述子的方法及图像检索方法 |
Non-Patent Citations (1)
Title |
---|
申浩等: "航拍视频帧间快速配准算法", 《航空学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766563A (zh) * | 2017-11-07 | 2018-03-06 | 广东欧珀移动通信有限公司 | 更新数据的方法、装置、存储介质及电子设备 |
CN107766563B (zh) * | 2017-11-07 | 2020-05-12 | Oppo广东移动通信有限公司 | 更新数据的方法、装置、存储介质及电子设备 |
CN108391140B (zh) * | 2018-02-28 | 2021-06-01 | 北京奇艺世纪科技有限公司 | 一种视频帧的分析方法及装置 |
CN108391140A (zh) * | 2018-02-28 | 2018-08-10 | 北京奇艺世纪科技有限公司 | 一种视频帧的分析方法及装置 |
CN111380510B (zh) * | 2018-12-29 | 2022-04-15 | 深圳市优必选科技有限公司 | 重定位方法及装置、机器人 |
CN111380510A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 重定位方法及装置、机器人 |
CN109739233A (zh) * | 2018-12-29 | 2019-05-10 | 歌尔股份有限公司 | Agv小车定位方法、装置及系统 |
CN109739233B (zh) * | 2018-12-29 | 2022-06-14 | 歌尔光学科技有限公司 | Agv小车定位方法、装置及系统 |
CN112435283A (zh) * | 2020-11-04 | 2021-03-02 | 浙江大华技术股份有限公司 | 图像的配准方法、电子设备以及计算机可读存储介质 |
CN112541902A (zh) * | 2020-12-15 | 2021-03-23 | 平安科技(深圳)有限公司 | 相似区域搜索方法、装置、电子设备及介质 |
CN112541902B (zh) * | 2020-12-15 | 2024-09-13 | 平安科技(深圳)有限公司 | 相似区域搜索方法、装置、电子设备及介质 |
CN112507921A (zh) * | 2020-12-16 | 2021-03-16 | 平安银行股份有限公司 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
CN112507921B (zh) * | 2020-12-16 | 2024-03-19 | 平安银行股份有限公司 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105447842B (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447842A (zh) | 一种图像匹配的方法及装置 | |
CN106570453B (zh) | 用于行人检测的方法、装置和系统 | |
US8873834B2 (en) | Method and apparatus for processing multi-view image using hole rendering | |
CN104240244B (zh) | 一种基于传播模式和流形排序的显著性物体检测方法 | |
US20210166015A1 (en) | Certificate image extraction method and terminal device | |
CN104700062A (zh) | 一种识别二维码的方法及设备 | |
CN104899853A (zh) | 图像区域的划分方法及装置 | |
CN106204415A (zh) | 一种新型的图像配准方法 | |
CN109818929A (zh) | 基于主动自步学习的未知威胁感知方法、系统、存储介质、终端 | |
CN104899849A (zh) | 一种多目标交互式图像分割方法和装置 | |
CN110443270B (zh) | 图表定位方法、装置、计算机设备及计算机可读存储介质 | |
CN111709883A (zh) | 一种图像检测方法、装置及设备 | |
CN110390261A (zh) | 目标检测方法、装置、计算机可读存储介质及电子设备 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
CN114359563B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
CN103761708B (zh) | 基于轮廓匹配的图像修复方法 | |
CN103177451A (zh) | 基于图像边缘的自适应窗口和权重的立体匹配算法 | |
CN109901835B (zh) | 布局元素的方法、装置、设备及存储介质 | |
CN114913495A (zh) | 基于协作图融合的协同目标检测方法及系统 | |
CN114777792A (zh) | 路径规划方法、装置、计算机可读介质及电子设备 | |
CN104750837A (zh) | 增长型时间序列数据的可视化方法和系统 | |
CN103208111B (zh) | 用于修正图像角点的方法和装置以及图像处理设备 | |
CN116051473A (zh) | 焊缝缺陷识别模型建立方法及装置、识别方法及装置 | |
CN107369138A (zh) | 基于高阶统计模型的图像最优化显示方法 | |
CN114692034A (zh) | 图像显示方法、装置、电子设备及计算机存储介质 |
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 |