CN113205145A - 基于归一化互相关的模板匹配方法、系统、装置及介质 - Google Patents
基于归一化互相关的模板匹配方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN113205145A CN113205145A CN202110537845.4A CN202110537845A CN113205145A CN 113205145 A CN113205145 A CN 113205145A CN 202110537845 A CN202110537845 A CN 202110537845A CN 113205145 A CN113205145 A CN 113205145A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- layer
- pyramid
- target image
- 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
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
- G06V10/70—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
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于归一化互相关的模板匹配方法、系统、装置及介质,方法包括:根据模板图像和目标图像构建相同层数的模板图像金字塔与目标图像金字塔;对模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而确定关键像素点;根据关键像素点在目标图像金字塔的顶层图像中筛选出与旋转图像的相关系数最高的第一匹配区域,并确定第一左上角坐标和第一旋转角度;根据第一左上角坐标和第一旋转角度对目标图像金字塔的各层图像进行逐层搜索,直至确定底层图像中与旋转图像的相关系数最高的第二匹配区域。本发明减少了模板匹配的计算量,提高了模板匹配的效率,也提高了模板匹配的准确度,可广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种基于归一化互相关的模板匹配方法、系统、装置及介质。
背景技术
模板匹配在计算机视觉和图像处理领域中属于经典的方法,通过给定模板图像和目标图像,计算模板图像与目标图像中候选窗口的相似度,与模板图像最相似的候选窗口则为匹配结果,从而可以在目标图像中准确找到模板图像的位置。
在理想状态下,目标图像中与模板图像相匹配的区域中的各点的像素值,应与模板图像中对应点的像素值相等。因此,传统的模板匹配采用基于灰度值的方法判断,其将判别函数设置为对目标图像和模板图像对应像素点的像素值之差的绝对值求和,或是对目标图像和模板图像对应像素点的像素值之差的平方求和,得到的结果可看作两者之前的差异,差异越小,意味着两幅图像越相似。该方法虽然简单易行,但当目标图像受到光照影响时,会出现错误的匹配结果。
相关技术中,考虑到光照对目标图像的影响,对判别函数进行了修正,但同时也增加了计算量,导致模板匹配的速度下降。尤其是加入旋转干扰后,按照现有的模板匹配方法遍历所有角度虽能得到准确结果,但匹配速度慢、计算量大,效率十分低下。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种基于归一化互相关的模板匹配方法,该方法根据模板图像和目标图像建立相同层数的模板图像金字塔和目标图像金字塔,对模板图像金字塔的各层图像均以预设的角度步长进行旋转处理得到多个旋转图像,并确定旋转图像的关键像素点,然后根据关键像素点在目标金字塔的顶层图像中筛选出与旋转图像相关系数最高的第一匹配区域,进而根据第一匹配区域的左上角坐标和旋转角度对目标图像金字塔的各层图像进行逐层搜索,直至确定底层图像中与旋转图像的相关系数最高的第二匹配区域,从而实现了模板图像与目标图像的模板匹配,并可以确定目标图像的旋转角度。
本发明实施例的另一个目的在于提供一种基于归一化互相关的模板匹配系统。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种基于归一化互相关的模板匹配方法,包括以下步骤:
根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,所述模板图像金字塔与所述目标图像金字塔的层数相同;
对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点;
根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度;
根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度。
进一步地,在本发明的一个实施例中,所述根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔这一步骤,其具体包括:
获取模板图像和目标图像;
对所述模板图像进行高斯滤波处理,进而对处理后的模板图像进行下采样,生成预设层数的模板图像金字塔;
对所述目标图像进行高斯滤波处理,进而对处理后的目标图像进行下采样,生成预设层数的目标图像金字塔。
进一步地,在本发明的一个实施例中,所述对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点这一步骤,其具体包括:
确定所述模板图像金字塔中各层图像对应的角度步长,其中,每一层图像对应的角度步长均大于下一层图像对应的角度步长;
对所述模板图像金字塔的各层图像以对应的角度步长进行旋转处理,得到多个不同旋转角度的旋转图像;
利用SUSAN算子对所述旋转图像进行处理,得到所述旋转图像的边缘像素点;
确定以所述边缘像素点为中心的第一矩形框内的像素点为关键像素点。
进一步地,在本发明的一个实施例中,所述根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度这一步骤,其具体包括:
计算所述模板图像金字塔的顶层图像对应的各旋转图像的关键像素点与所述目标图像金字塔的顶层图像中各个区域的第一相关系数;
确定所述第一相关系数大于等于预设的第一阈值,则计算所述模板图像金字塔的顶层图像对应的各旋转图像的全部像素点与所述目标图像金字塔的顶层图像中各个区域的第二相关系数;
确定所述目标图像金字塔的顶层图像中使得所述第二相关系数最大的区域为第一匹配区域,并确定所述第一匹配区域的左上角坐标为第一左上角坐标、确定所述第一匹配区域对应的旋转图像的旋转角度为第一旋转角度。
进一步地,在本发明的一个实施例中,所述根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度这一步骤,其具体包括:
根据所述第一左上角坐标确定所述目标图像金字塔的第二层图像的若干个搜索区域,并根据所述第一旋转角度在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像;
计算所述待搜索图像中全部像素点与所述搜索区域的第三相关系数,并确定使得所述第三相关系数大于等于预设的第二阈值的搜索区域和待搜索图像,从而得到所述目标图像金字塔的第二层图像对应的匹配区域的左上角坐标和旋转角度;
根据得到的左上角坐标和旋转角度对所述目标图像金字塔的下一层图像进行搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并根据所述第二匹配区域的旋转角度得到所述目标图像的旋转角度。
进一步地,在本发明的一个实施例中,所述根据所述第一左上角坐标确定所述目标图像金字塔的第二层图像的若干个搜索区域,并根据所述第一旋转角度在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像这一步骤,其具体包括:
根据所述第一左上角坐标确定搜索区域中心坐标,并确定以所述搜索区域中心坐标为中心的第二矩形框内的若干个区域为搜索区域;
根据所述模板图像金字塔的顶层图像对应的角度步长、第二层图像对应的角度步长以及所述第一旋转角度确定待搜索角度区域,进而根据所述待搜索角度区域在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像。
进一步地,在本发明的一个实施例中,所述第三相关系数的计算公式为:
其中,L表示第三相关系数,t表示待搜索图像中像素点的像素值,t_mean表示待搜索图像中所有像素点的像素平均值,s表示搜索区域中像素点的像素值,s_mean表示搜索区域中所有像素点的像素平均值。
第二方面,本发明实施例提出了一种基于归一化互相关的模板匹配系统,包括:
图像金字塔构建模块,用于根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,所述模板图像金字塔与所述目标图像金字塔的层数相同;
关键像素点确定模块,用于对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点;
第一匹配区域确定模块,用于根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度;
逐层搜索模块,用于根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度。
第三方面,本发明实施例提供了一种基于归一化互相关的模板匹配装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现上述的一种基于归一化互相关的模板匹配方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于归一化互相关的模板匹配方法。
本发明的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到:
本发明实施例根据模板图像和目标图像建立相同层数的模板图像金字塔和目标图像金字塔,对模板图像金字塔的各层图像均以预设的角度步长进行旋转处理得到多个旋转图像,并确定旋转图像的关键像素点,然后根据关键像素点在目标金字塔的顶层图像中筛选出与旋转图像相关系数最高的第一匹配区域,进而根据第一匹配区域的左上角坐标和旋转角度对目标图像金字塔的各层图像进行逐层搜索,直至确定底层图像中与旋转图像的相关系数最高的第二匹配区域,从而实现了模板图像与目标图像的模板匹配,并可以确定目标图像的旋转角度。本发明实施例相较现有技术而言,一方面根据旋转图像的关键像素点在目标金字塔的顶层图像中筛选匹配区域,无需对图像内每个像素点都进行计算,减少了对系统算力的要求,提高了匹配效率,另一方面由于模板图像金字塔的各层图像均以预设的角度步长进行了旋转处理,在后续对目标图像金字塔的各层图像进行逐层搜索的过程中,可以根据上一层匹配到的旋转角度筛选当前层对应的旋转角度,避免重复搜索角度偏差较大的旋转图像,进一步提高了匹配效率,同时也克服了现有技术受旋转影响大的缺点,提高了模板匹配的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对本发明实施例中所需要使用的附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种基于归一化互相关的模板匹配方法的步骤流程图;
图2为本发明实施例提供的一种基于归一化互相关的模板匹配系统的结构框图;
图3为本发明实施例提供的一种基于归一化互相关的模板匹配装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个或两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
参照图1,本发明实施例提供了一种基于归一化互相关的模板匹配方法,具体包括以下步骤:
S101、根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,模板图像金字塔与目标图像金字塔的层数相同。
具体地,构建相同层数的模板图像金字塔和目标图像金字塔,在后续的匹配过程中,采用同一层数的模板图像在目标图像中进行搜索。步骤S101包括以下步骤:
S1011、获取模板图像和目标图像;
S1012、对模板图像进行高斯滤波处理,进而对处理后的模板图像进行下采样,生成预设层数的模板图像金字塔;
S1013、对目标图像进行高斯滤波处理,进而对处理后的目标图像进行下采样,生成预设层数的目标图像金字塔。
具体地,高斯滤波可用于消除高斯噪声,高斯滤波处理后的图像中每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。对高斯滤波处理后的模板图像和目标图像进行下采样处理,即可得到模板图像金字塔和目标图像金字塔。本发明实施例中,模板图像金字塔和目标图像金字塔均为4层。
S102、对模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据旋转图像确定关键像素点。
具体地,对模板图金字塔中每一层的图像,以Anglej角度进行旋转,Anglej角度可通过下式确定:
其中,Angles是旋转的起始角度,AngleE是旋转的终止角度,旋转角度基准步长μA被模板图金字塔的层数和旋转角度的范围限制,因此当旋转角度的范围小,μA的值也应该减小,而当金字塔的总层数小,μA的值应该增大。自金字塔顶层往下的每一层,旋转角度的角度步长dAi相应减小,精确角度的同时可以减少计算所耗时间。步骤S102具体包括以下步骤:
S1021、确定模板图像金字塔中各层图像对应的角度步长,其中,每一层图像对应的角度步长均大于下一层图像对应的角度步长;
S1022、对模板图像金字塔的各层图像以对应的角度步长进行旋转处理,得到多个不同旋转角度的旋转图像;
S1023、利用SUSAN算子对旋转图像进行处理,得到旋转图像的边缘像素点;
S1024、确定以边缘像素点为中心的第一矩形框内的像素点为关键像素点。
本发明实施例中,模板图像金字塔为4层,对于模板图像金字塔从下往上分别设置1°、3°、8°、22.5°的角度步长,这样对不同层数的图像按照不同角度步长进行旋转,得到[0°,360°)范围内的不同角度的旋转图像,具体为:顶层图像将得到0°、22.5°、45°、…、337.5°共16个不同旋转角度的旋转图像;第二层图像将得到0°、8°、16°、…、352°共45个不同旋转角度的旋转图像;以此类推,第三层将得到120个旋转图像,最底层将得到360个旋转图像,其中虽然都有0°的图像,但在不同层中,图像尺寸不一样。
然后用SUSAN算子处理上述得到的所有旋转图像,得到各个旋转图像的边缘像素点;保留以得到的边缘像素点为中心的3*3矩形框内的像素点,作为关键像素点参与后续计算。
S103、根据关键像素点在目标图像金字塔的顶层图像中筛选出与旋转图像的相关系数最高的第一匹配区域,并确定第一匹配区域的第一左上角坐标和第一旋转角度。
具体地,遍历目标图像金字塔的顶层图像,先以关键像素点参与计算,计算各个区域与旋转图像的关键像素点的相关系数值,快速筛除掉不匹配的区域;对于通过筛选的区域,区域内所有像素点参与计算,得到与旋转图像相关系数最高的第一匹配区域,并确定其左上角坐标和旋转角度,便于后续在下一层图像的匹配中缩小匹配范围。步骤S103具体包括以下步骤:
S1031、计算模板图像金字塔的顶层图像对应的各旋转图像的关键像素点与目标图像金字塔的顶层图像中各个区域的第一相关系数;
S1032、确定第一相关系数大于等于预设的第一阈值,则计算模板图像金字塔的顶层图像对应的各旋转图像的全部像素点与目标图像金字塔的顶层图像中各个区域的第二相关系数;
S1033、确定目标图像金字塔的顶层图像中使得第二相关系数最大的区域为第一匹配区域,并确定第一匹配区域的左上角坐标为第一左上角坐标、确定第一匹配区域对应的旋转图像的旋转角度为第一旋转角度。
具体地,在顶层图像中,模板图以22.5°为角度步长,首先根据步骤S102中得到的关键像素点,计算模板图像金字塔顶层各旋转图像与目标模板图像的顶层图像各个区域的相关系数。若某个区域得到的相关系数小于预设的第一阈值,则直接开始计算下一个区域的相关系数;若某个区域得到的相关系数大于预设的第一阈值,则进一步计算旋转图像中全部像素点与该区域的相关系数,整幅图像遍历完成后,确定第二相关系数最大的匹配区域为该层的最佳匹配区域,同时确定该匹配区域的左上角坐标以及对应的旋转图像的旋转角度。
S104、根据第一左上角坐标和第一旋转角度对目标图像金字塔的各层图像进行逐层搜索,直至确定目标图像金字塔的底层图像中与旋转图像的相关系数最高的第二匹配区域,并确定目标图像的旋转角度。
具体地,由顶层图像匹配得到第一左上角坐标和第一旋转角度后,即可确定下一层的搜索区域和旋转角度区域,从而可以逐层进行搜索,直至底层。在底层图像中,求得相关系数最大的值对应的区域即为第二匹配区域,此时旋转图像对应的角度即为目标图像的旋转角度。步骤S104具体包括以下步骤:
S1041、根据第一左上角坐标确定目标图像金字塔的第二层图像的若干个搜索区域,并根据第一旋转角度在模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像;
具体地,根据第一左上角坐标在确定目标图像金字塔的第二层图像中确定搜索区域,从而排除不匹配的其他区域,减少了计算量;根据第一旋转角度可以确定对应旋转角度区域,从而排除不属于该角度区域的旋转图像,进一步减少了计算量。步骤S1041具体包括以下步骤:
S10411、根据第一左上角坐标确定搜索区域中心坐标,并确定以搜索区域中心坐标为中心的第二矩形框内的若干个区域为搜索区域;
S10412、根据模板图像金字塔的顶层图像对应的角度步长、第二层图像对应的角度步长以及第一旋转角度确定待搜索角度区域,进而根据待搜索角度区域在模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像。
具体地,步骤S103将得到若干个(一个或多个)旋转角度n以及对应的左上角坐标(x,y)。在第二层图像中,角度步长设定为8°。对于每一个角度n,设定一个角度区域[(n+22.5)/8,(n-22.5)/8],在此层(第二层)模板图中,模板图的旋转角度(0°、8°、16°、…、352°)落在该区域内的图像为待搜索图像;搜索区域的左上角坐标由(x,y)确定,一共25个,此25个搜索区域的左上角坐标是以(2x,2y)为中心的5*5的矩形区域。
S1042、计算待搜索图像中全部像素点与搜索区域的第三相关系数,并确定使得第三相关系数大于等于预设的第二阈值的搜索区域和待搜索图像,从而得到目标图像金字塔的第二层图像对应的匹配区域的左上角坐标和旋转角度;
S1043、根据得到的左上角坐标和旋转角度对目标图像金字塔的下一层图像进行搜索,直至确定目标图像金字塔的底层图像中与旋转图像的相关系数最高的第二匹配区域,并根据第二匹配区域的旋转角度得到目标图像的旋转角度。
具体地,从第二层开始,计算相关系数时,所有像素点参与运算。同样得到的相关系数与该层设置的第二阈值比较,最终得到若干个旋转角度n1和匹配区域左上角坐标(x1,y1)。
在第三层图像中,角度步长变为3°,模板图的旋转角度为(0°、3°、6°、…、357°),角度区域为[(n1+8)/3,(n1-8)/3],在第三层模板图中,模板图的旋转角度落在该区域内的图像为待搜索图像;搜索区域的左上角坐标由(x1,y1)确定,一共25个,此25个搜索区域的左上角坐标是以(2x1,2y1)为中心的5*5的矩形区域。同时该层设置的相关系数的阈值也会改变,最终得到若干个角度及对应的匹配区域左上角坐标。
在底层图像匹配中,步长变为1°,模板图的旋转角度为(0°、1°、2°、…、359°),同样按照上述方法确定旋转角度区域(用于确定待搜索图像)和搜索区域。底层不设定阈值,最终选取计算得到相关系数最大值,该值对应的区域即为第二匹配区域,对应的角度为目标图像的旋转角度。
进一步作为可选的实施方式,第三相关系数的计算公式为:
其中,L表示第三相关系数,t表示待搜索图像中像素点的像素值,t_mean表示待搜索图像中所有像素点的像素平均值,s表示搜索区域中像素点的像素值,s_mean表示搜索区域中所有像素点的像素平均值。
具体地,各层相关系数的计算均与上述公式类似,在此不作一一说明。
以上对本发明实施例的方法步骤进行了说明。可以认识到,本发明实施例在计算归一化互相关系数前,先找出关键像素点,减少后续计算归一化互相关系数的时间;对于不同级数的金字塔图像,设定不同角度步长的旋转角度,可进一步提高匹配速度。
本发明实施例相较现有技术而言,一方面根据旋转图像的关键像素点在目标金字塔的顶层图像中筛选匹配区域,无需对图像内每个像素点都进行计算,减少了对系统算力的要求,提高了匹配效率,另一方面由于模板图像金字塔的各层图像均以预设的角度步长进行了旋转处理,在后续对目标图像金字塔的各层图像进行逐层搜索的过程中,可以根据上一层匹配到的旋转角度筛选当前层对应的旋转角度,避免重复搜索角度偏差较大的旋转图像,进一步提高了匹配效率,同时也克服了现有技术受旋转影响大的缺点,提高了模板匹配的准确度。
参照图2,本发明实施例提供了一种基于归一化互相关的模板匹配系统,包括:
图像金字塔构建模块,用于根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,模板图像金字塔与目标图像金字塔的层数相同;
关键像素点确定模块,用于对模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据旋转图像确定关键像素点;
第一匹配区域确定模块,用于根据关键像素点在目标图像金字塔的顶层图像中筛选出与旋转图像的相关系数最高的第一匹配区域,并确定第一匹配区域的第一左上角坐标和第一旋转角度;
逐层搜索模块,用于根据第一左上角坐标和第一旋转角度对目标图像金字塔的各层图像进行逐层搜索,直至确定目标图像金字塔的底层图像中与旋转图像的相关系数最高的第二匹配区域,并确定目标图像的旋转角度。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本发明实施例提供了一种基于归一化互相关的模板匹配装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行时,使得上述至少一个处理器实现上述的一种基于归一化互相关的模板匹配方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,该处理器可执行的程序在由处理器执行时用于执行上述一种基于归一化互相关的模板匹配方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种基于归一化互相关的模板匹配方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式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方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于归一化互相关的模板匹配方法,其特征在于,包括以下步骤:
根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,所述模板图像金字塔与所述目标图像金字塔的层数相同;
对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点;
根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度;
根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度。
2.根据权利要求1所述的一种基于归一化互相关的模板匹配方法,其特征在于,所述根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔这一步骤,其具体包括:
获取模板图像和目标图像;
对所述模板图像进行高斯滤波处理,进而对处理后的模板图像进行下采样,生成预设层数的模板图像金字塔;
对所述目标图像进行高斯滤波处理,进而对处理后的目标图像进行下采样,生成预设层数的目标图像金字塔。
3.根据权利要求1所述的一种基于归一化互相关的模板匹配方法,其特征在于,所述对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点这一步骤,其具体包括:
确定所述模板图像金字塔中各层图像对应的角度步长,其中,每一层图像对应的角度步长均大于下一层图像对应的角度步长;
对所述模板图像金字塔的各层图像以对应的角度步长进行旋转处理,得到多个不同旋转角度的旋转图像;
利用SUSAN算子对所述旋转图像进行处理,得到所述旋转图像的边缘像素点;
确定以所述边缘像素点为中心的第一矩形框内的像素点为关键像素点。
4.根据权利要求1所述的一种基于归一化互相关的模板匹配方法,其特征在于,所述根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度这一步骤,其具体包括:
计算所述模板图像金字塔的顶层图像对应的各旋转图像的关键像素点与所述目标图像金字塔的顶层图像中各个区域的第一相关系数;
确定所述第一相关系数大于等于预设的第一阈值,则计算所述模板图像金字塔的顶层图像对应的各旋转图像的全部像素点与所述目标图像金字塔的顶层图像中各个区域的第二相关系数;
确定所述目标图像金字塔的顶层图像中使得所述第二相关系数最大的区域为第一匹配区域,并确定所述第一匹配区域的左上角坐标为第一左上角坐标、确定所述第一匹配区域对应的旋转图像的旋转角度为第一旋转角度。
5.根据权利要求1所述的一种基于归一化互相关的模板匹配方法,其特征在于,所述根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度这一步骤,其具体包括:
根据所述第一左上角坐标确定所述目标图像金字塔的第二层图像的若干个搜索区域,并根据所述第一旋转角度在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像;
计算所述待搜索图像中全部像素点与所述搜索区域的第三相关系数,并确定使得所述第三相关系数大于等于预设的第二阈值的搜索区域和待搜索图像,从而得到所述目标图像金字塔的第二层图像对应的匹配区域的左上角坐标和旋转角度;
根据得到的左上角坐标和旋转角度对所述目标图像金字塔的下一层图像进行搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并根据所述第二匹配区域的旋转角度得到所述目标图像的旋转角度。
6.根据权利要求5所述的一种基于归一化互相关的模板匹配方法,其特征在于,所述根据所述第一左上角坐标确定所述目标图像金字塔的第二层图像的若干个搜索区域,并根据所述第一旋转角度在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像这一步骤,其具体包括:
根据所述第一左上角坐标确定搜索区域中心坐标,并确定以所述搜索区域中心坐标为中心的第二矩形框内的若干个区域为搜索区域;
根据所述模板图像金字塔的顶层图像对应的角度步长、第二层图像对应的角度步长以及所述第一旋转角度确定待搜索角度区域,进而根据所述待搜索角度区域在所述模板图像金字塔的第二层图像对应的旋转图像中选取出若干个待搜索图像。
8.一种基于归一化互相关的模板匹配系统,其特征在于,包括:
图像金字塔构建模块,用于根据模板图像构建模板图像金字塔,并根据目标图像构建目标图像金字塔,所述模板图像金字塔与所述目标图像金字塔的层数相同;
关键像素点确定模块,用于对所述模板图像金字塔的各层图像以预设的角度步长进行旋转处理,得到多个旋转图像,进而根据所述旋转图像确定关键像素点;
第一匹配区域确定模块,用于根据所述关键像素点在所述目标图像金字塔的顶层图像中筛选出与所述旋转图像的相关系数最高的第一匹配区域,并确定所述第一匹配区域的第一左上角坐标和第一旋转角度;
逐层搜索模块,用于根据所述第一左上角坐标和所述第一旋转角度对所述目标图像金字塔的各层图像进行逐层搜索,直至确定所述目标图像金字塔的底层图像中与所述旋转图像的相关系数最高的第二匹配区域,并确定所述目标图像的旋转角度。
9.一种基于归一化互相关的模板匹配装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种基于归一化互相关的模板匹配方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于归一化互相关的模板匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537845.4A CN113205145B (zh) | 2021-05-18 | 2021-05-18 | 基于归一化互相关的模板匹配方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537845.4A CN113205145B (zh) | 2021-05-18 | 2021-05-18 | 基于归一化互相关的模板匹配方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205145A true CN113205145A (zh) | 2021-08-03 |
CN113205145B CN113205145B (zh) | 2022-08-16 |
Family
ID=77031688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110537845.4A Active CN113205145B (zh) | 2021-05-18 | 2021-05-18 | 基于归一化互相关的模板匹配方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205145B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
CN114445379A (zh) * | 2022-01-28 | 2022-05-06 | 江苏海辉塑胶制品有限公司 | 基于图像处理的注塑件分类方法与系统 |
CN114445483A (zh) * | 2022-01-28 | 2022-05-06 | 泗阳三江橡塑有限公司 | 基于图像金字塔的注塑件质量分析方法 |
CN115588109A (zh) * | 2022-09-26 | 2023-01-10 | 苏州大学 | 一种图像模板匹配方法、装置、设备及应用 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130251265A1 (en) * | 2010-12-17 | 2013-09-26 | Ivisys Aps | Method and device for parallel processing of images |
US20140010407A1 (en) * | 2012-07-09 | 2014-01-09 | Microsoft Corporation | Image-based localization |
US20150131923A1 (en) * | 2013-11-08 | 2015-05-14 | Adobe Systems Incorporated | Dynamic digital image compositing using image templates |
US20160148359A1 (en) * | 2014-11-20 | 2016-05-26 | Siemens Medical Solutions Usa, Inc. | Fast Computation of a Laplacian Pyramid in a Parallel Computing Environment |
CN105718960A (zh) * | 2016-01-27 | 2016-06-29 | 北京工业大学 | 基于卷积神经网络和空间金字塔匹配的图像排序模型 |
US20160225127A1 (en) * | 2015-01-30 | 2016-08-04 | Multimedia Image Solution Limited | Method for generating a preferred image by replacing a region of a base image |
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106980843A (zh) * | 2017-04-05 | 2017-07-25 | 南京航空航天大学 | 目标跟踪的方法及装置 |
CN107491762A (zh) * | 2017-08-23 | 2017-12-19 | 珠海安联锐视科技股份有限公司 | 一种行人检测方法 |
CN107506688A (zh) * | 2017-07-18 | 2017-12-22 | 西安电子科技大学 | Harris角点检测影像金字塔掌纹ROI识别方法 |
CN107945120A (zh) * | 2017-11-03 | 2018-04-20 | 天津大学 | 基于样本块的旋转及缩放图像修复算法 |
US20190213754A1 (en) * | 2018-01-08 | 2019-07-11 | Htc Corporation | Anchor recognition in reality system |
CN110210565A (zh) * | 2019-06-05 | 2019-09-06 | 中科新松有限公司 | 归一化互相关图像模板匹配实现方法 |
CN110660092A (zh) * | 2019-08-26 | 2020-01-07 | 广东奥普特科技股份有限公司 | 一种基于Log-Polar变换的图像快速匹配算法 |
CN110728326A (zh) * | 2019-10-15 | 2020-01-24 | 易思维(杭州)科技有限公司 | 一种带旋转的边缘模板匹配方法 |
CN111401449A (zh) * | 2020-03-16 | 2020-07-10 | 深圳市启灵图像科技有限公司 | 一种基于机器视觉的图像匹配方法 |
CN112085033A (zh) * | 2020-08-19 | 2020-12-15 | 浙江华睿科技有限公司 | 一种模板匹配方法、装置、电子设备及存储介质 |
CN112233153A (zh) * | 2020-09-27 | 2021-01-15 | 北京迈格威科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-18 CN CN202110537845.4A patent/CN113205145B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130251265A1 (en) * | 2010-12-17 | 2013-09-26 | Ivisys Aps | Method and device for parallel processing of images |
US20140010407A1 (en) * | 2012-07-09 | 2014-01-09 | Microsoft Corporation | Image-based localization |
US20150131923A1 (en) * | 2013-11-08 | 2015-05-14 | Adobe Systems Incorporated | Dynamic digital image compositing using image templates |
US20160148359A1 (en) * | 2014-11-20 | 2016-05-26 | Siemens Medical Solutions Usa, Inc. | Fast Computation of a Laplacian Pyramid in a Parallel Computing Environment |
US20160225127A1 (en) * | 2015-01-30 | 2016-08-04 | Multimedia Image Solution Limited | Method for generating a preferred image by replacing a region of a base image |
CN105718960A (zh) * | 2016-01-27 | 2016-06-29 | 北京工业大学 | 基于卷积神经网络和空间金字塔匹配的图像排序模型 |
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106980843A (zh) * | 2017-04-05 | 2017-07-25 | 南京航空航天大学 | 目标跟踪的方法及装置 |
CN107506688A (zh) * | 2017-07-18 | 2017-12-22 | 西安电子科技大学 | Harris角点检测影像金字塔掌纹ROI识别方法 |
CN107491762A (zh) * | 2017-08-23 | 2017-12-19 | 珠海安联锐视科技股份有限公司 | 一种行人检测方法 |
CN107945120A (zh) * | 2017-11-03 | 2018-04-20 | 天津大学 | 基于样本块的旋转及缩放图像修复算法 |
US20190213754A1 (en) * | 2018-01-08 | 2019-07-11 | Htc Corporation | Anchor recognition in reality system |
CN110210565A (zh) * | 2019-06-05 | 2019-09-06 | 中科新松有限公司 | 归一化互相关图像模板匹配实现方法 |
CN110660092A (zh) * | 2019-08-26 | 2020-01-07 | 广东奥普特科技股份有限公司 | 一种基于Log-Polar变换的图像快速匹配算法 |
CN110728326A (zh) * | 2019-10-15 | 2020-01-24 | 易思维(杭州)科技有限公司 | 一种带旋转的边缘模板匹配方法 |
CN111401449A (zh) * | 2020-03-16 | 2020-07-10 | 深圳市启灵图像科技有限公司 | 一种基于机器视觉的图像匹配方法 |
CN112085033A (zh) * | 2020-08-19 | 2020-12-15 | 浙江华睿科技有限公司 | 一种模板匹配方法、装置、电子设备及存储介质 |
CN112233153A (zh) * | 2020-09-27 | 2021-01-15 | 北京迈格威科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
宋洁 等: "基于金字塔和模糊聚类的路面图像拼接方法", 《河北工业大学学报》 * |
李永敬 等: "基于形状模板匹配的冲压件外形缺陷检测算法研究", 《广州大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850807A (zh) * | 2021-11-30 | 2021-12-28 | 大族激光科技产业集团股份有限公司 | 图像亚像素匹配定位方法、系统、设备及介质 |
CN114445379A (zh) * | 2022-01-28 | 2022-05-06 | 江苏海辉塑胶制品有限公司 | 基于图像处理的注塑件分类方法与系统 |
CN114445483A (zh) * | 2022-01-28 | 2022-05-06 | 泗阳三江橡塑有限公司 | 基于图像金字塔的注塑件质量分析方法 |
CN114445483B (zh) * | 2022-01-28 | 2023-03-24 | 泗阳三江橡塑有限公司 | 基于图像金字塔的注塑件质量分析方法 |
CN115588109A (zh) * | 2022-09-26 | 2023-01-10 | 苏州大学 | 一种图像模板匹配方法、装置、设备及应用 |
CN115588109B (zh) * | 2022-09-26 | 2023-06-06 | 苏州大学 | 一种图像模板匹配方法、装置、设备及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113205145B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205145B (zh) | 基于归一化互相关的模板匹配方法、系统、装置及介质 | |
CN108920580B (zh) | 图像匹配方法、装置、存储介质及终端 | |
CN111080529A (zh) | 一种加强鲁棒性的无人机航拍图像拼接方法 | |
CN109118473B (zh) | 基于神经网络的角点检测方法、存储介质与图像处理系统 | |
US20130163874A1 (en) | Determining Correspondence Between Image Regions | |
CN108537732B (zh) | 基于pca-sift的快速图像拼接方法 | |
CN111079803B (zh) | 基于梯度信息的模板匹配方法 | |
CN113111868B (zh) | 一种字符缺陷检测方法、系统、装置及存储介质 | |
CN110659658B (zh) | 一种目标检测方法及其装置 | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN113128554B (zh) | 一种基于模板匹配的目标定位方法、系统、装置及介质 | |
CN111223083B (zh) | 表面划痕检测神经网络的构建方法、系统、装置及介质 | |
CN111444964B (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
CN109559273B (zh) | 一种面向车底图像的快速拼接方法 | |
CN107194896B (zh) | 一种基于邻域结构的背景抑制方法和系统 | |
CN112614167A (zh) | 一种结合单偏光与正交偏光图像的岩石薄片图像对齐方法 | |
CN112861983A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
CN111444948A (zh) | 一种图像特征提取与匹配方法 | |
CN108229583B (zh) | 一种基于主方向差分特征的快速模板匹配的方法及装置 | |
CN116385380A (zh) | 基于深度特征的缺陷检测方法、系统、设备及存储介质 | |
CN110516731B (zh) | 一种基于深度学习的视觉里程计特征点检测方法及系统 | |
CN113011498B (zh) | 基于彩色图像的特征点提取与匹配方法、系统及介质 | |
CN115439426A (zh) | 一种宽度信息确定方法、装置及电子设备 | |
CN113450316B (zh) | 一种金属表面字符缺陷检测方法、系统、装置及存储介质 | |
CN114758123A (zh) | 一种遥感影像目标样本增强方法 |
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 |