CN110599531B - 重复纹理特征描述方法和装置、双目立体匹配方法和装置 - Google Patents

重复纹理特征描述方法和装置、双目立体匹配方法和装置 Download PDF

Info

Publication number
CN110599531B
CN110599531B CN201910858862.0A CN201910858862A CN110599531B CN 110599531 B CN110599531 B CN 110599531B CN 201910858862 A CN201910858862 A CN 201910858862A CN 110599531 B CN110599531 B CN 110599531B
Authority
CN
China
Prior art keywords
texture
repeated
repetitive
point
target
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
CN201910858862.0A
Other languages
English (en)
Other versions
CN110599531A (zh
Inventor
唐金伟
张哲斌
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.)
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Megvii 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 Beijing Megvii Technology Co Ltd filed Critical Beijing Megvii Technology Co Ltd
Priority to CN201910858862.0A priority Critical patent/CN110599531B/zh
Publication of CN110599531A publication Critical patent/CN110599531A/zh
Application granted granted Critical
Publication of CN110599531B publication Critical patent/CN110599531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • G06T7/41Analysis of texture based on statistical description of texture
    • G06T7/44Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10012Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Generation (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种重复纹理特征描述方法和装置、双目立体匹配方法和装置。包括:获取目标图像中的重复纹理区域;从重复纹理区域中获取目标重复纹理点;根据目标重复纹理点,从重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点;对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。从而使目标重复纹理点的特征描述子具有了独特性,进一步能够使根据该具有独特性的特征描述子进行双目立体匹配的准确率更高。

Description

重复纹理特征描述方法和装置、双目立体匹配方法和装置
技术领域
本申请涉及计算机视觉处理技术领域,特别涉及一种重复纹理特征描述方法和装置、双目立体匹配方法和装置。
背景技术
随着计算机视觉处理技术地不断发展,双目立体视觉作为计算机视觉领域的重要分支,因其具有仿人类双目的特点,逐渐成为立体视觉领域的研究热点。双目立体视觉通过模拟人的视觉系统来处理现实世界,具有实现简单,成本低廉,并且可以在非接触条件下测量距离等优点。
然而,在双目立体匹配过程中,重复纹理区域中各像素点的特征描述子也是重复的,容易因为重复纹理区域无独特性而导致匹配出错的现象。
发明内容
基于此,有必要针对上述技术问题,提供一种重复纹理特征描述方法和装置、双目立体匹配方法和装置。
一种重复纹理特征描述方法,所述方法包括:
获取目标图像中的重复纹理区域;
从所述重复纹理区域中获取目标重复纹理点;
根据所述目标重复纹理点,从所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点;
对所述N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为所述目标重复纹理点的特征描述子。
在其中一个实施例中,所述根据所述目标重复纹理点,在所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点,包括:
以所述目标重复纹理点为中心,引出预设数量的射线;
将所述预设射线上、位于所述重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为所述N个非重复纹理点。
在其中一个实施例中,所述预设数量的射线之间的夹角相等。
在其中一个实施例中,所述预设条件为沿所述射线的延伸方向上、位于所述重复纹理区域外部的非重复纹理区域的第一个点。
在其中一个实施例中,所述对所述N个非重复纹理点进行综合特征描述,并将所述综合特征描述结果确定为所述目标重复纹理点的特征描述子,包括:
逐一对所述N个非重复纹理点进行特征描述,得到与所述N个非重复纹理点一一对应的N个特征描述子;
对所述N个特征描述子进行组合,并将组合结果确定为所述目标重复纹理点的特征描述子。
在其中一个实施例中,所述对所述N个特征描述子进行组合,并将组合结果确定为所述目标重复纹理点的特征描述子,包括:
对所述N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为所述目标重复纹理点的特征描述子。
一种双目立体匹配方法,所述方法包括:
按照上述任一项所述方法,获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子;
获取所述第一图像中的各个非重复纹理点的第三特征描述子,以及获取所述第二图像中的各个非重复纹理点的第四特征描述子;
根据所述各个重复纹理点的第一特征描述子和所述各个非重复纹理点的第三特征描述子,以及所述各个重复纹理点的第二特征描述子和所述各个非重复纹理点的第四特征描述子,对所述第一图像和所述第二图像进行双目立体匹配,得到双目立体匹配图像。
一种重复纹理特征描述装置,所述装置包括:
重复纹理区域获取模块,用于获取目标图像中的重复纹理区域;
重复纹理点获取模块,用于从所述重复纹理区域中获取目标重复纹理点;
非重复纹理点确定模块,用于根据所述目标重复纹理点,在所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点;
特征描述子确定模块,用于对所述N个非重复纹理点进行综合特征描述,并将所述综合特征描述结果确定为所述目标重复纹理点的特征描述子。
一种双目立体匹配装置,所述装置包括:
重复特征获取模块,用于获取所述第一图像中的各个重复纹理点的第一特征描述子,以及获取所述第二图像中的各个重复纹理点的第二特征描述子;
非重复特征获取模块,用于获取所述第一图像中的各个非重复纹理点的第三特征描述子,以及获取所述第二图像中的各个非重复纹理点的第四特征描述子
双目立体匹配模块,用于根据所述各个重复纹理点的第一特征描述子和所述各个非重复纹理点的第三特征描述子,以及所述各个重复纹理点的第二特征描述子和所述各个非重复纹理点的第四特征描述子,对所述第一图像和所述第二图像进行双目立体匹配,得到双目立体匹配图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
上述重复纹理特征描述方法和装置、双目立体匹配方法和装置,通过获取目标图像中的重复纹理区域,接着,从重复纹理区域中获取目标重复纹理点,进一步,根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点,最后,对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。上述将N个非重复纹理点的综合特征描述结果确定为目标重复纹理点的特征描述子的方法,使目标重复纹理点的特征描述子具有了区别于其邻域范围内的其他重复纹理点的独特性,进一步能够使根据该具有独特性的特征描述子进行双目立体匹配的准确率更高。
附图说明
图1为一个实施例中重复纹理特征描述方法的流程示意图;
图2为一个实施例中包含重复纹理区域的目标图像示意图;
图3为一个实施例中步骤S300的一种可实施方式的流程示意图;
图4为一个实施例中步骤S300的一种具体实施方式的流程示意图;
图5为一个实施例中步骤S400的一种可实施方式的流程示意图;
图6为一个实施例中双目立体匹配方法的流程示意图;
图7为一个实施例中重复纹理特征描述装置的结构框图;
图8为一个实施例中双目立体匹配装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系,但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中,如图1所示,提供了一种重复纹理特征描述方法,包括以下步骤:
步骤S100,获取目标图像中的重复纹理区域。
其中,重复纹理区域是指目标图像中组成纹理图像的具有相同或相似特性的重复单元构成的区域。如图2所示,为包含重复纹理区域的目标图像示意图,图2中箭头A和箭头B示出的为两个区域面积大小不同的两个重复纹理区域。由于重复纹理区域的这一相同或相似特性,现有技术中对重复纹理区域中的点进行简单的特征描述而获得的特征描述子一般与其邻域内的多个特征描述子相同或相似,其特征描述子不具有独特性。
具体地,对目标图像进行重复纹理检测,将图像中具有相同或相似特性的重复单元构成的区域作为重复纹理区域。
步骤S200,从重复纹理区域中获取目标重复纹理点。
具体地,在步骤S100中得到的重复纹理区域中选定一个点作为目标重复纹理点。该目标重复纹理点位于重复纹理区域中,采用现有技术对目标重复纹理点进行特征描述会造成目标重复纹理点与重复纹理区域的其他重复纹理点的特征描述子不具有独特性,因此需要从重复纹理区域中获取目标重复纹理点,对其进行单独的特征描述。
步骤S300,根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点。
其中,非重复纹理区域指由目标图像中不具有相同或相似特性的单元构成的区域,非重复纹理区域中的各个像素点的特征描述子本身具有一定的独特性。如图2所示,本实施例中所说的非重复纹理区域是指重复纹理区域A和重复纹理区域B外部的非重复纹理区域。本实施例中用到的非重复纹理区域限于重复纹理区域周围的非重复纹理区域。
具体地,目标重复纹理点位于目标图像的重复纹理区域内,以目标重复纹理点为基准,可以以一定的规则在目标重复纹理点所在的重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点。例如,在重复纹理区域B中确定出一个重复纹理点O,以重复纹理点O向着图片上方延伸时,可以得到一个非重复纹理点P。
步骤S400,对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。
其中,N个非重复纹理点属于非重复纹理区域中的点,这N个非重复纹理点的特征描述是具有独特性的。
具体地,对N个非重复纹理点进行综合特征描述,得到的综合特征描述结果也是有独特性的,将综合特征描述结果作为目标重复纹理点的特征描述子可以使目标重复纹理点的特征描述子区别于该目标重复纹理点所在重复纹理区域中的其他重复纹理点。
上述重复纹理特征描述方法,通过获取目标图像中的重复纹理区域,接着,从重复纹理区域中获取目标重复纹理点,进一步,根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点,最后,对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。上述将N个非重复纹理点的综合特征描述结果确定为目标重复纹理点的特征描述子的方法,使目标重复纹理点的特征描述子具有了区别于其邻域范围内的其他重复纹理点的独特性,进一步能够使根据该具有独特性的特征描述子进行双目立体匹配的准确率更高。
在其中一个实施例中,如图3所示,为步骤S300的一种可实施方式的流程示意图,步骤S300,根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点,包括:
步骤S310,以目标重复纹理点为中心,引出预设数量的射线。
可选地,预设数量的射线之间的夹角相等。
步骤S320,将预设射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。
具体地,以目标重复纹理点为中心,引出的预设数量的射线会与其延伸方向上的非重复纹理区域相交,则将上述射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。特别地,若某一射线的延伸方向上不存在非重复纹理区域,在该延伸方向上不获取非重复纹理点。因此,最终得到的非重复纹理点的个数N小于或等于以目标重复纹理点为中心引出的射线的数量。
具体地,预设条件根据具体需求而定,可以将M条线段上距离目标重复纹理点最近的点确定为N个非重复纹理点,也可以将M条线段上满足其他条件的点确定为N个非重复纹理点,此处不对预设条件进行具体限定。例如,M为4,当预设条件为从M条线段上选取距离目标重复纹理点为R和2R的点作为非重复纹理点,此时,每条线段上满足预设条件的点的个数可能为0、1或者2,因此得到的非重复纹理点的个数为0到8中的任意数目。
可选地,预设条件为沿射线的延伸方向上、位于重复纹理区域外部的非重复纹理区域的第一个点。
具体地,由于预设数量的射线以目标重复纹理点为中心的延伸线上可能存在与非重复纹理区域相交的部分,也可能不存在与非重复纹理区域存在相交的部分,因此,将预设数量的射线以目标重复纹理点为中心进行延伸的过程中预设数量的射线与重复纹理区域外部的非重复纹理区域相交的第一个点确定为非重复纹理点是一种更为容易实现的实施方式,可以减少条件的判断过程,使N个非重复纹理点的获取过程更加快速、清楚。
上述实施例中,以目标重复纹理点为中心,引出预设数量的射线,并将预设射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。可以为后续采用N个非重复纹理点的综合特征描述结果描述目标重复纹理点提供数据基础。
在其中一个实施例中,如图4所示,为步骤S300的一种具体实施方式的流程示意图,步骤S300,根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点,包括:
步骤S310',在目标重复纹理点为中心的邻域内选取M个点。
其中,M为正整数。
具体地,在目标重复纹理点为中心的邻域选取M个点是为得到以目标重复纹理点为中心向着M个方向获得数据提供基础,至于M个点的具体选定方式并不做具体限定。
可选地,以目标重复纹理点为中心,以预设长度为半径,在目标图像所在平面内得到圆O;按照预设规则在圆O的圆周上选取M个点。
具体地,预设规则根据具体需求而定,此处不做具体限定。例如,可以将圆O的周长进行M等分,得到等分弧长为周长L/M,并以圆周上的某一点为基准点,每隔L/M长度确定一个点,直到得到M个点。例如,还可以根据重复纹理点和重复纹理区域的具体特征进行调整,等差或等比等其他方式得到M个点。
上述根据圆O的周长进行划分得到M个点的情况与根据圆O的圆周角进行划分得到M个点的情况相似,也可以根据圆周角得到M个点,此处不再赘述。
步骤S320',自目标重复纹理点向着M个点延伸,将延伸过程中首次与重复纹理区域外部的非重复纹理区域相交的点确定为非重复纹理点,得到N个非重复纹理点;其中,N小于或等于M。
具体地,如果目标重复纹理点所在的重复纹理区域的外围是非重复纹理区域,则自目标重复纹理点向着M个点延伸,将延伸过程中首次与重复纹理区域外部的非重复纹理区域相交的点确定为非重复纹理点,得到M个非重复纹理点,但可能存在这样一种情况,例如,在M个延伸方向的某个方向上重复纹理区域的边缘也是目标图像的边缘或其他不存在非重复纹理区域的情况,此时,在这一方向上不存在非重复纹理点,那么由M个延伸方向能确定出的非重复纹理点就小于M。因此,由M个延伸方向与重复纹理区域外部的非重复纹理区域的交点可以确定出N个非重复纹理点,N小于或等于M。以M取8为例,如图2所示,若在重复纹理区域B中取得一个重复纹理点O,以该重复纹理点O为中心,向8个方向延伸可以在其周围的非重复纹理区域中得到8个非重复纹理点,此时M等于8,N等于8,M等于N;而当在重复纹理区域A中取得一个重复纹理点M以该重复纹理点M为中心,向8个方向延伸时,延伸方向为由重复纹理点M向着图片上方延伸时,直到延伸至目标图像的尽头,也无法得到一个对应的非重复纹理点,此时由该重复纹理点得到的非重复纹理点的个数小于8,即M等于8,N小于8,N小于M。此处仅列出了N小于或等于M的两种不同情况,由本实施例中的描述方式可知,还可能存在其他的使N小于或等于M得不同情况,此处不再一一列举。
上述实施例中,在目标重复纹理点为中心的邻域内选取M个点;其中M为正整数;自目标重复纹理点向着M个点延伸,将延伸过程中首次与重复纹理区域外部的非重复纹理区域相交的点确定为非重复纹理点,得到N个非重复纹理点;其中,N小于或等于M。可以为后续采用N个非重复纹理点的综合特征描述结果描述目标重复纹理点提供数据基础。
在其中一个实施例中,如图5所示,为步骤S400的一种可实施方式的流程示意图,步骤S400,对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子,包括:
步骤S410,逐一对N个非重复纹理点进行特征描述,得到与N个非重复纹理点一一对应的N个特征描述子。
具体地,采用特征描述子描述方法,逐一对N个非重复纹理点进行特征描述,可以得到N个对应的特征描述子。其中,对N个非重复纹理点进行特征描述的具体方法并不做具体限定,可以根据每个特征描述子的具体特点进行自由选择,例如采用如下算法对N个非重复纹理点进行特征描述:局部二值模式(Local Binary Pattern,LBP)、中值撸棒扩展局部二进制模式(Median Robust Extended Local Binary Pattern,MRELBP)或尺度不变特征变换(Scale-invariant feature transform,SIFT)等。
步骤S420,对N个特征描述子进行组合,并将组合结果确定为目标重复纹理点的特征描述子。
具体地,将步骤S410中得到的N个特征描述子进行组合,可以得到一个组合的特征描述结果,这一组合结果包含了N个非重复纹理点的特征描述,将这一组合结果确定为目标重复纹理点的特征描述子可以使得目标重复纹理点的特征描述子包含更多的特征描述信息,也使目标重复纹理点的特征描述子具有一定的独特性。
可选地,对N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为目标重复纹理点的特征描述子。
其中,联合直方图,描述图像中像素灰度级分布的一种方式。一般,相似的纹理具有相似的直方图,而不同的纹理具有不同的直方图,因此,可以采用联合直方图或其统计特征来描述图像的纹理特征。
联合直方统计是通过统计两幅图像的对应位置的灰度对出现次数而得到的图形,该方法得到的图形统计结果能够更好地提取描述直方图的统计特征,并将直方图的这些统计特征组合成为样本特征向量,大大降低特征向量的维数。
具体地,对步骤S410中得到的与N个非重复纹理点一一对应的N个特征描述子进行联合直方统计,可以得到一个包含N个特征描述子中的信息的联合直方图,得到的联合直方图包含N个特征描述子中的信息,从这一联合直方图中提取得到一个组合特征描述子,该组合特征描述子具有区别于其他重复纹理点的特征信息,将该组合特征描述子确定为目标重复纹理点的特征描述子,可以得到一个具有独特性的目标重复纹理点点的特征描述子。
上述实施例中,逐一对N个非重复纹理点进行特征描述,得到与N个非重复纹理点一一对应的N个特征描述子,进一步,对N个特征描述子进行组合,并将组合结果确定为目标重复纹理点的特征描述子。使得目标重复纹理点的特征描述子包含更多的特征描述信息,也使目标重复纹理点的特征描述子具有一定的独特性。
在其中一个实施例中,如图6所示,提供了一种双目立体匹配方法,包括以下步骤:
步骤S510,获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子。
具体地,各个重复纹理点第一特征描述子可以采用上述实施例中步骤S100至步骤S400中提供的方式得到,各个重复纹理点第二特征描述子也可以采用上述实施例中步骤S100至步骤S400中提供的方式得到,此处不再赘述。
步骤S520,获取第一图像中的各个非重复纹理点的第三特征描述子,以及获取第二图像中的各个非重复纹理点的第四特征描述子。
具体地,由于非重复纹理区域的点的特征描述子本身就具有其区别于其他点的独特性,此处可以直接获取非重复纹理区域的点的特征描述子,并将获取到的第一图像中的各个非重复纹理点特征描述子作为第三特征描述子,以及将获取到的第二图像中的各个非重复纹理点特征描述子作为第四特征描述子。
步骤S530,根据各个重复纹理点的第一特征描述子和各个非重复纹理点的第三特征描述子,以及各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子,对第一图像和第二图像进行双目立体匹配,得到双目立体匹配图像。
具体地,各个重复纹理点的第一特征描述子、各个非重复纹理点的第三特征描述子、各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子均为具有自身独特性的特征描述子,根据具有自身独特性的特征描述子对第一图像和第二图像进行双目立体匹配,可以得到准确率更高的双目立体匹配图像。
上述双目立体匹配方法,通过获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子,接着,获取第一图像中的各个非重复纹理点的第三特征描述子,以及获取第二图像中的各个非重复纹理点的第四特征描述子,最后,根据各个重复纹理点的第一特征描述子和各个非重复纹理点的第三特征描述子,以及各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子,对第一图像和第二图像进行双目立体匹配,得到双目立体匹配图像。在具有独特性的特征描述子的基础上,能够使根据该具有独特性的特征描述子进行双目立体匹配的准确率更高。
在一个实施例中,如图7所示,提供了一种重复纹理特征描述装置,包括:重复纹理区域获取模块701、重复纹理点获取模块702、非重复纹理点确定模块703和特征描述子确定模块704,其中:
重复纹理区域获取模块701,用于获取目标图像中的重复纹理区域;
重复纹理点获取模块702,用于从重复纹理区域中获取目标重复纹理点;
非重复纹理点确定模块703,用于根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点;
特征描述子确定模块704,用于对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,非重复纹理点确定模块703还用于以目标重复纹理点为中心,引出预设数量的射线;将预设射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。
在其中一个实施例中,非重复纹理点确定模块703还用于确保预设数量的射线之间的夹角相等。
在其中一个实施例中,非重复纹理点确定模块703还用于确保预设条件为沿射线的延伸方向上、位于重复纹理区域外部的非重复纹理区域的第一个点。
在其中一个实施例中,特征描述子确定模块704还用于逐一对N个非重复纹理点进行特征描述,得到与N个非重复纹理点一一对应的N个特征描述子;对N个特征描述子进行组合,并将组合结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,特征描述子确定模块704还用于对N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为目标重复纹理点的特征描述子。
在一个实施例中,如图8所示,提供了一种双目立体匹配装置,包括:重重复特征获取模块801、非重复特征获取模块802和双目立体匹配模块803,其中:
重复特征获取模块801,用于获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子;
非重复特征获取模块802,用于获取第一图像中的各个非重复纹理点的第三特征描述子,以及获取第二图像中的各个非重复纹理点的第四特征描述子
双目立体匹配模块803,用于根据各个重复纹理点的第一特征描述子和各个非重复纹理点的第三特征描述子,以及各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子,对第一图像和第二图像进行双目立体匹配,得到双目立体匹配图像。
关于重复纹理特征描述装置和双目立体匹配装置的具体限定可以参见上文中对于重复纹理特征描述方法和双目立体匹配装置的限定,在此不再赘述。上述重复纹理特征描述装置和双目立体匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种重复纹理特征描述方法和双目立体匹配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标图像中的重复纹理区域;
从重复纹理区域中获取目标重复纹理点;
根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点;
对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:以目标重复纹理点为中心,引出预设数量的射线;将预设射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:预设数量的射线之间的夹角相等。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:预设条件为沿射线的延伸方向上、位于重复纹理区域外部的非重复纹理区域的第一个点。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:逐一对N个非重复纹理点进行特征描述,得到与N个非重复纹理点一一对应的N个特征描述子;对N个特征描述子进行组合,并将组合结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:对N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为目标重复纹理点的特征描述子。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子;
获取第一图像中的各个非重复纹理点的第三特征描述子,以及获取第二图像中的各个非重复纹理点的第四特征描述子
根据各个重复纹理点的第一特征描述子和各个非重复纹理点的第三特征描述子,以及各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子,对第一图像和第二图像进行双目立体匹配,得到双目立体匹配图像。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标图像中的重复纹理区域;
从重复纹理区域中获取目标重复纹理点;
根据目标重复纹理点,在重复纹理区域外部的非重复纹理区域中确定出与目标重复纹理点邻近的N个非重复纹理点;
对N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:以目标重复纹理点为中心,引出预设数量的射线;将预设射线上、位于重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为N个非重复纹理点。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:预设数量的射线之间的夹角相等。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:预设条件为沿射线的延伸方向上、位于重复纹理区域外部的非重复纹理区域的第一个点。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:逐一对N个非重复纹理点进行特征描述,得到与N个非重复纹理点一一对应的N个特征描述子;对N个特征描述子进行组合,并将组合结果确定为目标重复纹理点的特征描述子。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:对N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为目标重复纹理点的特征描述子。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子;
获取第一图像中的各个非重复纹理点的第三特征描述子,以及获取第二图像中的各个非重复纹理点的第四特征描述子
根据各个重复纹理点的第一特征描述子和各个非重复纹理点的第三特征描述子,以及各个重复纹理点的第二特征描述子和各个非重复纹理点的第四特征描述子,对第一图像和第二图像进行双目立体匹配,得到双目立体匹配图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种重复纹理特征描述方法,其特征在于,所述方法包括:
获取目标图像中的重复纹理区域;
从所述重复纹理区域中获取目标重复纹理点;
根据所述目标重复纹理点,从所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点;
对所述N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为所述目标重复纹理点的特征描述子。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标重复纹理点,在所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点,包括:
以所述目标重复纹理点为中心,引出预设数量的射线;
将所述预设射线上、位于所述重复纹理区域外部的非重复纹理区域内的满足预设条件的点确定为所述N个非重复纹理点。
3.根据权利要求2所述的方法,其特征在于,所述预设数量的射线之间的夹角相等。
4.根据权利要求2所述的方法,其特征在于,所述预设条件为沿所述射线的延伸方向上、位于所述重复纹理区域外部的非重复纹理区域的第一个点。
5.根据权利要求1所述的方法,其特征在于,所述对所述N个非重复纹理点进行综合特征描述,并将所述综合特征描述结果确定为所述目标重复纹理点的特征描述子,包括:
逐一对所述N个非重复纹理点进行特征描述,得到与所述N个非重复纹理点一一对应的N个特征描述子;
对所述N个特征描述子进行组合,并将组合结果确定为所述目标重复纹理点的特征描述子。
6.根据权利要求5所述的方法,其特征在于,所述对所述N个特征描述子进行组合,并将组合结果确定为所述目标重复纹理点的特征描述子,包括:
对所述N个特征描述子进行联合直方统计,并将得到的联合直方统计结果确定为所述目标重复纹理点的特征描述子。
7.一种双目立体匹配方法,其特征在于,所述方法包括:
按照如权利要求 1-5任一项所述的方法,获取第一图像中的各个重复纹理点的第一特征描述子,以及获取第二图像中的各个重复纹理点的第二特征描述子;
获取所述第一图像中的各个非重复纹理点的第三特征描述子,以及获取所述第二图像中的各个非重复纹理点的第四特征描述子;
根据所述各个重复纹理点的第一特征描述子和所述各个非重复纹理点的第三特征描述子,以及所述各个重复纹理点的第二特征描述子和所述各个非重复纹理点的第四特征描述子,对所述第一图像和所述第二图像进行双目立体匹配,得到双目立体匹配图像。
8.一种重复纹理特征描述装置,其特征在于,所述装置包括:
重复纹理区域获取模块,用于获取目标图像中的重复纹理区域;
重复纹理点获取模块,用于从所述重复纹理区域中获取目标重复纹理点;
非重复纹理点确定模块,用于根据所述目标重复纹理点,在所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点;
特征描述子确定模块,用于对所述N个非重复纹理点进行综合特征描述,并将所述综合特征描述结果确定为所述目标重复纹理点的特征描述子。
9.一种双目立体匹配装置,其特征在于,所述装置包括:
重复特征获取模块,用于获取目标图像中的重复纹理区域;所述目标图像包括第一图像和第二图像;从所述重复纹理区域中获取目标重复纹理点;根据所述目标重复纹理点,从所述重复纹理区域外部的非重复纹理区域中确定出与所述目标重复纹理点邻近的N个非重复纹理点;对所述N个非重复纹理点进行综合特征描述,并将综合特征描述结果确定为所述目标重复纹理点的特征描述子;所述目标重复纹理点的特征描述子包括所述第一图像中各个纹理点的第一特征描述子以及所述第二图像中各个纹理点的第二特征描述子;
非重复特征获取模块,用于获取所述第一图像中的各个非重复纹理点的第三特征描述子,以及获取所述第二图像中的各个非重复纹理点的第四特征描述子;
双目立体匹配模块,用于根据所述各个重复纹理点的第一特征描述子和所述各个非重复纹理点的第三特征描述子,以及所述各个重复纹理点的第二特征描述子和所述各个非重复纹理点的第四特征描述子,对所述第一图像和所述第二图像进行双目立体匹配,得到双目立体匹配图像。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
CN201910858862.0A 2019-09-11 2019-09-11 重复纹理特征描述方法和装置、双目立体匹配方法和装置 Active CN110599531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910858862.0A CN110599531B (zh) 2019-09-11 2019-09-11 重复纹理特征描述方法和装置、双目立体匹配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910858862.0A CN110599531B (zh) 2019-09-11 2019-09-11 重复纹理特征描述方法和装置、双目立体匹配方法和装置

Publications (2)

Publication Number Publication Date
CN110599531A CN110599531A (zh) 2019-12-20
CN110599531B true CN110599531B (zh) 2022-04-29

Family

ID=68858852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910858862.0A Active CN110599531B (zh) 2019-09-11 2019-09-11 重复纹理特征描述方法和装置、双目立体匹配方法和装置

Country Status (1)

Country Link
CN (1) CN110599531B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956031A (zh) * 2011-08-22 2013-03-06 北京新岸线移动多媒体技术有限公司 一种三维场景信息获取方法和装置
CN106157291A (zh) * 2015-04-22 2016-11-23 阿里巴巴集团控股有限公司 识别重复纹理的方法和装置
EP3113069A1 (en) * 2015-06-30 2017-01-04 Thomson Licensing Method and apparatus for deriving a feature point based image similarity measure
CN107506795A (zh) * 2017-08-23 2017-12-22 国家计算机网络与信息安全管理中心 一种面向图像匹配的局部灰度直方图特征描述子建立方法和图像匹配方法
CN108021886A (zh) * 2017-12-04 2018-05-11 西南交通大学 一种无人机重复纹理影像局部显著特征点匹配方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9406133B2 (en) * 2014-01-21 2016-08-02 University Of Rochester System and method for real-time image registration
US10295365B2 (en) * 2016-07-29 2019-05-21 Carnegie Mellon University State estimation for aerial vehicles using multi-sensor fusion

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956031A (zh) * 2011-08-22 2013-03-06 北京新岸线移动多媒体技术有限公司 一种三维场景信息获取方法和装置
CN106157291A (zh) * 2015-04-22 2016-11-23 阿里巴巴集团控股有限公司 识别重复纹理的方法和装置
EP3113069A1 (en) * 2015-06-30 2017-01-04 Thomson Licensing Method and apparatus for deriving a feature point based image similarity measure
CN107506795A (zh) * 2017-08-23 2017-12-22 国家计算机网络与信息安全管理中心 一种面向图像匹配的局部灰度直方图特征描述子建立方法和图像匹配方法
CN108021886A (zh) * 2017-12-04 2018-05-11 西南交通大学 一种无人机重复纹理影像局部显著特征点匹配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"An improved matching algorithm for feature points matching";Yuanhui Yan 等;《2014 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC)》;20141218;全文 *
"面向重复纹理及非刚性形变的像对高效稠密匹配方法";贾迪 等;《中国图象图形学报》;20190630;第24卷(第6期);924-933 *

Also Published As

Publication number Publication date
CN110599531A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN111275730B (zh) 地图区域的确定方法、装置、设备及存储介质
US10909682B2 (en) Method and device for detecting pulmonary nodule in computed tomography image, and computer-readable storage medium
CN110211076B (zh) 图像拼接方法、图像拼接设备和可读存储介质
CN108875723B (zh) 对象检测方法、装置和系统及存储介质
CN110674804A (zh) 文本图像的检测方法、装置、计算机设备和存储介质
CN109460770B (zh) 图像特征描述符提取方法、装置、计算机设备和存储介质
CN111192356A (zh) 感兴趣区域的显示方法、装置、设备和存储介质
US11276490B2 (en) Method and apparatus for classification of lesion based on learning data applying one or more augmentation methods in lesion information augmented patch of medical image
CN112464829B (zh) 一种瞳孔定位方法、设备、存储介质及视线追踪系统
CN110163864B (zh) 图像分割方法、装置、计算机设备和存储介质
CN111220235B (zh) 水位监测方法及装置
WO2023092965A1 (zh) 矿石图像的分割方法、装置及计算机可读存储介质
CN111091572A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN112634235A (zh) 产品图像的边界检测方法和电子设备
CN106663317B (zh) 数字图像的形态学处理方法和数字图像处理装置
CN110309855B (zh) 图像分割的训练方法、计算机设备及存储介质
KR101725501B1 (ko) 문자 인식 방법 및 장치
CN109389628B (zh) 图像配准方法、设备和存储介质
CN110599531B (zh) 重复纹理特征描述方法和装置、双目立体匹配方法和装置
CN113344961A (zh) 图像背景分割方法、装置、计算设备及存储介质
CN110838138A (zh) 重复纹理检测方法、装置、计算机设备和存储介质
CN110889432B (zh) 特征点匹配方法、装置、计算机设备和存储介质
CN116485858A (zh) 基于多尺度跨模态邻域描述子的异源图像配准方法及装置
CN107038705B (zh) 视网膜图像出血区域分割方法、装置和计算设备
CN116228861A (zh) 探针台标记物定位方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant