CN107392945B - 一种二维轮廓匹配方法 - Google Patents

一种二维轮廓匹配方法 Download PDF

Info

Publication number
CN107392945B
CN107392945B CN201710435416.XA CN201710435416A CN107392945B CN 107392945 B CN107392945 B CN 107392945B CN 201710435416 A CN201710435416 A CN 201710435416A CN 107392945 B CN107392945 B CN 107392945B
Authority
CN
China
Prior art keywords
distance
calculated
profile
histogram
mass center
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.)
Active
Application number
CN201710435416.XA
Other languages
English (en)
Other versions
CN107392945A (zh
Inventor
金剑秋
杨柏林
刘博轩
江照意
陈超
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.)
Hangzhou Manwu Home Technology Co.,Ltd.
Original Assignee
Hangzhou Giant Dream Technology Co Ltd
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 Hangzhou Giant Dream Technology Co Ltd filed Critical Hangzhou Giant Dream Technology Co Ltd
Priority to CN201710435416.XA priority Critical patent/CN107392945B/zh
Publication of CN107392945A publication Critical patent/CN107392945A/zh
Application granted granted Critical
Publication of CN107392945B publication Critical patent/CN107392945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种二维轮廓匹配方法。现有的二维轮廓匹配方法在轮廓放缩和重采样等变换下不够稳定。本发明采用轮廓质心与轮廓上各采样点之间距离的直方图和距离差分直方图作为特征来计算两轮廓之间的距离，该距离越小，则两轮廓越相似。

Description

一种二维轮廓匹配方法
技术领域
本发明属于图像图形检索、机器视觉领域，涉及一种二维轮廓匹配方法，用于计算两个二维轮廓之间的相似程度。
背景技术
二维轮廓匹配是通过一定的度量准则来计算二维轮廓之间的相似性，它是计算机视觉和模式识别的基本问题，也是许多科学领域的基础性问题。本发明公开了一种无需校准的二维轮廓匹配方法，且无惧旋转平移和整体放缩变换。
发明内容
本发明针对现有技术的不足，提供一种用于计算两个二维轮廓之间相似程度的二维轮廓匹配方法。
本发明解决技术问题所采取的技术方案为：
输入：两个二维轮廓曲线分别为A和B，它们均已均匀离散化，用相应的点序表示：A＝(a0,a1,a2,…,an-1),B＝(b0,b1,b2,…,bm-1)。轮廓曲线是封闭的；
输出：两个轮廓曲线之间的距离d(A,B)。该距离越小，表示两个轮廓越相似。
本发明方法具体是：
步骤(1)计算轮廓曲线的质心：以轮廓曲线A为例，计算它的质心cA：
同样的方式计算轮廓曲线B的质心cB。
步骤(2)计算轮廓曲线与质心的规范化距离：计算质心与轮廓上各点之间的距离然后对它们进行规范化：
其中median表示取中值运算。
步骤(3)计算距离直方图：以轮廓曲线A为例，计算该距离的连续直方图：
其中σs用来控制该连续直方图的平滑程度。进一步对其进行规范化，仍记为HA：
HA(r)＝HA(r)/∫HA(r)dr
同时，采用同样的计算方式计算轮廓B的距离直方图HB。
步骤(4)计算距离差分直方图：
首先计算质心与轮廓上各点距离的差分：
然后计算该差分的连续直方图UA：
也对其进行规范化：
UA(r)＝UA(r)/∫UA(r)dr
同时，采用同样的计算方式计算轮廓B的距离直方图UB。
步骤(4)计算两轮廓曲线的距离：有了HA、HB、UA和UB就可以计算轮廓A和B之间的距离：
d(A,B)＝wH*‖HA-HB‖2+wU*‖UA-UB‖2
其中wH和wU是需要设置的加权系数。
本发明的有益效果：本发明采用轮廓质心与轮廓上各采样点之间距离的直方图和距离差分直方图作为特征来计算两轮廓之间的距离，该距离越小，则两轮廓越相似。该方法过程无需建立两个轮廓点对点的对应关系。
具体实施方式
本发明方法的输入输出是：
输入：两个二维轮廓曲线分别为A和B，它们均已均匀离散化，用相应的点序表示：A＝(a0,a1,a2,…,an-1),B＝(b0,b1,b2,…,bm-1)。轮廓曲线是封闭的，即an＝a0，bm＝b0。
输出：两个轮廓曲线之间的距离d(A,B)。该距离越小，表示两个轮廓越相似。
本发明方法的具体步骤是：
步骤(1)计算轮廓曲线的质心：以轮廓曲线A为例，计算它的质心cA：
同样的方法计算轮廓曲线B的质心cB。
步骤(2)计算轮廓曲线与质心的规范化距离：计算质心与轮廓上各点之间的距离然后对它们进行规范化：
其中median表示取中值运算。
步骤(3)距离直方图：以轮廓曲线A为例，计算该距离的连续直方图：
其中σs用来控制该连续直方图的平滑程度。进一步对其进行规范化，仍记为HA：
HA(r)＝HA(r)/∫HA(r)dr
同时，采用同样的计算方法计算轮廓B的距离直方图HB。
步骤(4)计算距离差分直方图：此步骤首先计算质心与轮廓上各点距离的差分：
然后计算该差分的连续直方图UA：
也对其进行规范化：
UA(r)＝UA(r)/∫UA(r)dr
同时，采用同样的计算方法计算轮廓B的距离直方图UB。
步骤(5)计算两轮廓曲线的距离：有了HA、HB、UA和UB就可以计算轮廓A和B之间的距离：
d(A,B)＝wH*‖HA-HB‖2+wU*‖UA-UB‖2
其中wH和wU是需要设置的加权系数。

Claims (1)

1.一种二维轮廓匹配方法，该方法的
输入：两个二维轮廓曲线分别为A和B，它们均已均匀离散化，用相应的点序表示：A＝(a0,a1,a2,…,an-1),B＝(b0,b1,b2,…,bm-1)；轮廓曲线是封闭的；
输出：两个轮廓曲线之间的距离d(A,B)；该距离越小，表示两个轮廓越相似；
其特征在于该方法具体是：
步骤(1)计算轮廓曲线的质心：以轮廓曲线A为例，计算它的质心cA：
同样的方式计算轮廓曲线B的质心cB；
步骤(2)计算轮廓曲线与质心的规范化距离：计算质心与轮廓上各点之间的距离然后对它们进行规范化：
其中median表示取中值运算；
步骤(3)计算距离直方图：以轮廓曲线A为例，计算该距离的连续直方图：
其中σs用来控制该连续直方图的平滑程度；进一步对其进行规范化，仍记为HA：
HA(r)＝HA(r)/∫HA(r)dr
同时，采用同样的计算方式计算轮廓B的距离直方图HB；
步骤(4)计算距离差分直方图：
首先计算质心与轮廓上各点距离的差分：
然后计算该差分的连续直方图UA：
也对其进行规范化：
UA(r)＝UA(r)/∫UA(r)dr
同时，采用同样的计算方式计算轮廓B的距离直方图UB；
步骤(4)计算两轮廓曲线的距离：有了HA、HB、UA和UB就可以计算轮廓A和B之间的距离：
d(A,B)＝wH*‖HA-HB‖2+wU*‖UA-UB‖2
其中wH和wU是需要设置的加权系数。
CN201710435416.XA 2017-06-11 2017-06-11 一种二维轮廓匹配方法 Active CN107392945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710435416.XA CN107392945B (zh) 2017-06-11 2017-06-11 一种二维轮廓匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710435416.XA CN107392945B (zh) 2017-06-11 2017-06-11 一种二维轮廓匹配方法

Publications (2)

Publication Number Publication Date
CN107392945A CN107392945A (zh) 2017-11-24
CN107392945B true CN107392945B (zh) 2019-10-25

Family

ID=60333294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710435416.XA Active CN107392945B (zh) 2017-06-11 2017-06-11 一种二维轮廓匹配方法

Country Status (1)

Country Link
CN (1) CN107392945B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382794B (zh) * 2020-03-09 2023-04-25 浙江工商大学 一种曲线相似度计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129684A (zh) * 2011-03-17 2011-07-20 南京航空航天大学 基于拟合轮廓的异源图像匹配方法
CN103226584A (zh) * 2013-04-10 2013-07-31 湘潭大学 形状描述符的构建方法及基于该描述符的图像检索方法
CN103679174A (zh) * 2013-12-04 2014-03-26 中国科学院深圳先进技术研究院 一种形状描述子的生成方法、装置
CN106295532A (zh) * 2016-08-01 2017-01-04 河海大学 一种视频图像中的人体动作识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102129684A (zh) * 2011-03-17 2011-07-20 南京航空航天大学 基于拟合轮廓的异源图像匹配方法
CN103226584A (zh) * 2013-04-10 2013-07-31 湘潭大学 形状描述符的构建方法及基于该描述符的图像检索方法
CN103679174A (zh) * 2013-12-04 2014-03-26 中国科学院深圳先进技术研究院 一种形状描述子的生成方法、装置
CN106295532A (zh) * 2016-08-01 2017-01-04 河海大学 一种视频图像中的人体动作识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘秀朋.轮廓曲线的形状描述与匹配算法研究.《中国优秀硕士学位论文全文数据库-信息科技辑》.2013,(第1期), *
赵永刚.图像检索中形状描述和匹配算法研究.《中国优秀硕士学位论文全文数据库-信息科技辑》.2011,(第6期), *

Also Published As

Publication number Publication date
CN107392945A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
CN103810739B (zh) 一种图像文字变形动画的生成方法
CN109658444B (zh) 一种基于多模态特征的规则三维彩色点云配准方法
CN107392945B (zh) 一种二维轮廓匹配方法
CN103400376A (zh) 一种乳腺动态增强磁共振图像序列的配准方法
CN105550989A (zh) 基于非局部高斯过程回归的图像超分辨方法
CN106228590B (zh) 一种图像中的人体姿态编辑方法
Xue et al. Automated tongue segmentation in Chinese medicine based on deep learning
CN109300148B (zh) 基于方法协同的多源图像配准方法
Durasov et al. Double refinement network for efficient monocular depth estimation
Yu et al. Target image matching algorithm based on pyramid model and higher moments
CN105551007B (zh) 基于频域及谱矩阵的sar图像多层贝叶斯盲解卷积方法
CN105405152B (zh) 基于结构化支持向量机的自适应尺度目标跟踪方法
Joshi et al. Diffeomorphic image registration using lipschitz continuous residual networks
CN108510591A (zh) 一种基于非局部均值与双边滤波的改进泊松曲面重建方法
Deng et al. A new active contour modeling method for processing-path extraction of flexible material
CN109740109A (zh) 一种基于酉变换的PolSAR图像广义目标分解方法
Cheng et al. An augmented reality image registration method based on improved ORB
CN107680126A (zh) 随机抽样一致性的图像匹配去噪处理系统及方法
Amanatiadis et al. Accelerating image super-resolution regression by a hybrid implementation in mobile devices
CN109492524B (zh) 用于视觉跟踪的内结构关联性网络
Putra et al. A Gray-Level Dynamic Range Modification Technique for Image Feature Extraction Using Fuzzy Membership Function
CN103324914B (zh) 一种基于稀疏系数的人脸图像多表情相互转换方法
CN107818544A (zh) 一种字符缩放方法
CN107633543B (zh) 考虑局部拓扑结构的线条形状对应方法
CN105976369B (zh) 一种检测像素点到边缘距离的方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190919

Address after: 311121 Haichuang Science and Technology Center, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou giant dream Technology Co., Ltd.

Address before: Hangzhou City, Zhejiang Province, Xihu District three, 310030 West Road No. 10 room C150

Applicant before: Hangzhou giant real Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 310000 room 1606, 16 / F, building 2, Haichuang technology center, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Manwu Home Technology Co.,Ltd.

Address before: 311121 Haichuang Science and Technology Center, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee before: HANGZHOU JUMENG TECHNOLOGY Co.,Ltd.

CP03 Change of name, title or address