CN110660091A - 一种图像配准处理方法、装置和拍照批改作业系统 - Google Patents
一种图像配准处理方法、装置和拍照批改作业系统 Download PDFInfo
- Publication number
- CN110660091A CN110660091A CN201910943922.9A CN201910943922A CN110660091A CN 110660091 A CN110660091 A CN 110660091A CN 201910943922 A CN201910943922 A CN 201910943922A CN 110660091 A CN110660091 A CN 110660091A
- Authority
- CN
- China
- Prior art keywords
- sift
- sift features
- features
- registration processing
- image registration
- 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.)
- Pending
Links
Images
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
Abstract
本申请公开了一种图像配准处理方法、装置和拍照批改作业系统,该方法和装置应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
Description
技术领域
本申请涉及图像处理技术领域,更具体地说,涉及一种图像配准处理方法、装置和拍照批改作业系统。
背景技术
当前,基于影像的拍照作业批改方式为老师、家长和学生提供了极大的方便,不仅提高了用户的作业批改速度,还大为降低了用户的工作量,得到了广大用户的欢迎。在拍照批改作业场景中,需要对拍照设备所拍摄的影响进行图像配准处理,即得到模板图像到拍照图像之间的透视矩阵。
本申请的发明人发现,在整个批改作业流程中,图像配准处理所占用时间决定着整个批改的整体时间,是影响批改效率的关键因素,因此有必要优化图像配准的处理时间。
发明内容
有鉴于此,本申请提供一种图像配准处理方法、装置和拍照批改作业系统,用于降低图像配准处理的处理时间,从而使拍照批改作业的效率得到提高。
为了实现上述目的,现提出的方案如下:
一种图像配准处理方法,应用于拍照批改作业系统的服务器,所述图像配准处理方法包括:
利用预先创建并初始化SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;
基于区域特征从所述多个SIFT特征中过滤掉无效SIFT特征;
根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理。
可选的,在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,还包括:
根据特征独特性过滤掉低效SIFT特征。
可选的,在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,还包括:
过滤掉与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
一种图像配准处理装置,应用于拍照批改作业系统的服务器,所述图像配准处理装置包括:
特征提取模块,用于利用预先创建并初始化的SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;
第一过滤模块,用于基于区域特征从所述多个SIFT特征中过滤掉无效SIFT特征;
配准执行模块,用于根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理。
可选的,还包括:
第二过滤模块,用于在所述配准执行模块根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,根据特征独特性过滤掉低效SIFT特征。
可选的,还包括:
第三过滤模块,用于在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,过滤掉与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
一种拍照批改作业系统包括服务器,所述服务器设置有如上所述的图像配准处理装置。
一种服务器,其特征在于,包括至少一个处理器和与所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述服务器执行如上所述的图像配准处理方法。
从上述的技术方案可以看出,本申请公开了一种图像配准处理方法、装置和拍照批改作业系统,该方法和装置应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种图像配准处理方法的流程图;
图2为本申请实施例的另一种图像配准处理方法的流程图;
图3为本申请实施例的又一种图像配准处理方法的流程图;
图4为本申请实施例的又一种图像配准处理方法的流程图;
图5为本申请实施例的一种图像配准处理装置的框图;
图6为本申请实施例的另一种图像配准处理装置的框图;
图7为本申请实施例的又一种图像配准处理装置的框图;
图8为本申请实施例的又一种图像配准处理装置的框图。
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作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。
实施例一
图1为本申请实施例的一种图像配准处理方法的流程图。
如图1所示,本实施例提供的图像配准处理方法应用于拍照批改作业系统的服务器。该方法具体包括如下步骤:
S1、利用SIFT检测器对作业影像进行特征提取。
即利用预先创建并初始化的SIFT检测器对接收到的作业影像进行特征提取,从而得到多个SIFT特征。
SIFT特征提取又称为尺度不变特征转换(Scale-invariant feature transform,SIFT),是一种电脑视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由David Lowe在1999年所发表,2004年完善总结。
这里,可以通过如下语句创建并初始化该SIFT检测器:
sift=cv2.xfeatures2d.SIFT_create()
具体来说,是通过调用opencv库创建SIFT检测器。并配置SIFT检测器主要参数,nfeatures最大值和octive层数。
S2、从多个SIFT特征中过滤掉无效SIFT特征。
具体来说,是基于区域特征从多个SIFT特征中将无效SIFT特征予以滤除。
一般来说,作业影像中的手写字符区域通常位于答案区,因为每个人书写的位置可能不同,所以位于答案区的SIFT特征对计算透视矩阵的贡献是无效的。例如,我们从A点和B点对物体(比如一个方桌)拍照,拍出来的图像是不一样的。在A点拍的图,经过透视变换,可以变成和B点拍的图一样。那这个透视变换矩阵,最少可以通过A、B这2张图上4个相同位置的点的坐标(比如方桌的4个角点)点对计算而得。
这里说答案区的SIFT特征无效,是因为答案区里的内容在2个图像上可能不同。因此是无效的点对。反之,位于打印字符区域、图片区域的SIFT特征,则是有效的。而图像中还有大量的空白区域,其SIFT特征也可以认为是无效的。依据这一特性,将被认为无效SIFT特征予以滤除,仅保留图片、打印字符区域及其附近的SIFT特征。
S3、利用剩余的SIFT特征进行图像配准处理。
在将初步得到的多个SIFT特征进行过滤处理,从中过滤掉无效SIFT特征后,利用过滤后剩余的SIFT特征进行图像配准处理。
具体来说,图像配准处理是为了得到模板图像到拍照图像的透视变换矩阵,透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。
从上述技术方案可以看出,本实施例提供了一种图像配准处理方法,该方法应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
实施例二
图2为本申请实施例的另一种图像配准处理方法的流程图。
如图2所示,本实施例提供的图像配准处理方法应用于拍照批改作业系统的服务器。该方法具体包括如下步骤:
S1、利用SIFT检测器对作业影像进行特征提取。
即利用预先创建并初始化的SIFT检测器对接收到的作业影像进行特征提取,从而得到多个SIFT特征。
SIFT特征提取又称为尺度不变特征转换(Scale-invariant feature transform,SIFT),是一种电脑视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由David Lowe在1999年所发表,2004年完善总结。
S2、从多个SIFT特征中过滤掉无效SIFT特征。
具体来说,是基于区域特征从多个SIFT特征中将无效SIFT特征予以滤除。
一般来说,作业影像中的手写字符区域通常位于答案区,因为每个人书写的位置可能不同,所以位于答案区的SIFT特征对计算透视矩阵的贡献是无效的。例如,我们从A点和B点对物体(比如一个方桌)拍照,拍出来的图像是不一样的。在A点拍的图,经过透视变换,可以变成和B点拍的图一样。那这个透视变换矩阵,最少可以通过A、B这2张图上4个相同位置的点的坐标(比如方桌的4个角点)点对计算而得。
这里说答案区的SIFT特征无效,是因为答案区里的内容在2个图像上可能不同。因此是无效的点对。反之,位于打印字符区域、图片区域的SIFT特征,则是有效的。而图像中还有大量的空白区域,其SIFT特征也可以认为是无效的。依据这一特性,将被认为无效SIFT特征予以滤除,仅保留图片、打印字符区域及其附近的SIFT特征。
S3、根据特征独特性在过滤掉低效SIFT特征。
即根据相应SIFT特征的特征独特性从过滤掉无效SIFT特征的多个SIFT特征中进行过滤,过滤掉低效SIFT特征。
在文本检索中,词在文本中出现的概率越高,则其对搜索的贡献越小。这个规律,也同样适用于SIFT特征匹配。计算某个SIFT特征和其它SIFT之间的余弦距离。
余弦距离也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。向量,是多维空间中有方向的线段,如果两个向量的方向一致,即夹角接近零,那么这两个向量就相近。而要确定两个向量方向是否一致,这就要用到余弦定理计算向量的夹角。
在获取到相应余弦距离后,获取此余弦距离的最大值C。当SIFT特征在总体特征中出现频率较高时,该特征具有较多近似的特征。这在余弦距离上表现为C接近1,反之,该值会接近0。利用以上特性对模板SIFT特征进行排序。经过排序之后的SIFT特征,重要性高的特征在前面,重要性低的特征在后面。
在得到上述排序后,可以按照最大特征数截取SIFT特征,保留下来的特征,会更加有效。或者,在按照最大特征数截取SIFT特征时,该最大特征数,可以设置得比原来更小,从而可以缩短计算时间,并且特征存储时,占用的存储空间也更小。实际应用中,我们把该值从原来的6000调整到2000,而图像配准的性能未受到明显的影响。
S4、利用剩余的SIFT特征进行图像配准处理。
在将初步得到的多个SIFT特征进行过滤处理,从中过滤掉无效SIFT特征和低效SIFT特征后,利用过滤后剩余的SIFT特征进行图像配准处理。
具体来说,图像配准处理是为了得到模板图像到拍照图像的透视变换矩阵,透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。
从上述技术方案可以看出,本实施例提供了一种图像配准处理方法,该方法应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;并给予特征独特性过滤掉低效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
实施例三
图3为本申请实施例的又一种图像配准处理方法的流程图。
如图3所示,本实施例提供的图像配准处理方法应用于拍照批改作业系统的服务器。该方法具体包括如下步骤:
S1、利用SIFT检测器对作业影像进行特征提取。
即利用预先创建并初始化的SIFT检测器对接收到的作业影像进行特征提取,从而得到多个SIFT特征。
SIFT特征提取又称为尺度不变特征转换(Scale-invariant feature transform,SIFT),是一种电脑视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由David Lowe在1999年所发表,2004年完善总结。
S2、从多个SIFT特征中过滤掉无效SIFT特征。
具体来说,是基于区域特征从多个SIFT特征中将无效SIFT特征予以滤除。
一般来说,作业影像中的手写字符区域通常位于答案区,因为每个人书写的位置可能不同,所以位于答案区的SIFT特征对计算透视矩阵的贡献是无效的。例如,我们从A点和B点对物体(比如一个方桌)拍照,拍出来的图像是不一样的。在A点拍的图,经过透视变换,可以变成和B点拍的图一样。那这个透视变换矩阵,最少可以通过A、B这2张图上4个相同位置的点的坐标(比如方桌的4个角点)点对计算而得。
这里说答案区的SIFT特征无效,是因为答案区里的内容在2个图像上可能不同。因此是无效的点对。反之,位于打印字符区域、图片区域的SIFT特征,则是有效的。而图像中还有大量的空白区域,其SIFT特征也可以认为是无效的。依据这一特性,将被认为无效SIFT特征予以滤除,仅保留图片、打印字符区域及其附近的SIFT特征。
S3、过滤掉角度偏差较大的SIFT特征。
即过滤掉经过上述过滤后剩下的SIFT特征中,与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
用户在使用拍照批改时,往往能够正对着图像进行拍摄。因此,我们可以近似认为拍照图像和模板图像之间的角度偏差在一定范围内,例如20度。图像之间的角度误差,决定了SIFT特征之间的角度误差。因此,模板图像的SIFT特征和与之相对应的拍照图像上的SIFT特征,相互之间的角度偏差可以限定为不超过30度,大于30度的SIFT特征对,都可以过滤掉。经过测算,SIFT特征数可以下降50%左右,而配准性能基本不受影响。
S4、利用剩余的SIFT特征进行图像配准处理。
在将初步得到的多个SIFT特征进行过滤处理,从中过滤掉无效SIFT特征和低效SIFT特征后,利用过滤后剩余的SIFT特征进行图像配准处理。
具体来说,图像配准处理是为了得到模板图像到拍照图像的透视变换矩阵,透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。
从上述技术方案可以看出,本实施例提供了一种图像配准处理方法,该方法应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;并给予特征独特性过滤掉低效SIFT特征;并将与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征予以滤除;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
实施例四
图4为本申请实施例的又一种图像配准处理方法的流程图。
如图4所示,本实施例提供的图像配准处理方法应用于拍照批改作业系统的服务器。该方法具体包括如下步骤:
S1、利用SIFT检测器对作业影像进行特征提取。
即利用预先创建并初始化的SIFT检测器对接收到的作业影像进行特征提取,从而得到多个SIFT特征。
SIFT特征提取又称为尺度不变特征转换(Scale-invariant feature transform,SIFT),是一种电脑视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由David Lowe在1999年所发表,2004年完善总结。
S2、从多个SIFT特征中过滤掉无效SIFT特征。
具体来说,是基于区域特征从多个SIFT特征中将无效SIFT特征予以滤除。
一般来说,作业影像中的手写字符区域通常位于答案区,因为每个人书写的位置可能不同,所以位于答案区的SIFT特征对计算透视矩阵的贡献是无效的。例如,我们从A点和B点对物体(比如一个方桌)拍照,拍出来的图像是不一样的。在A点拍的图,经过透视变换,可以变成和B点拍的图一样。那这个透视变换矩阵,最少可以通过A、B这2张图上4个相同位置的点的坐标(比如方桌的4个角点)点对计算而得。
这里说答案区的SIFT特征无效,是因为答案区里的内容在2个图像上可能不同。因此是无效的点对。反之,位于打印字符区域、图片区域的SIFT特征,则是有效的。而图像中还有大量的空白区域,其SIFT特征也可以认为是无效的。依据这一特性,将被认为无效SIFT特征予以滤除,仅保留图片、打印字符区域及其附近的SIFT特征。
S3、根据特征独特性在过滤掉低效SIFT特征。
即根据相应SIFT特征的特征独特性从过滤掉无效SIFT特征的多个SIFT特征中进行过滤,过滤掉低效SIFT特征。
在文本检索中,词在文本中出现的概率越高,则其对搜索的贡献越小。这个规律,也同样适用于SIFT特征匹配。计算某个SIFT特征和其它SIFT之间的余弦距离。
余弦距离也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。向量,是多维空间中有方向的线段,如果两个向量的方向一致,即夹角接近零,那么这两个向量就相近。而要确定两个向量方向是否一致,这就要用到余弦定理计算向量的夹角。
在获取到相应余弦距离后,获取此余弦距离的最大值C。当SIFT特征在总体特征中出现频率较高时,该特征具有较多近似的特征。这在余弦距离上表现为C接近1,反之,该值会接近0。利用以上特性对模板SIFT特征进行排序。经过排序之后的SIFT特征,重要性高的特征在前面,重要性低的特征在后面。
在得到上述排序后,可以按照最大特征数截取SIFT特征,保留下来的特征,会更加有效。或者,在按照最大特征数截取SIFT特征时,该最大特征数,可以设置得比原来更小,从而可以缩短计算时间,并且特征存储时,占用的存储空间也更小。实际应用中,我们把该值从原来的6000调整到2000,而图像配准的性能未受到明显的影响。
S4、过滤掉角度偏差较大的SIFT特征。
即过滤掉经过上述过滤后剩下的SIFT特征中,与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。该预设角度阈值可以选20°~30°之间的任何数值。
用户在使用拍照批改时,往往能够正对着图像进行拍摄。因此,我们可以近似认为拍照图像和模板图像之间的角度偏差在一定范围内,例如20度。图像之间的角度误差,决定了SIFT特征之间的角度误差。因此,模板图像的SIFT特征和与之相对应的拍照图像上的SIFT特征,相互之间的角度偏差可以限定为不超过30度,大于30度的SIFT特征对,都可以过滤掉。经过测算,SIFT特征数可以下降50%左右,而配准性能基本不受影响。
S5、利用剩余的SIFT特征进行图像配准处理。
在将初步得到的多个SIFT特征进行过滤处理,从中过滤掉无效SIFT特征和低效SIFT特征后,利用过滤后剩余的SIFT特征进行图像配准处理。
具体来说,图像配准处理是为了得到模板图像到拍照图像的透视变换矩阵,透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。
从上述技术方案可以看出,本实施例提供了一种图像配准处理方法,该方法应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;并给予特征独特性过滤掉低效SIFT特征;并将与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征予以滤除;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
实施例五
图5为本申请实施例的一种图像配准处理装置的框图。
如图5所示,本实施例提供的图像配准处理装置应用于拍照批改作业系统的服务器。该装置具体包括特征提取模块10、第一过滤模块20和配准执行模块30。
特征提取模块用于利用SIFT检测器对作业影像进行特征提取。
即利用预先创建并初始化的SIFT检测器对接收到的作业影像进行特征提取,从而得到多个SIFT特征。
SIFT特征提取又称为尺度不变特征转换(Scale-invariant feature transform,SIFT),是一种电脑视觉的算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,此算法由David Lowe在1999年所发表,2004年完善总结。
这里,可以通过如下语句创建并初始化该SIFT检测器:
sift=cv2.xfeatures2d.SIFT_create()
具体来说,是通过调用opencv库创建SIFT检测器。并配置SIFT检测器主要参数,nfeatures最大值和octive层数。
第一过滤模块用于从多个SIFT特征中过滤掉无效SIFT特征。
具体来说,是基于区域特征从多个SIFT特征中将无效SIFT特征予以滤除。
一般来说,作业影像中的手写字符区域通常位于答案区,因为每个人书写的位置可能不同,所以位于答案区的SIFT特征对计算透视矩阵的贡献是无效的。例如,我们从A点和B点对物体(比如一个方桌)拍照,拍出来的图像是不一样的。在A点拍的图,经过透视变换,可以变成和B点拍的图一样。那这个透视变换矩阵,最少可以通过A、B这2张图上4个相同位置的点的坐标(比如方桌的4个角点)点对计算而得。
这里说答案区的SIFT特征无效,是因为答案区里的内容在2个图像上可能不同。因此是无效的点对。反之,位于打印字符区域、图片区域的SIFT特征,则是有效的。而图像中还有大量的空白区域,其SIFT特征也可以认为是无效的。依据这一特性,将被认为无效SIFT特征予以滤除,仅保留图片、打印字符区域及其附近的SIFT特征。
配准执行模块用于利用剩余的SIFT特征进行图像配准处理。
在将初步得到的多个SIFT特征进行过滤处理,从中过滤掉无效SIFT特征后,利用过滤后剩余的SIFT特征进行图像配准处理。
具体来说,图像配准处理是为了得到模板图像到拍照图像的透视变换矩阵,透视变换(Perspective Transformation)是将图片投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping)。
从上述技术方案可以看出,本实施例提供了一种图像配准处理装置,该装置应用于拍照批改作业系统的服务器,具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
另外,本实施例中还可以包括第二过滤模块40,如图6所示。
第四过滤模块用于根据特征独特性在过滤掉低效SIFT特征。
即根据相应SIFT特征的特征独特性从过滤掉无效SIFT特征的多个SIFT特征中进行过滤,过滤掉低效SIFT特征。
在文本检索中,词在文本中出现的概率越高,则其对搜索的贡献越小。这个规律,也同样适用于SIFT特征匹配。计算某个SIFT特征和其它SIFT之间的余弦距离。
余弦距离也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。向量,是多维空间中有方向的线段,如果两个向量的方向一致,即夹角接近零,那么这两个向量就相近。而要确定两个向量方向是否一致,这就要用到余弦定理计算向量的夹角。
在获取到相应余弦距离后,获取此余弦距离的最大值C。当SIFT特征在总体特征中出现频率较高时,该特征具有较多近似的特征。这在余弦距离上表现为C接近1,反之,该值会接近0。利用以上特性对模板SIFT特征进行排序。经过排序之后的SIFT特征,重要性高的特征在前面,重要性低的特征在后面。
在得到上述排序后,可以按照最大特征数截取SIFT特征,保留下来的特征,会更加有效。或者,在按照最大特征数截取SIFT特征时,该最大特征数,可以设置得比原来更小,从而可以缩短计算时间,并且特征存储时,占用的存储空间也更小。实际应用中,我们把该值从原来的6000调整到2000,而图像配准的性能未受到明显的影响。
配准执行模块在经过两次过滤后再执行图像配准处理,因为经过两次过滤,总体的配准效率会更高。
还有,本实施例中还可以包括第三过滤模块50,如图7所示。
第三过滤模块用于过滤掉角度偏差较大的SIFT特征。
即过滤掉经过上述过滤后剩下的SIFT特征中,与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
用户在使用拍照批改时,往往能够正对着图像进行拍摄。因此,我们可以近似认为拍照图像和模板图像之间的角度偏差在一定范围内,例如20度。图像之间的角度误差,决定了SIFT特征之间的角度误差。因此,模板图像的SIFT特征和与之相对应的拍照图像上的SIFT特征,相互之间的角度偏差可以限定为不超过30度,大于30度的SIFT特征对,都可以过滤掉。经过测算,SIFT特征数可以下降50%左右,而配准性能基本不受影响。
配准执行模块在经过两次过滤后再执行图像配准处理,因为经过两次过滤,总体的配准效率会更高。
还有,本实施例中还可以包括第一过滤模块、第二过滤模块和第三过滤模块,具体如图8所示。
配准执行模块在经过三次过滤后再执行图像配准处理,因为经过两次过滤,总体的配准效率会更高。
实施例六
本实施例提供了一种拍照批改作业系统,其包括服务器,该服务器设置有如实施例五所提供的图像配准处理装置。
该装置具体为利用SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;基于区域特征从多个SIFT特征中过滤掉无效SIFT特征;根据多个SIFT特征中的剩余SIFT特征进行图像配准处理。由于通过过滤显著降低了需要处理的SIFT特征,降低了后续配准计算的计算量,降低了图像配准处理的处理时间,从而使拍照批改作业的效率得到有效提高。
实施例七
本实施例提供了一种服务器,该服务器属于前述拍照批改作业系统的一部分,或者说属于该系统的硬件支撑设备,具体来说包括至少一个处理器和存储器,处理器与存储器通过数据总线相连接。
存储器用于存储计算机程序或指令,处理器则通过相应数据总线获取并执行该计算机程序或指令,从而使该服务器实现如实施例一至实施例四中任一实施例所提供的图像配准处理方法。
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。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (8)
1.一种图像配准处理方法,应用于拍照批改作业系统的服务器,其特征在于,所述图像配准处理方法包括:
利用预先创建并初始化SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;
基于区域特征从所述多个SIFT特征中过滤掉无效SIFT特征;
根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理。
2.如权利要求1所述的图像配准处理方法,其特征在于,在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,还包括:
根据特征独特性过滤掉低效SIFT特征。
3.如权利要求1或2所述的图像配准处理方法,其特征在于,在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,还包括:
过滤掉与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
4.一种图像配准处理装置,应用于拍照批改作业系统的服务器,其特征在于,所述图像配准处理装置包括:
特征提取模块,用于利用预先创建并初始化的SIFT检测器对上传来的作业影像进行特征提取,得到多个SIFT特征;
第一过滤模块,用于基于区域特征从所述多个SIFT特征中过滤掉无效SIFT特征;
配准执行模块,用于根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理。
5.如权利要求4所述的图像配准处理装置,其特征在于,还包括:
第二过滤模块,用于在所述配准执行模块根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,根据特征独特性过滤掉低效SIFT特征。
6.如权利要求4或5所述的图像配准处理装置,其特征在于,还包括:
第三过滤模块,用于在所述根据所述多个SIFT特征中的剩余SIFT特征进行图像配准处理步骤之前,过滤掉与模板图像上相对应的SIFT特征的角度偏差超出预设角度阈值的SIFT特征。
7.一种拍照批改作业系统,其特征在于,包括服务器,所述服务器设置有如权利要求4~6任一项所述的图像配准处理装置。
8.一种服务器,其特征在于,包括至少一个处理器和与所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于获取并执行所述计算机程序或指令,以使所述服务器执行如权利要求1~3任一项所述的图像配准处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943922.9A CN110660091A (zh) | 2019-09-30 | 2019-09-30 | 一种图像配准处理方法、装置和拍照批改作业系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943922.9A CN110660091A (zh) | 2019-09-30 | 2019-09-30 | 一种图像配准处理方法、装置和拍照批改作业系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110660091A true CN110660091A (zh) | 2020-01-07 |
Family
ID=69038436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943922.9A Pending CN110660091A (zh) | 2019-09-30 | 2019-09-30 | 一种图像配准处理方法、装置和拍照批改作业系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660091A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950680A (zh) * | 2021-02-20 | 2021-06-11 | 哈尔滨学院 | 一种卫星遥感图像配准方法 |
CN113505660A (zh) * | 2021-06-22 | 2021-10-15 | 上海工程技术大学 | 一种纸质工程图作业批阅装置及其方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279493A (zh) * | 2015-10-22 | 2016-01-27 | 四川膨旭科技有限公司 | 车辆行驶过程中驾驶人视觉识别系统 |
CN107194959A (zh) * | 2017-04-25 | 2017-09-22 | 北京海致网聚信息技术有限公司 | 基于切片进行图像配准的方法和装置 |
CN110110714A (zh) * | 2019-04-28 | 2019-08-09 | 重庆学析优科技有限公司 | 一种纸质作业的线上自动批改方法及系统 |
-
2019
- 2019-09-30 CN CN201910943922.9A patent/CN110660091A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279493A (zh) * | 2015-10-22 | 2016-01-27 | 四川膨旭科技有限公司 | 车辆行驶过程中驾驶人视觉识别系统 |
CN107194959A (zh) * | 2017-04-25 | 2017-09-22 | 北京海致网聚信息技术有限公司 | 基于切片进行图像配准的方法和装置 |
CN110110714A (zh) * | 2019-04-28 | 2019-08-09 | 重庆学析优科技有限公司 | 一种纸质作业的线上自动批改方法及系统 |
Non-Patent Citations (1)
Title |
---|
余小高著: "《基于大数据的高风险学生预测研究》", 31 May 2019, 厦门大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950680A (zh) * | 2021-02-20 | 2021-06-11 | 哈尔滨学院 | 一种卫星遥感图像配准方法 |
CN112950680B (zh) * | 2021-02-20 | 2022-07-05 | 哈尔滨学院 | 一种卫星遥感图像配准方法 |
CN113505660A (zh) * | 2021-06-22 | 2021-10-15 | 上海工程技术大学 | 一种纸质工程图作业批阅装置及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126125B (zh) | 证件中的目标文本提取方法、装置、设备及可读存储介质 | |
CN110135455B (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
CN111860489A (zh) | 一种证件图像校正方法、装置、设备及存储介质 | |
JP6997369B2 (ja) | プログラム、測距方法、及び測距装置 | |
CN111290684B (zh) | 图像显示方法、图像显示装置及终端设备 | |
CN111914775A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN109815823B (zh) | 数据处理方法及相关产品 | |
CN110008943B (zh) | 一种图像处理方法及装置、一种计算设备及存储介质 | |
CN111222452A (zh) | 一种人脸匹配方法、装置、电子设备及可读存储介质 | |
CN114298902A (zh) | 一种图像对齐方法、装置、电子设备和存储介质 | |
CN111950554A (zh) | 一种身份证识别方法、装置、设备及存储介质 | |
CN110660091A (zh) | 一种图像配准处理方法、装置和拍照批改作业系统 | |
CN110991357A (zh) | 一种答案匹配方法、装置和电子设备 | |
CN112102404B (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
CN113221897B (zh) | 图像矫正方法、图像文本识别方法、身份验证方法及装置 | |
CN108304838B (zh) | 一种图片信息识别方法及终端 | |
CN113128427A (zh) | 人脸识别方法、装置、计算机可读存储介质及终端设备 | |
CN112348008A (zh) | 证件信息的识别方法、装置、终端设备及存储介质 | |
CN109816709B (zh) | 基于单目摄像头的深度估计方法、装置及设备 | |
KR20210088436A (ko) | 이미지 처리 방법, 장치 및 전자 기기 | |
WO2020244076A1 (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN111612063A (zh) | 一种图像匹配方法、装置、设备及计算机可读存储介质 | |
CN109213515B (zh) | 多平台下埋点归一方法及装置和电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |
|
RJ01 | Rejection of invention patent application after publication |