CN112560893A - 图片纹理匹配方法、装置、电子介质及存储介质 - Google Patents

图片纹理匹配方法、装置、电子介质及存储介质 Download PDF

Info

Publication number
CN112560893A
CN112560893A CN202011270761.0A CN202011270761A CN112560893A CN 112560893 A CN112560893 A CN 112560893A CN 202011270761 A CN202011270761 A CN 202011270761A CN 112560893 A CN112560893 A CN 112560893A
Authority
CN
China
Prior art keywords
texture
picture
feature
filter
features
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
Application number
CN202011270761.0A
Other languages
English (en)
Other versions
CN112560893B (zh
Inventor
程谟方
王明远
唐艺创
蒋鑫源
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.)
Beike Technology Co Ltd
Original Assignee
Beike 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 Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202011270761.0A priority Critical patent/CN112560893B/zh
Publication of CN112560893A publication Critical patent/CN112560893A/zh
Application granted granted Critical
Publication of CN112560893B publication Critical patent/CN112560893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Generation (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种图片纹理匹配方法、装置、电子设备及存储介质，包括：采用滤波器组中的各个滤波器对第一纹理图片进行滤波得到纹理特征；根据第一纹理图片的材质类别在纹理库中获取纹理文件；根据纹理特征在纹理文件中获取目标纹理特征；将与目标纹理特征对应的第二纹理图片作为与第一纹理图片匹配的纹理图片。本实施例采用的滤波器组可以提取到输入图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征，从而使得后续可以利用输入图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征在纹理库中寻找与之匹配的图片，即使纹理库中的图片与输入图片在旋转角度、尺度和/或光照条件差异较大时，仍能够实现稳定准确的匹配。

Description

图片纹理匹配方法、装置、电子介质及存储介质
技术领域
本发明涉及纹理特征匹配技术领域，尤其涉及一种图片纹理匹配方法、装置、电子设备及存储介质。
背景技术
图像，自身包含了大量的数据信息；纹理能够比较全面的反应图像自身，能够把图像的本质区别表示出来以便于进行计算机的识别。纹理是大自然中各种物体它们的表面所呈现出来的一种本质特性，也是我们的视觉能够感知到的一种表面现象。狭义的纹理图片是指反映物体表面几何和颜色排布特性的图片，它体现了物体表面的具有周期或缓慢变化的表面结构排列属性；而在广义上，任何一张图片在特定的尺度范围内都可以被视为纹理图片。
图片纹理作为图片的重要特征，经常被用作相似图片匹配的依据，也即通过图片的纹理特征可以确定具备类似纹理的相似图片，进而利用具备类似纹理的相似图片进行相应的处理；根据纹理进行图片匹配是指，在纹理库中寻找与待匹配图片具有类似纹理的图片，现有的纹理匹配方法鲁棒性较差，无法稳定准确的在纹理库中获取到与输入图片匹配的纹理图片。
发明内容
针对现有技术中存在的问题，本发明实施例提供一种图片纹理匹配方法、装置、电子设备及存储介质。
第一方面，本发明实施例提供一种图片纹理匹配方法，包括：
获取已知材质类别的第一纹理图片；
采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；
根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；
根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；
将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
进一步地，所述滤波器组中的各个滤波器为Gabor滤波器，所述Gabor滤波器由二维高斯函数和二维复正弦函数的乘积组成；
所述滤波器组中的各个滤波器中的二维高斯函数的旋转角度参数和/或二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同旋转角度下的纹理特征；
所述滤波器组中的各个滤波器中的二维复正弦函数的频率参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同尺度下的纹理特征；
所述滤波器组中的各个滤波器中的二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同光照条件下的纹理特征。
进一步地，根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征，包括：
根据所述各个纹理特征，计算所述各个纹理特征中各纹理特征与所述纹理文件中各纹理特征的特征距离；
对计算得到的各个特征距离进行升序排序，选择排序靠前的N个特征作为候选纹理特征，N为大于1的整数；
对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征。
进一步地，对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征，包括：
计算每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和；K为大于1的整数；
根据每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征。
进一步地，还包括：
若根据所述第一纹理图片的材质类别，在纹理库中找不到与所述材质类别对应的纹理文件，则创建与所述材质类别对应的纹理文件；
其中，创建与所述材质类别对应的纹理文件的步骤包括：
创建与所述材质类别对应的纹理文件；
获取属于所述材质类别的各第二纹理图片；
采用滤波器组中的各个滤波器分别对各第二纹理图片进行滤波，获取各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征；
将各第二纹理图片以及各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征对应存储至创建的纹理文件中。
进一步地，在将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片之后，所述方法还包括：
计算所述目标纹理特征与第一纹理图片的各个纹理特征的特征距离，选择特征距离最小的纹理特征作为第一纹理特征；
获取与所述目标纹理特征对应的滤波器中的二维复正弦函数的第一频率参数；
获取与所述第一纹理特征对应的滤波器中的二维复正弦函数的第二频率参数；
根据所述第一频率参数与所述第二频率参数的比值，确定第二纹理图片与第一纹理图片的相对尺度比值。
进一步地，还包括：
若所述第一纹理图片的材质类别为木材，则通过设定水平旋转角度以及垂直旋转角度的滤波器对所述第一纹理图片进行滤波处理，并根据处理结果确定所述第一纹理图片的纹理方向。
第二方面，本发明实施例提供了一种图片纹理匹配装置，包括：
第一获取模块，用于获取已知材质类别的第一纹理图片；
滤波模块，用于采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；
第二获取模块，用于根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；
第三获取模块，用于根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；
匹配模块，用于将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上第一方面所述的图片纹理匹配方法的步骤。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的图片纹理匹配方法的步骤。
由上述技术方案可知，本发明实施例提供的图片纹理匹配方法、装置、电子设备及存储介质，通过滤波器组的各滤波器对已知材质类别的第一纹理图片进行滤波，由于所述滤波器组中的各个滤波器的滤波参数设置不同，因此通过滤波器组中的各个滤波器能够分别提取到第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；根据第一纹理图片的各纹理特征在纹理库中匹配纹理较为相似的纹理图片，所述纹理库按图像的材质类别存储了多类纹理文件，在纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征，通过第一纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征，从而在纹理库中获得纹理特征最为匹配的目标纹理特征，由于利用输入图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征在纹理库中寻找与之匹配的目标纹理特征，将与所述目标纹理特征对应的第二纹理图片作为与输入图片(第一纹理图片)匹配的纹理图片，因此即使第一纹理图片与纹理库中存储的各纹理图片在旋转角度、尺度和/或光照条件差异较大时，仍然能通过本发明实施例提供的图片纹理匹配方法，实现稳定准确的匹配。
附图说明
为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，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为本发明一实施例提供的图片纹理匹配方法的流程示意图；
图2为本发明一实施例提供的输入的纹理图片的示意图；
图3为本发明一实施例提供的二维高斯函数波形的示意图；
图4为本发明一实施例提供的45度方向上Gabor滤波器波形的示意图；
图5为本发明一实施例提供的45度方向上Gabor滤波器波形的二维图；
图6为本发明一实施例提供的Gabor滤波器在90度方向上的响应示意图；
图7为本发明一实施例提供的Gabor滤波器在0度方向上的响应示意图；
图8为本发明一实施例提供的图片纹理匹配装置的结构示意图；
图9为本发明一实施例中电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。下面将通过具体的实施例对本发明提供的图片纹理匹配方法进行详细解释和说明。
图1为本发明一实施例提供的图片纹理匹配方法的流程示意图；如图1所示，该方法包括：
步骤101：获取已知材质类别的第一纹理图片。
在本步骤中，可以理解的是，材质即材料的质地，比如金属材质，玻璃材质等等。获取已知材质类别的第一纹理图片，如第一纹理图片的图像纹理属于金属类、皮革类、木材类等等材质类别。狭义的纹理图片是指反映物体表面几何和颜色排布特性的图片，它体现了物体表面的具有周期或缓慢变化的表面结构排列属性，如图2所示；而在广义上，任何一张图片在特定的尺度范围内都可以被视为纹理图片。
在本步骤中，在获取到第一纹理图片后，可以针对第一纹理图片进行高斯滤波，以去除图片中的噪声。
步骤102：采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征。
在本步骤中，需要说明的是，滤波器主要应用于纹理分析、边缘检测、特征提取以及时差估计等领域。本步骤采用的滤波器组由多个滤波器组成，通过调整不同的滤波器的滤波参数，获得滤波器组，使得滤波器组中的各个滤波器能够对应提取纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征。
在本步骤中，需要说明的是，纹理特征提取是图像纹理分析中以特征作为基础的重要一步，它的目的是提取出图像中的一组组向量，纹理特征提取它的基本内容则是依据某一种可以描述出纹理的空间分布的近似模型来定理估计出纹理特征，纹理特征是一种全局特征，因此通常选择全局的特征作为特征向量的元素，纹理特征描述了图像的颜色或灰度在空间中的分布。
在本步骤中，采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，并计算不同滤波器响应的均值和方差，选择各个滤波器的响应强度的均值和方差，得到与所述第一纹理图片对应的各个纹理特征。其中，响应强度的均值是在特定滤波器条件下的响应强度的均值，可以理解为其对响应程度进行了归一化，而且在一定程度上反映了纹理的全局特征；方差则一定程度上反映了纹理的分布特征。
步骤103：根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征。
在本步骤中，可以理解的是，纹理库按材质类别存储了多个纹理文件，纹理文件中存储了属于该材质类别的各纹理图片(各第二纹理图片)，以及各纹理图片在滤波器组中的各个滤波器滤波下，得到与所述第二纹理图片对应的在各旋转角度、各尺度和/或各光照条件下的纹理特征。
步骤104：根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征。
在本步骤中，根据第一纹理图片对应的各个纹理特征，在纹理库的纹理文件中获取与各个纹理特征匹配的目标纹理特征，可以采用计算所述各个纹理特征中各纹理特征与所述纹理文件中各纹理特征的特征距离，特征距离越小越匹配，选择特征距离较小的纹理文件中各纹理特征作为与各个纹理特征匹配的目标纹理特征。
步骤105：将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
在本步骤中，获取目标纹理特征对应的第二纹理图片，将第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
现有的纹理匹配方法鲁棒性较差，在进行图片纹理特征匹配时，未考虑输入的第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征，因此当面临输入的第一纹理图片与纹理库中存储的图片在旋转角度、尺度和/或光照条件差异较大时，无法实现比较稳定的纹理特征匹配，从而不能准确的匹配到与第一纹理图片较为近似的纹理图片。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，通过滤波器组的各滤波器对已知材质类别的第一纹理图片进行滤波，由于所述滤波器组中的各个滤波器的滤波参数设置不同，因此通过滤波器组中的各个滤波器能够分别提取到第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；根据第一纹理图片的各纹理特征在纹理库中匹配纹理较为相似的纹理图片，所述纹理库按图像的材质类别存储了多类纹理文件，在纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征，通过第一纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征，从而在纹理库中获得纹理特征最为匹配的目标纹理特征，由于利用输入图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征在纹理库中寻找与之匹配的目标纹理特征，将与所述目标纹理特征对应的第二纹理图片作为与输入图片(第一纹理图片)匹配的纹理图片，因此即使第一纹理图片与纹理库中存储的各纹理图片在旋转角度、尺度和/或光照条件差异较大时，仍然能通过本发明实施例提供的图片纹理匹配方法，实现稳定准确的匹配。
在上述实施例的基础上，在本实施例中，所述滤波器组中的各个滤波器为Gabor滤波器，所述Gabor滤波器由二维高斯函数和二维复正弦函数的乘积组成；
所述滤波器组中的各个滤波器中的二维高斯函数的旋转角度参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同旋转角度下的纹理特征；
所述滤波器组中的各个滤波器中的二维复正弦函数的频率参数和/或二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同尺度下的纹理特征；
所述滤波器组中的各个滤波器中的二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同光照条件下的纹理特征。
在本实施例中，需要说明的是，Gabor滤波器是一种带通滤波器，由二维高斯函数(如图3所示)与二维复正弦函数的乘积组成，其中高斯函数作为包络函数，决定滤波器的包络形状和位置，而复正弦函数作为载波，决定滤波器的频率、带宽以及相位；其数学表达式为：
Figure BDA0002777574960000101
(x-x0)r＝(x-x0)cosθ+(y-y0)sinθ
(y-y0)r＝-(x-x0)sinθ+(y-y0)cosθ
其中，K代表二维高斯函数的幅度；a,b分别代表二维高斯函数在x和y方向上的尺度；θ代表高斯包络函数的旋转角度；(x0,y0)为高斯包络函数峰值的位置；(u0,v0)表示复正弦载波的频率；ψ代表复正弦载波的相位；
其中，Gabor滤波器的二维傅里叶变换为：
Figure BDA0002777574960000102
结合图4和图5，可以看出Gabor滤波器为一个带通滤波器，不同的二维复正弦函数的频率参数可以获得不同尺度下纹理图片的频率响应，不同的二维高斯函数的方差参数可以获得不同尺度下纹理图片的频率响应，从而通过滤波器组中的各个滤波器中的二维复正弦函数的频率参数和/或二维高斯函数的方差参数设置不同，可以获得不同尺度下纹理图片的频率响应；另外，高斯函数的方差可以一定程度上表示不同光照条件下的纹理图片的滤波响应；通过不同的高斯函数的旋转角度，可以获得在不同方向上的纹理图片的频率响应。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，滤波器组中各滤波器采用Gabor滤波器，Gabor滤波器为一个带通滤波器，通过设置不同的二维高斯函数的旋转角度的参数，从而得到第一纹理图片在不同旋转角度下的纹理特征；通过设置不同的二维复正弦函数的频率的参数，从而得到第一纹理图片在不同尺度下的纹理特征；通过设置不同的二维高斯函数的方差的参数，从而得到第一纹理图片在在不同光照条件下纹理特征；进而根据第一纹理图片上述纹理特征与纹理库中各图片(第二纹理图片)的纹理特征进行匹配，获取匹配的目标纹理特征，得到与目标纹理特征对应的第二纹理图片，能够在输入的第一纹理图片与纹理库中各第二纹理图片在旋转角度、尺度和/或光照条件这三方面中任一方面或多个方面存在较大差异时，仍然能够实现稳定准确的匹配。
在上述实施例的基础上，在本实施例中，根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征，包括：
根据所述各个纹理特征，计算所述各个纹理特征中各纹理特征与所述纹理文件中各纹理特征的特征距离；
对计算得到的各个特征距离进行升序排序，选择排序靠前的N个特征作为候选纹理特征，N为大于1的整数；
对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征。
在本实施例中，为了使匹配效果在尺度上更加鲁棒，对计算得到的各特征距离进行排序，选择排序靠前的N个特征作为候选纹理特征，如选择特征距离较小的前百分之十作为候选纹理特征，对得到的N个候选纹理特征进行处理，如计算每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，进行重新排序，选择最小的特征距离之和对应的候选纹理特征作为与所述各个纹理特征匹配的目标纹理特征。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，通过计算得到的各个特征距离，选择特征距离较小的特征作为目标纹理特征，从而使得匹配效果更具鲁棒性，有助于提升匹配精准度，得到相似度较高的第二纹理图片。
在上述实施例的基础上，在本实施例中，对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征，包括：
计算每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和；K为大于1的整数；
根据每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征。
为了更好的理解本发明实施例，举例来说，计算每个候选纹理特征(候选纹理特征a、b、c和h)的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，如候选纹理特征a的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和为0.1、候选纹理特征b的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和为0.15、候选纹理特征c的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和为0.3及候选纹理特征h的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和为0.2，进行重新排序，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征，即选择候选纹理特征a作为目标纹理特征。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，通过计算各个候选纹理特征的相邻K个尺度的纹理特征，与第一纹理图片的各个纹理特征的特征距离之和，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征，从而使得匹配效果在尺度上更具鲁棒性，有助于提升匹配精准度，得到相似度较高的第二纹理图片。
在上述实施例的基础上，在本实施例中，还包括：
若根据所述第一纹理图片的材质类别，在纹理库中找不到与所述材质类别对应的纹理文件，则创建与所述材质类别对应的纹理文件；
其中，创建与所述材质类别对应的纹理文件的步骤包括：
创建与所述材质类别对应的纹理文件；
获取属于所述材质类别的各第二纹理图片；
采用滤波器组中的各个滤波器分别对各第二纹理图片进行滤波，获取各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征；
将各第二纹理图片以及各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征对应存储至创建的纹理文件中。
在本实施例中，可以理解的是，若根据所述第一纹理图片的材质类别，在纹理库中找不到与所述材质类别对应的纹理文件，即当前纹理库中未存储与所述第一纹理图片的材质类别对应的纹理文件，则创建与所述材质类别对应的纹理文件。通过设置好的滤波器组中的各个滤波器对各第二纹理图片进行滤波，获取各第二纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；将各第二纹理图片以及各第二纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征对应存储至新创建的纹理文件中，从而通过提取在各旋转角度、各尺度和/或各光照条件下的纹理特征，并储存，使得纹理库中各第二纹理图片更加丰富，有助于提高纹理匹配效率，即只在第一次执行图片纹理匹配时计算纹理库中纹理图片的纹理特征，并将其存储到纹理库对应的纹理文件中，以后的该材质类别的图片纹理匹配则只需要计算输入纹理图片(第一纹理图片)在不同滤波器下的响应即可。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，能够丰富纹理库中各第二纹理图片对应的各纹理特征，有助于提高纹理特征匹配效率。
在上述实施例的基础上，在本实施例中，在将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片之后，所述方法还包括：
计算所述目标纹理特征与第一纹理图片的各个纹理特征的特征距离，选择特征距离最小的纹理特征作为第一纹理特征；
获取与所述目标纹理特征对应的滤波器中的二维复正弦函数的第一频率参数；
获取与所述第一纹理特征对应的滤波器中的二维复正弦函数的第二频率参数；
根据所述第一频率参数与所述第二频率参数的比值，确定第二纹理图片与第一纹理图片的相对尺度比值。
在本实施例中，针对需要计算输入纹理图片(第一纹理图片)和最终匹配的纹理图片(第二纹理图片)之间的尺度比例的问题，需要说明的是，影响尺度的主要是二维正弦波的频率，由于正弦波的频率与尺度是线性的关系，所以通过频率的比值可以表示相对的尺度比值。
由上面技术方案可知，本发明实施例提供的图片纹理匹配方法，根据目标纹理特征对应的滤波器中的二维复正弦函数的第一频率参数与第一纹理特征对应的滤波器中的二维复正弦函数的第二频率参数的比值，确定第二纹理图片与第一纹理图片的相对尺度比值，能够方便快速的确定输入图片和与输入图片匹配的第二纹理图片的尺度比例。
在上述实施例的基础上，在本实施例中，还包括：
若所述第一纹理图片的材质类别为木材，则通过设定水平旋转角度以及垂直旋转角度的滤波器对所述第一纹理图片进行滤波处理，并根据处理结果确定所述第一纹理图片的纹理方向。
在本实施例中，针对输入的第一纹理图片的材质类别为木材时，需要计算该木制纹理的纹理方向(水平或垂直)，通过设定水平旋转角度以及垂直旋转角度的滤波器对所述第一纹理图片进行滤波处理，滤波结果如图6和图7所示，响应强度最大的方向为木纹的方向，将其确定为所述第一纹理图片的纹理方向。
图8为本发明一实施例提供的图片纹理匹配装置的结构示意图，如图8所示，该装置包括：第一获取模块201、滤波模块202、第二获取模块203、第三获取模块204、匹配模块205，其中：
其中，第一获取模块201，用于获取已知材质类别的第一纹理图片；
滤波模块202，用于采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；
第二获取模块203，用于根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；
第三获取模块204，用于根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；
匹配模块205，用于将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
在上述实施例基础上，所述滤波模块202中所述滤波器组中的各个滤波器为Gabor滤波器，所述Gabor滤波器由二维高斯函数和二维复正弦函数的乘积组成；
所述滤波器组中的各个滤波器中的二维高斯函数的旋转角度参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同旋转角度下的纹理特征；
所述滤波器组中的各个滤波器中的二维复正弦函数的频率参数和/或二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同尺度下的纹理特征；
所述滤波器组中的各个滤波器中的二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同光照条件下的纹理特征。
在上述实施例基础上，所述第三获取模块204，用于：
根据所述各个纹理特征，计算所述各个纹理特征中各纹理特征与所述纹理文件中各纹理特征的特征距离；
对计算得到的各个特征距离进行升序排序，选择排序靠前的N个特征作为候选纹理特征，N为大于1的整数；
对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征。
在上述实施例基础上，所述第三获取模块204在对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征时，具体用于：
计算每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和；K为大于1的整数；
根据每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征。
在上述实施例基础上，还包括：
创建模块，用于若根据所述第一纹理图片的材质类别，在纹理库中找不到与所述材质类别对应的纹理文件，则创建与所述材质类别对应的纹理文件；
其中，所述创建模块在创建与所述材质类别对应的纹理文件时具体用于：
创建与所述材质类别对应的纹理文件；
获取属于所述材质类别的各第二纹理图片；
采用滤波器组中的各个滤波器分别对各第二纹理图片进行滤波，获取各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征；
将各第二纹理图片以及各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征对应存储至创建的纹理文件中。
在上述实施例基础上，所述装置还包括：
计算模块，用于计算所述目标纹理特征与第一纹理图片的各个纹理特征的特征距离，选择特征距离最小的纹理特征作为第一纹理特征；
获取与所述目标纹理特征对应的滤波器中的二维复正弦函数的第一频率参数；
获取与所述第一纹理特征对应的滤波器中的二维复正弦函数的第二频率参数；
根据所述第一频率参数与所述第二频率参数的比值，确定第二纹理图片与第一纹理图片的相对尺度比值。
在上述实施例基础上，还包括：
第二匹配模块，用于若所述第一纹理图片的材质类别为木材，则通过设定水平旋转角度以及垂直旋转角度的滤波器对所述第一纹理图片进行滤波处理，并根据处理结果确定所述第一纹理图片的纹理方向。
本发明实施例提供的图片纹理匹配装置具体可以用于执行上述实施例的图片纹理匹配方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。
基于相同的发明构思，本发明实施例提供一种电子设备，参见图9，电子设备具体包括如下内容：处理器301、通信接口303、存储器302和通信总线304；
其中，处理器301、通信接口303、存储器302通过通信总线304完成相互间的通信；通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；处理器301用于调用存储器302中的计算机程序，处理器执行计算机程序时实现上述各方法实施例所提供的方法，例如，处理器执行计算机程序时实现下述步骤：获取已知材质类别的第一纹理图片；采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
基于相同的发明构思，本发明又一实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的方法，例如，获取已知材质类别的第一纹理图片；采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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)执行各个实施例或者实施例的某些部分的方法。
此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
此外，在本发明中，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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种图片纹理匹配方法，其特征在于，包括：
获取已知材质类别的第一纹理图片；
采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；
根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；
根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；
将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
2.根据权利要求1所述的图片纹理匹配方法，其特征在于，所述滤波器组中的各个滤波器为Gabor滤波器，所述Gabor滤波器由二维高斯函数和二维复正弦函数的乘积组成；
所述滤波器组中的各个滤波器中的二维高斯函数的旋转角度参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同旋转角度下的纹理特征；
所述滤波器组中的各个滤波器中的二维复正弦函数的频率参数和/或二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同尺度下的纹理特征；
所述滤波器组中的各个滤波器中的二维高斯函数的方差参数设置不同，使得各个滤波器对应提取所述第一纹理图片在不同光照条件下的纹理特征。
3.根据权利要求1所述的图片纹理匹配方法，其特征在于，根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征，包括：
根据所述各个纹理特征，计算所述各个纹理特征中各纹理特征与所述纹理文件中各纹理特征的特征距离；
对计算得到的各个特征距离进行升序排序，选择排序靠前的N个特征作为候选纹理特征，N为大于1的整数；
对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征。
4.根据权利要求3所述的图片纹理匹配方法，其特征在于，对得到的N个候选纹理特征进行处理，获取与所述各个纹理特征匹配的目标纹理特征，包括：
计算每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和；K为大于1的整数；
根据每个候选纹理特征的相邻K个尺度的纹理特征与第一纹理图片的各个纹理特征的特征距离之和，选择最小的特征距离之和对应的候选纹理特征作为目标纹理特征。
5.根据权利要求1所述的图片纹理匹配方法，其特征在于，还包括：
若根据所述第一纹理图片的材质类别，在纹理库中找不到与所述材质类别对应的纹理文件，则创建与所述材质类别对应的纹理文件；
其中，创建与所述材质类别对应的纹理文件的步骤包括：
创建与所述材质类别对应的纹理文件；
获取属于所述材质类别的各第二纹理图片；
采用滤波器组中的各个滤波器分别对各第二纹理图片进行滤波，获取各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征；
将各第二纹理图片以及各第二纹理图片在各旋转角度、各尺度和/或各光照条件下的纹理特征对应存储至创建的纹理文件中。
6.根据权利要求1所述的图片纹理匹配方法，其特征在于，在将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片之后，所述方法还包括：
计算所述目标纹理特征与第一纹理图片的各个纹理特征的特征距离，选择特征距离最小的纹理特征作为第一纹理特征；
获取与所述目标纹理特征对应的滤波器中的二维复正弦函数的第一频率参数；
获取与所述第一纹理特征对应的滤波器中的二维复正弦函数的第二频率参数；
根据所述第一频率参数与所述第二频率参数的比值，确定第二纹理图片与第一纹理图片的相对尺度比值。
7.根据权利要求1所述的图片纹理匹配方法，其特征在于，还包括：
若所述第一纹理图片的材质类别为木材，则通过设定水平旋转角度以及垂直旋转角度的滤波器对所述第一纹理图片进行滤波处理，并根据处理结果确定所述第一纹理图片的纹理方向。
8.一种图片纹理匹配装置，其特征在于，包括：
第一获取模块，用于获取已知材质类别的第一纹理图片；
滤波模块，用于采用滤波器组中的各个滤波器分别对所述第一纹理图片进行滤波，得到与所述第一纹理图片对应的各个纹理特征；其中，所述滤波器组中的各个滤波器的滤波参数设置不同，所述滤波器组中的各个滤波器用于对应提取所述第一纹理图片在不同旋转角度、不同尺度和/或不同光照条件下的纹理特征；
第二获取模块，用于根据所述第一纹理图片的材质类别，在纹理库中获取与所述材质类别对应的纹理文件；所述纹理文件中存储有属于所述材质类别的各第二纹理图片以及所述各第二纹理图片采用所述滤波器组中的各个滤波器进行滤波处理后得到的在各旋转角度、各尺度和/或各光照条件下的纹理特征；
第三获取模块，用于根据所述各个纹理特征，在所述纹理文件中获取与所述各个纹理特征匹配的目标纹理特征；
匹配模块，用于将与所述目标纹理特征对应的第二纹理图片作为与所述第一纹理图片匹配的纹理图片。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～7任一项所述的图片纹理匹配方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～7任一项所述的图片纹理匹配方法。
CN202011270761.0A 2020-11-13 2020-11-13 图片纹理匹配方法、装置、电子介质及存储介质 Active CN112560893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011270761.0A CN112560893B (zh) 2020-11-13 2020-11-13 图片纹理匹配方法、装置、电子介质及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011270761.0A CN112560893B (zh) 2020-11-13 2020-11-13 图片纹理匹配方法、装置、电子介质及存储介质

Publications (2)

Publication Number Publication Date
CN112560893A true CN112560893A (zh) 2021-03-26
CN112560893B CN112560893B (zh) 2022-11-04

Family

ID=75042202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011270761.0A Active CN112560893B (zh) 2020-11-13 2020-11-13 图片纹理匹配方法、装置、电子介质及存储介质

Country Status (1)

Country Link
CN (1) CN112560893B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010031103A1 (en) * 1999-12-03 2001-10-18 Mun-Churl Kim Texture description method and texture-based image retrieval method using gabor filter in frequency domain
US20070147682A1 (en) * 2005-12-07 2007-06-28 Siemens Corporate Research, Inc. System and Method For Feature Detection In Image Sequences
CN101789076A (zh) * 2010-01-27 2010-07-28 哈尔滨工程大学 一种提取相位及方向特征的手指静脉识别方法
CN102708362A (zh) * 2012-05-14 2012-10-03 南京光华科技发展有限公司 一种虹膜识别法
CN104881635A (zh) * 2015-05-05 2015-09-02 昆明理工大学 非高斯二维Gabor滤波器图像纹理提取及识别方法
CN106228166A (zh) * 2016-07-27 2016-12-14 北京交通大学 字符图像的识别方法
JP2017157138A (ja) * 2016-03-04 2017-09-07 キヤノン株式会社 画像認識装置、画像認識方法及びプログラム
CN110059700A (zh) * 2019-03-18 2019-07-26 深圳神目信息技术有限公司 图像摩尔纹识别方法、装置、计算机设备及存储介质
CN110232404A (zh) * 2019-05-21 2019-09-13 江苏理工学院 一种基于机器学习的工业产品表面瑕疵识别方法及装置
CN111339856A (zh) * 2020-02-17 2020-06-26 淮阴工学院 基于深度学习的复杂光照条件下人脸识别方法和识别系统
CN111753719A (zh) * 2020-06-24 2020-10-09 上海依图网络科技有限公司 一种指纹识别方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010031103A1 (en) * 1999-12-03 2001-10-18 Mun-Churl Kim Texture description method and texture-based image retrieval method using gabor filter in frequency domain
US20070147682A1 (en) * 2005-12-07 2007-06-28 Siemens Corporate Research, Inc. System and Method For Feature Detection In Image Sequences
CN101789076A (zh) * 2010-01-27 2010-07-28 哈尔滨工程大学 一种提取相位及方向特征的手指静脉识别方法
CN102708362A (zh) * 2012-05-14 2012-10-03 南京光华科技发展有限公司 一种虹膜识别法
CN104881635A (zh) * 2015-05-05 2015-09-02 昆明理工大学 非高斯二维Gabor滤波器图像纹理提取及识别方法
JP2017157138A (ja) * 2016-03-04 2017-09-07 キヤノン株式会社 画像認識装置、画像認識方法及びプログラム
CN106228166A (zh) * 2016-07-27 2016-12-14 北京交通大学 字符图像的识别方法
CN110059700A (zh) * 2019-03-18 2019-07-26 深圳神目信息技术有限公司 图像摩尔纹识别方法、装置、计算机设备及存储介质
CN110232404A (zh) * 2019-05-21 2019-09-13 江苏理工学院 一种基于机器学习的工业产品表面瑕疵识别方法及装置
CN111339856A (zh) * 2020-02-17 2020-06-26 淮阴工学院 基于深度学习的复杂光照条件下人脸识别方法和识别系统
CN111753719A (zh) * 2020-06-24 2020-10-09 上海依图网络科技有限公司 一种指纹识别方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GANG CHEN，ETC.: "The Image Retrieval Based on Scale and Rotation-Invariant Texture Features of Gabor Wavelet Transform", 《2013 FOURTH WORLD CONGRESS ON SOFTWARE ENGINEERING》 *
JIANG YUN-HUI: "Optical/SAR Image Registration Based on Cross-Correlation with Multi-scale and Multi-direction Gabor Characteristic Matrixes", 《IET INTERNATIONAL RADAR CONFERENCE 2013》 *
樊养余: "高效的光照、旋转、尺度不变纹理分类算法", 《计算机辅助设计与图形学学报》 *
肖秦琨等: "基于颜色和纹理特征的遥感图像检索", 《计算机技术与发展》 *

Also Published As

Publication number Publication date
CN112560893B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Kandaswamy et al. Efficient texture analysis of SAR imagery
Alcantarilla et al. KAZE features
Manzanera et al. Line and circle detection using dense one-to-one Hough transforms on greyscale images
CN101763507B (zh) 人脸识别方法及人脸识别系统
CN108550166B (zh) 一种空间目标图像匹配方法
Duncan et al. Saliency in images and video: a brief survey
CN101859326A (zh) 一种图像检索方法
CN103984920B (zh) 一种基于稀疏表示与多特征点的三维人脸识别方法
CN109102004A (zh) 棉花害虫识别分类方法及装置
CN101248457B (zh) 图像分析方法
CN101650784A (zh) 一种利用结构上下文特征进行图像匹配的方法
CN109558908A (zh) 一种给定区域最优边缘的确定方法
Ofir et al. Fast detection of curved edges at low SNR
CN106415606B (zh) 一种基于边缘的识别、系统和方法
Nanni et al. Ensemble of shape descriptors for shape retrieval and classification
CN112560893B (zh) 图片纹理匹配方法、装置、电子介质及存储介质
WO2008003985A2 (en) Method of identifying linear features within an image
Liu et al. SAR image matching based on speeded up robust feature
Zhao et al. Optimal Gabor filter-based edge detection of high spatial resolution remotely sensed images
CN115511928A (zh) 多光谱图像的匹配方法
CN109815791B (zh) 基于血管的身份识别方法和装置
Rajankar et al. Scale space reduction with interpolation to speed up visual saliency detection
Kim et al. Total variation flow-based multiscale framework for unsupervised surface defect segmentation
Sun et al. Frequency-spatial domain based salient region detection
Brytik et al. Research the possibilities of different filters and their application to image recognition problems

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