CN1839411A - 图像相关方法、图像相关设备、以及程序 - Google Patents

图像相关方法、图像相关设备、以及程序 Download PDF

Info

Publication number
CN1839411A
CN1839411A CNA2005800007334A CN200580000733A CN1839411A CN 1839411 A CN1839411 A CN 1839411A CN A2005800007334 A CNA2005800007334 A CN A2005800007334A CN 200580000733 A CN200580000733 A CN 200580000733A CN 1839411 A CN1839411 A CN 1839411A
Authority
CN
China
Prior art keywords
image
changing
coupling
correlation
routine
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
CNA2005800007334A
Other languages
English (en)
Other versions
CN100371953C (zh
Inventor
饭塚健
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.)
Sony Corp
Original Assignee
Sony Corp
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
Priority claimed from JP2004180832A external-priority patent/JP4161942B2/ja
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN1839411A publication Critical patent/CN1839411A/zh
Application granted granted Critical
Publication of CN100371953C publication Critical patent/CN100371953C/zh
Expired - Fee Related 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
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/48Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14Vascular patterns

Landscapes

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

Abstract

提供了一种能够执行高精确度图像相关的图像相关方法、图像相关设备、以及程序。该图像相关设备包括霍夫变换单元(15)和判断单元(164)。霍夫变换单元(15)对已登记图像AIM和被相关图像RIM执行霍夫变换处理。详细说来,根据从参考位置到经过图像中的点的直线L上的最短点的距离ρ、以及经过该参考位置和最短点的直线n0与包括参考位置的作为参考轴的x轴之间定义的角θ,霍夫变换单元(15)通过将图像中的点变换成为曲线、并且将图像中的直线分量变换成为重叠曲线PL的图形来执行图像处理,从而产生变换图像S1621和变换图像S1622。根据变换图像S1621和变换图像S1622中的图形重叠度、以及各图形的相符或不相符,判断单元(164)执行已登记图像AIM和被相关图像RIM的相关。

Description

图像相关方法、图像相关设备、以及程序
技术领域
本发明涉及用于基于图像内的线性分量对诸如血管图像、指纹图像、静止图像或运动图像之类的两个图像进行匹配的图像匹配方法和图像匹配设备,以及用于其的程序。
背景技术
通常,已知存在各种图像匹配设备作为用于对图像信息执行匹配图像的设备。例如,已知存在其中基于预定的位置关系来比较已登记图像和被匹配图像的图像匹配设备,计算其相关值,并且基于该相关值对已登记图像和被匹配图像执行匹配。另外,在产生相关值的情况下,也已知存在通过每个像素单元中的操作来产生相关值的图像匹配设备。
发明内容
本发明将要解决的问题
然而,在上述图像匹配设备中,如果即使两个图像的相关性很小,在该图像中也存在诸如许多线性分量之类的图形等级(pattern-grade),则在已登记图像和被匹配图像中存在线性分量的许多交叉点,该交叉点对相关值有很大贡献,从而增加相关值,并因此,不能够获得足够的匹配精确度。因此,存在改进该设备的需要。
考虑到上述讨论而做出本发明,并且,本发明的目的是提供一种用于以高精确度实现图像匹配的图像匹配方法、图像匹配设备和程序。
用于执行程序的手段
为了实现上述目的,根据本发明的第一方面,提供了一种用于对第一图像和第二图像中的线性分量执行匹配图像的图像匹配方法,该方法包括:第一步骤,执行图像处理,以基于从参考位置到经过图像中的点的直线中的最短点的距离、和经过该参考位置和最短点的直线与包括参考位置的参考轴之间的角,将第一图像和第二图像的每个图像中的点变换成为弯曲图形,并且将图像中的线性分量变换成为多个重叠的弯曲图形,并产生第一变换图像和第二变换图像;以及第二步骤,基于在第一步骤中产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
此外,为了实现上述目的,根据本发明的第二方面,提供了一种用于对第一图像和第二图像中的线性分量执行匹配图像的图像匹配方法,该方法包括:第一步骤,对第一图像和第二图像执行霍夫(Hough)变换处理,以便产生第一变换图像和第二变换图像;以及第二步骤,基于在第一步骤中产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配,来执行第一图像和第二图像的匹配。
此外,为了实现上述目的,根据本发明的第三方面,提供了一种对第一图像和第二图像中的线性分量执行匹配图像的图像匹配设备,该设备包括:变换装置,用于对第一图像和第二图像执行图像处理,通过该图像处理,基于从参考位置到经过图像中的点的直线中的最短点的距离、以及经过该参考位置和最短点的直线与包括参考位置的参考轴之间的角,将每个图像中的点变换成为弯曲图形,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形,并产生第一变换图像和第二变换图像;以及匹配装置,用于基于由变换装置产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配,来执行第一图像和第二图像的匹配。
此外,为了实现上述目的,根据本发明的第四方面,提供了一种用于对第一图像和第二图像中的线性分量执行匹配图像的图像匹配设备,该设备包括:变换装置,用于对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像;以及匹配装置,用于基于由变换装置产生的第一变换图像和第二变换图像中的图形的重叠度、和第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
此外,为了实现上述目的,根据本发明的第五方面,提供了一种使信息处理器件对第一图像和第二图像中的线性分量执行匹配图像的程序,该程序包括:第一例程,用于对第一图像和第二图像执行图像处理,通过该例程,基于从参考位置到经过图像中的点的直线中的最短点的距离、以及经过该参考位置和最短点的直线与包括该参考位置的参考轴之间的角,将每个图像中的点变换成为弯曲图形,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形,并且产生第一变换图像和第二变换图像;以及第二例程,用于基于在第一例程中产生的第一变换图像和第二变换图像中的图形的重叠度、以及该图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
此外,为了实现上述目的,根据本发明的第六方面,提供了一种使信息处理器件对第一图像和第二图像中的线性分量执行匹配图像的程序,该程序包括:第一例程,用于对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像;以及第二例程,用于基于在第一例程中产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
根据本发明,在第一步骤和第一例程中,步骤变换装置执行图像处理,以基于从参考位置到经过图像中的位置的直线中的最短点的距离、以及经过该参考位置和最短位置的直线与包括该参考位置的参考轴之间的角度,将第一图像和第二图像的每个图像中的点变换成为弯曲图形,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形,并产生第一变换图像和第二变换图像。
在第二步骤和第二例程中,匹配装置基于由变换装置产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
本发明的效果
根据本发明,提供了一种能够以高精确度进行图像匹配的图像匹配方法、图像匹配设备和程序。
附图说明
图1是根据本发明的第一实施例的图像匹配设备的以硬件形式图解的功能框图。
图2是图1所示的图像匹配设备的以软件形式图解的功能框图。
图3A和3B是用于说明图2所示的霍夫变换单元的操作的视图。
图4A至4F是用于说明图2所示的霍夫变换单元的操作的视图。
图5A至5C是用于说明图2所示的相似性(similarity)生成单元的操作的视图。
图6是用于说明根据图1所示的本实施例的图像匹配设备的操作的流程图。
图7是示出根据本发明的第二实施例的图像匹配设备的位置校正单元的视图。
图8是用于说明图7所示的傅立叶(Fourier)和梅林(Mellin)变换单元211的操作的视图。
图9A至9F是用于说明自相关方法和仅相位相关方法之间的不同之处的视图。
图10A至10C是用于说明两个图像之间存在平行移动偏移的情况下仅相位相关方法中的相关强度分布的视图。
图11A至11C是用于说明两个图像之间存在旋转偏移的情况下仅相位方法中的相关强度分布的视图。
图12A至12C是用于说明由仅相位相关单元23输出的相关图像数据的视图。
图13是用于说明图12C所示的相关图像数据的视图。
图14是用于说明图1所示的图像匹配设备1的操作的流程图。
图15是根据本发明的第三实施例的图像匹配设备的功能框图。
图16A和16B是用于说明图15所示的位置校正单元的操作的视图。
图17是用于说明根据本发明的第三实施例的图像匹配设备的操作的流程图。
图18是根据本发明的第四实施例的图像匹配设备的功能框图。
图19A至19F是用于说明图17所示的图像匹配设备1c的操作的视图;图19A是示出图像IM11的具体例子的视图;图19B是示出其中从图19A所示的图像IM11中提取出等于或大于第一阈值的区域的图像的视图;图19C是示出其中从图19A所示的图像IM11中提取出等于或大于比第一阈值大的第二阈值的区域的图像的视图;图19D是示出图像IM12的具体例子的视图;图19E是示出其中从图19D所示的图像IM12中提取出等于或大于第一阈值的区域的图像的视图;图19F是示出其中从图19D所示的图像IM11中提取出等于或大于比第一阈值大的第二阈值的区域的图像的视图。
图20是用于说明根据本实施例的图像匹配设备的操作的流程图。
图21是用于说明根据本发明的第五实施例的图像匹配设备的操作的流程图。
图22是用于说明根据本发明的第六实施例的图像匹配设备的操作的流程图。
具体实施方式
图1是根据本发明的第一实施例的图像匹配设备的以硬件形式图解的功能框图。
如图1所示,根据本实施例的图像匹配设备1具有图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、CPU 16、以及操作处理单元17。
例如,图像输入单元11连接到存储器12。存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15以及CPU 16通过总线BS连接。操作处理单元17连接到CPU 16。
图像输入单元11用作用于从外部输入图像的输入单元。例如,把已登记图像AIM和将要与该已登记图像AIM进行比较的图像(也称作被匹配图像RIM)输入到图像输入单元11。
存储器12例如存储从图像输入单元11输入的图像。存储器12存储图1所示的已登记图像AIM、被匹配图像RIM、以及程序PRG。
该程序PRG是例如由CPU 16执行的,并包括用于实现与本发明的变换处理、相关处理和匹配处理有关的功能的例程。
例如,该FFT处理单元13例如在CPU 16的控制下对存储在存储器12中的图像执行两维傅立叶变换处理,并将处理结果输出到坐标变换单元14和CPU 16。
坐标变换单元14例如在CPU 16的控制下对由FFT处理单元13执行的两维傅立叶变换处理的结果执行对数-极坐标的变换处理,并将坐标变换结果输出到CPU 16。
操作处理单元17在例如基于后面提及的CPU 16的处理结果,已登记图像AIM和被匹配图像RIM匹配的情况下,执行诸如释放电键(electric-key)之类的预定处理。
霍夫变换单元15在CPU 16的控制下执行后面提及的霍夫变换处理,并将处理的结果输出到CPU 16。霍夫变换单元15优选地以硬件形成的专用电路的方式使用,从而高速执行例如霍夫变换处理。
CPU 16例如基于根据本发明的本实施例的程序PRG对存储在存储器12中的已登记图像AIM和被匹配图像RIM执行匹配处理。CPU 16控制例如图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、以及操作处理单元17,以便实现本实施例的操作。
图2是图1所示的图像匹配设备的以软件形式图解的功能框图。
例如,CPU 16执行存储在存储器12中的程序PRG,以实现图2所示的位置校正单元161、霍夫变换单元162、提取单元163、以及判断单元164的功能。
位置校正单元161对应于本发明的位置校正装置,霍夫变换单元162对应于本发明的变换装置,提取单元163对应于本发明的提取装置,而判断单元164对应于本发明的匹配装置。
位置校正单元161例如对存储在存储器12中的已登记图像AIM和被匹配图像RIM校正沿向右和向左方向以及向上和向下方向的位置偏移、扩大比例、以及两个图像的旋转角偏移,并将已校正了的图像输出到霍夫变换单元162。
详细说来,例如,位置校正单元161对已登记图像AIM和被匹配图像RIM执行位置校正处理,并将结果作为信号S1611和S1612输出到霍夫变换单元162。
例如,霍夫变换单元162在以硬件方式执行专用霍夫变换处理的霍夫变换单元15中执行霍夫变换处理。
详细说来,例如,霍夫变换单元162对作为被执行了位置校正处理的已登记图像AIM的信号S1611执行霍夫变换处理,并将处理结果作为信号S1621输出。
霍夫变换单元162对作为被执行了位置校正处理的被匹配图像RIM的信号S1612执行霍夫变换处理,并将结果作为信号S1622输出。
图3A和3B是用于说明图2所示的霍夫变换单元的操作的视图。
霍夫变换单元162例如分别对第一图像和第二图像执行图像处理,通过该处理,基于从参考位置 O到经过图像中的点的直线L0中的最短点P0的距离ρ0、以及经过参考位置 O和最短点P0的直线n0与包括参考位置 O的参考轴之间的角θ,而将每个图像中的点变换为弯曲的图形,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形,从而产生第一变换图像和第二变换图像。
为了简化说明,例如,如图3A所示,假设在x-y平面上有直线L0和直线L0上的位置P(x1,y1)、位置P2(x2,y2)和位置P3(x3,y3)。
例如,假设通过原点 O并与直线L0垂直的直线是线n0,因此直线n0和作为参考轴的x轴以角θ0交叉,并且原点 O和直线L0相距|ρ0|。这里,|ρ0|表示ρ0的绝对值。可以通过参数(ρ0,θ0)表示直线L0。
例如,用公式(1)来定义对x-y平面中的坐标(x,y)执行的霍夫变换处理。公式(1)
ρ=x·cosθ+y·sinθ                       (1)
例如,当对位置P1、P2和P3执行用公式(1)表示的霍夫变换处理时,将位置P1、P2和P3变换为图3B所示的ρ-θ空间中的曲线。详细说来,通过霍夫变换处理,将点P1(x1,y1)变换成为曲线PL1(x1·cosθ+y1·sinθ),将点P2(x2,y2)变换成为曲线PL2(x2·cosθ+y2·sinθ),并且将点P3(x3,y3)变换成为曲线PL3(x3·cosθ+y3·sinθ)。
曲线(弯曲图形)PL1、PL2和PL3的图形在ρ-θ空间中的交叉点CP(ρ0,θ0)交叉。ρ-θ空间中的交叉点P(ρ0,θ0)对应于x-y空间中的线性分量L0。
相反,如图3A所示,x-y平面中的线性分量L0对应于ρ-θ空间中的弯曲图形PL1、PL2和PL3的交叉点CP。
如上所述,对双二进制(two-binary)图像执行霍夫变换处理,基于上述合成ρ-θ空间中的弯曲图形的重叠度,可以判断在变换处理之前哪一个线性分量在x-y平面上占优势。
图4A至4F是用于说明图2所示的霍夫变换单元的操作的视图。
霍夫变换单元162对如图4A所示的被执行了位置校正处理的已登记图像AIM执行霍夫变换处理,以便产生图4C所示的图像S1621,并且对如图4B所示的被执行了位置校正处理的被匹配图像RIM执行霍夫变换处理,以便产生图像S1622。
在包括于图像S1621和S1622中的各个像素中,设置对应于弯曲图形的重叠度的值。在本实施例中,在将要基于预定灰度(gradation)显示的图像中,以白色显示弯曲图形的重叠度大的像素(多个像素)。
如后面提及的,匹配单元1642基于弯曲图形的重叠度执行匹配处理,使得其基于原始的x-y空间中的线性分量执行匹配处理。
提取单元163从各个第一变换图像和第二变换图像中提取出其每一个都指示变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域。
详细说来,例如,提取单元163从图4C所示作为第一变换图像的信号S1621中提取出变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,产生图4E所示的图像S1631,并将其输出到匹配单元1642。
同样,提取单元163例如从图4D所示作为第二变换图像的信号S1622中提取出变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,产生图4F所示的图像S1632,并将其输出到匹配单元1642。
通过执行提取处理,例如,删除了x-y空间中与已登记图像AIM和被匹配图像RIM中的线性分量不同的噪声分量,例如点分量。
判决单元164基于第一变换图像和第二变换图像中的图形的重叠度、以及两个图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
详细说来,判决单元164例如对信号S1631和信号S1632执行匹配,并将匹配的结果作为信号S164输出。
例如,如图2所示,判决单元164具有相似性生成单元1641和匹配单元1642。
例如,相似性生成单元1641对第一变换图像和第二变换图像中的多个不同位置关系执行比较处理,并且基于比较的结果产生相似性作为相关值。
详细说来,相似性生成单元1641例如对信号S1631和信号S1632的两个图像中的多个不同位置关系执行比较处理,并且基于比较的结果产生相似性作为相关值。
例如,假设两个图像为f1(m,n)和f2(m,n),相似性生成单元1641通过应用下面的公式(2)来计算相似性Sim,并将结果作为S1641输出。
公式(2)
Sim ( f 1 , f 2 ) = Σ m = 0 M - 1 Σ n = 0 N - 1 f 1 ( m , n ) f 2 ( m , n ) { Σ m = 0 M - 1 Σ n = 0 N - 1 f 1 ( m , n ) 2 } { Σ m = 0 M - 1 Σ n = 0 N - 1 f 2 ( m , n ) 2 } . . . ( 2 )
图5A至5C是用于说明图2所示的相似性生成单元的操作的视图。
例如,在产生了包括图5A和5B所示的线性分量(也称为线性形状)的两个图像的相似性的情况下,相似性生成单元1641产生了如图5C所示与两个图像的多个交叉点CP对应的相似性。这里,为了便于说明,用位值‘1’的黑像素来表示线性分量,而用位值‘0’的白像素来表示其它分量。
匹配单元1642基于指示由相似性生成单元1641产生的相似性的信号S1641对被匹配图像RIM和已登记图像AIM执行图像匹配。
例如,匹配单元1642在相似性大于预定值的情况下判定已登记图像AIM和被匹配图像RIM匹配。
图6是用于说明根据图1所示的本实施例的图像匹配设备的操作的流程图。参考图6时,将描述图像匹配设备的操作,主要是CPU的操作。
例如,从图像输入单元11输入已登记图像AIM和被匹配图像RIM,并且存储器12存储各个输入数据。
在步骤ST101,例如如图2所示,位置校正单元162基于存储在存储器12中的已登记图像AIM和被匹配图像RIM的图像图形执行位置校正处理,详细说来,校正向右和向左以及向上和向下方向上的位置偏移、放大比例、以及两个图像中的旋转角偏移,并将校正的图像作为信号S1611和S1612输出到霍夫变换单元162。
在步骤ST102,例如,霍夫变换单元162对如图4A所示的作为被执行了位置校正处理的已登记图像AIM的信号S1611执行图像处理,该图像处理基于从参考位置 O到经过图像中的点的直线L0中的最短点P0的距离ρ0、以及经过参考位置 O与最短点P0的直线n0与包括参考位置 O的作为参考轴的x轴之间的角θ,将每个图像中的位置变换成为弯曲图形PL,并且将每个图像中的线性分量变换成为图3A所示的多个重叠的弯曲图形PL,以便产生如图4C所示的作为ρ-θ空间中的变换图像的信号S162。
例如,霍夫变换单元162以相同的方式对如图4B所示的作为被执行了位置校正处理的被匹配图像RIM的信号S1612执行霍夫变换处理,以便产生如图4D所示的作为ρ-θ空间中的变换图像的信号S1622。
在步骤ST103,提取单元163分别从变换图像S1621和变换图像S1622中提取其每一个都指示变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域。
详细说来,如上所述,在图像S1621和S1622的各个像素中设置对应于弯曲图形的重叠度的值,并且在将要基于预定灰度显示的图像中,以白色显示弯曲图形的重叠度高的部分。
提取单元163例如提取图4C所示的变换图像S1621中弯曲图形的重叠度等于或大于预先设置的阈值的区域,产生例如图4E所示的图像S1631,并将其输出到匹配单元1642。
提取单元163例如提取图4D所示的变换图像S1622中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,产生例如图4F所示的图像S1632,并将其输出到匹配单元1642。
匹配单元1642基于变换图像S1631和S1632中的图形的重叠度、以及变换图像S1631和S1632中的图形的匹配或失配来对被匹配图像RIM和已登记图像AIM执行匹配。
详细说来,在步骤ST104,相似性生成单元1641对变换图像S1631和S1632中的多个不同位置关系执行比较处理,基于该比较结果产生相似性Sim作为相关值,例如,如通过公式(2)所表示的,并将其作为信号S1641输出。
在步骤ST105,匹配单元1642基于由相似性生成单元1641产生的用作相关值的相似性Sim来对被匹配图像RIM和已登记图像AIM执行匹配。详细说来,匹配单元1642在相似性Sim大于预先设定的阈值的情况下判定已登记图像AIM和被匹配图像RIM匹配,否则在相似性Sim等于或小于阈值的情况下判定它们失配。
例如,操作处理单元17在将本实施例的图像匹配设备应用到安全领域的静脉(vein)图形匹配设备的情况下执行诸如释放电键之类的预定处理。
如上所述,该匹配设备具有:霍夫变换单元15,分别对已登记图像AIM和被匹配图像RIM执行霍夫变换处理,详细说来,对已登记图像AIM和被匹配图像RIM执行图像处理,通过该处理,基于从参考位置 O到经过图像中的点的直线L中的最短点P0的距离ρ、以及经过该参考位置 O和最短点P0的直线n0与包括参考位置 O的作为参考轴的x轴之间的角θ,将每个图像中的点变换成为弯曲图形PL,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形PL,并产生变换图像S1621和变换图像S1622;以及判断装置164,基于由霍夫变换单元15产生的变换图像S1621和变换图像S1622中的图形的重叠度、以及变换图像S1621和变换图像S1622中的图形的匹配或失配来对被匹配图像RIM和已登记图像AIM执行匹配。因此,可以以高精确度执行包括特征化线性分量的匹配图像。
即,霍夫变换单元15通过执行霍夫变换处理考虑已登记图像AIM和被匹配图像RIM中的线性分量(也称为线性形状)而产生变换图像,并且判断单元164基于弯曲图形的重叠度执行变换图像的匹配。因此,可以以高精确度执行包括特征化线性分量的匹配图像。
此外,如果提取单元163被提供在霍夫变换单元162之后的级,则提取单元163提出变换图像S1621或变换图像S1622中的弯曲图形PL的重叠度等于或大于预先设定的阈值的区域,即删除已登记图像AIM和被匹配图像RIM上起噪声分量作用的点分量并仅提取线性分量,并且产生图像S1631和S1632,而判断单元164基于所提取区域中的图形的匹配或失配来对被匹配图像RIM和已登记图像AIM执行匹配。因此,进一步改善了匹配处理并且可以高精确度执行匹配处理。
此外,判断单元164具有:相似性生成单元1641,对变换图像中的多个不同位置关系执行比较处理,并基于比较结果产生相似性Sim作为相关值;以及匹配单元1642,基于生成的相似性Sim执行被匹配图像RIM和已登记图像AIM的匹配。然后,判断单元164通过应用简单计算而产生相似性作为相关值,并基于该相似性执行匹配处理。因此,可以高速执行匹配处理。
在本实施例中,尽管在步骤ST101执行了位置校正处理,但是,并不仅限于此。例如,在不需要位置校正处理的情况下,霍夫变换单元15可以分别对已登记图像AIM和被匹配图像RIM执行霍夫变换处理。因此,减少了处理负荷并且可以高速执行匹配处理。
在本实施例中,尽管,在步骤ST103,提取单元163提取了弯曲图形PL的重叠度等于或大于预先设置的阈值的区域,但是,并不限于此。
例如,提取单元163不执行提取处理,而判断单元164可以基于图像S1621和图像S1622中的图形的重叠度、以及其中的图形的匹配或失配来对被匹配图像RIM和已登记图像AIM执行匹配。因此,减少了处理负荷并且可以高速执行匹配处理。
图7是示出根据本发明的第二实施例的图像匹配设备的位置校正单元的方框图。
在以硬件方式图解的功能框图上,本实施例的图像匹配设备1a具有几乎与第一实施例的图像匹配设备1相同的配置,并且,例如,具有如图1所示的图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、CPU 16以及操作处理单元17。
在以软件方式图解的功能框图上,图像匹配设备1a具有几乎与第一实施例的图像匹配设备1相同的配置,并且CPU 16执行程序PRG以便实现位置校正单元161、霍夫变换单元162、提取单元163、以及判断单元164的功能。
为与上述实施例的那些部件相同的部件分配相同的符号(标记),并省略其说明。并且将仅仅描述不同之处。
不同之处如下:位置校正单元161,作为位置校正处理,基于作为已登记图像AIM和被匹配图像RIM的旋转角校正处理或者其扩大比例校正处理以及其傅立叶变换处理的结果的相位分量而产生相关值,并基于所产生的相关值对已登记图像AIM和被匹配图像RIM执行位置校正处理。
详细说来,例如,如图7所示,根据本实施例的位置校正单元161通过执行程序PRG并控制FFT处理单元13和坐标变换单元14的CPU 16来实现放大信息和旋转信息单元21、校正单元22、仅相位相关单元23、偏移信息生成单元24、以及校正单元25的功能。
放大信息和旋转信息单元21和校正单元22对已登记图像AIM和被匹配图像RIM执行其旋转角校正处理或者扩大比例校正处理。
放大信息和旋转信息单元21基于已登记图像AIM和被匹配图像RIM产生放大信息和/或旋转信息,并将其作为信号S21输出到校正单元22。
放大信息包括指示已登记图像AIM和被匹配图像RIM的扩大和/或缩小比例的信息。旋转信息包括指示已登记图像AIM和被匹配图像RIM的旋转角的信息。
详细说来,例如,放大信息和旋转信息单元21具有傅立叶和梅林变换单元211、仅相位相关单元212、以及放大信息和旋转信息生成单元213。
傅立叶和梅林变换单元211对各个图像信息执行后面提及的傅立叶和梅林变换,并将指示各个变换结果的信号SA211和SR211输出到仅相位相关单元212。
详细说来,傅立叶和梅林变换单元211具有傅立叶变换单元21111和21112、对数变换单元21121和21122、以及对数-极坐标变换单元21131和21132。
例如,傅立叶变换单元21111执行用接下来的公式(3)表示的傅立叶变换,以便当在已登记图像AIM是N×N像素图像的情况下设已登记图像AIM为f1(m,n)时产生傅立叶图像数据F1(u,v),并且将其输出到对数变换单元21121。例如,傅立叶变换单元21112执行用接下来的公式(4)表示的傅立叶变换,以便当在被匹配图像RIM是N×N像素图像的情况下设被匹配图像RIM为f2(m,n)时产生傅立叶图像数据F2(u,v),并且将其输出到对数变换单元21121。
由接下来的公式(3)所表示的振幅谱A(u,v)和相位谱Θ(u,v)形成傅立叶图像数据F1(u,v)。由接下来的公式(4)所表示的振幅谱B(u,v)和相位谱Φ(u,v)形成傅立叶图像数据F2(u,v)。
公式(3)
F 1 ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 f 1 ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = A ( u , v ) e jΘ ( u , v ) . . . ( 3 )
公式(4)
F 2 ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 f 2 ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = B ( u , v ) e jΦ ( u , v ) . . . ( 4 )
对数变换单元21121和21122对傅立叶变换单元21111和21112产生的傅立叶图像数据F1(u,v)和F2(u,v)的振幅分量执行对数处理。执行对振幅分量的对数处理,以便强调包括图像数据的详细特征化信息的高频分量。
详细说来,对数变换单元21121对用接下来的公式(5)表示的振幅分量A(u,v)执行对数处理以便产生A′(u,v),并将其输出到对数-极坐标变换单元21131。对数变换单元21122对用接下来的公式(6)表示的振幅分量B(u,v)执行对数处理以便产生B′(u,v),并将其输出到对数-极坐标变换单元21132。
公式(5)
A’(u,v)=log(|A(u,v)|+1)                            (5)
公式(6)
B’(u,v)=log(|B(u,v)|+1)                            (6)
对数-极坐标变换单元21131和21132将从对数变换单元21121和21122输出的信号变换成为对数-极坐标系统的信号(例如,(log(r),Θ)。
通常,例如,当例如用接下来的公式(7)和(8)定义位置(x,y)时,当R等于eμ时μ等于log(r),因此,存在与任何点(x,y)对应的无异议点(log(r),Θ)。对数-极坐标变换单元21131和21132基于上述特性执行坐标变换处理。
公式(7)
x=eμcosΘ                                  (7)
公式(8)
y=eμsinΘ(0≤Θ≤2π)                      (8)
详细说来,对数-极坐标变换单元21131和21132定义用接下来的公式(9)表示的集合(ri,θj)和用接下来的公式(10)表示的函数f(ri,θj)。
公式(9)
( r 1 , θ j ) : r i = 1 2 N i / N , θ j = 2 πj N - π . . . ( 9 )
公式(10)
f(ri,θj)=(ricosθj+N/2,risinθj+N/2)
(i=0,1,...,N-1,j=0,1,...,N-1)       (10)
对数-极坐标变换单元21131和21132通过应用由公式(9)和(10)定义的集合(ri,θj)和函数f(ri,θj)而对用接下来的公式(11)和(12)表示的图像数据A′(u,v)和B′(u,v)执行对数-极坐标变换,以便产生pA(ri,θj)和pB(ri,θj),并将其作为信号SA211和信号SR211输出到仅相位相关单元212。
公式(11)
pA(ri,θj)=A’(f(ri,θj))                 (11)
公式(12)
pB(ri,θj)=B’(f(ri,θj))                 (12)
图8是用于说明图7所示的傅立叶和梅林变换单元211的操作的视图。
图像f1(m,n)和图像f2(m,n)例如包括相对于x轴和y轴具有不同预定角的矩形区域W1和W2。
在傅立叶和梅林变换单元211中,例如如图8所示,由傅立叶变换单元21111对图像f1(m,n)执行傅立叶变换处理,从而产生傅立叶图像数据F1(u,v),并且由对数变换单元21121和对数-极坐标变换单元21131产生图像数据pA(r,θ)。
以相同方式,由傅立叶变换单元21112对图像f2(m,n)执行傅立叶变换处理,从而产生傅立叶图像数据F2(u,v),并且由对数变换单元21122和对数-极坐标变换单元21132产生图像数据pB(r,θ)。
如上所述,通过傅立叶变换和对数-极坐标变换将图像f1(m,n)和f2(m,n)从笛卡尔坐标变换到对数-极坐标系统(也称为傅立叶和梅林空间)。
在傅立叶和梅林空间中,存在分量基于图像的缩放而沿log-r轴移动及基于图像的旋转角而沿θ轴移动的特性。
通过应用上述特性,可能基于沿log-r轴在傅立叶和梅林空间中的偏移量和沿θ轴的偏移量来获得图像f1(m,n)和f2(m,n)的缩放(放大信息)和旋转角。
仅相位相关单元212例如将在仅相位滤波器(对称仅相位匹配的滤波器:SPOMF)中使用的仅相位相关方法施加到分别指示从傅立叶和梅林变换器211输出的图形数据的信号SA211和信号SR211,并获得其平行移动量。
如图7所示,仅相位相关单元212具有傅立叶变换单元2120和2121、组合(合成)单元2122、相位提取单元2123、以及逆傅立叶变换单元2124。
傅立叶变换单元2120和2121通过应用接下来的公式(13)和(14)对从对数-极坐标变换单元21131和21132输出的信号SA211(pA(m,n))和SR211(pB(m,n))执行傅立叶变换。这里,X(u,v)和Y(u,v)指示傅立叶系数。由接下来的公式(13)所表示的振幅谱C(u,v)和相位谱θ(u,v)形成傅立叶系数X(u,v)。由接下来的公式(14)所表示的振幅谱D(u,v)和相位谱φ(u,v)形成傅立叶系数Y(u,v)。
公式(13)
X ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 pA ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = C ( u , v ) e jθ ( u , v ) . . . ( 13 )
公式(14)
Y ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 pB ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = D ( u , v ) e jφ ( u , v ) . . . ( 14 )
组合单元2122组合由傅立叶变换单元2120和2121产生的X(u,v)和Y(u,v),并获得相关性。例如,组合单元2122产生X(u,v)·Y*(u,v),并将其输出到相位提取单元2123。这里,将Y*(u,v)定义为Y(u,v)的复共轭。
相位提取单元2123基于从组合单元2122输出的组合信号删除振幅分量,并提取相位信息。
例如,相位提取单元2123基于X(u,v)Y*(u,v)提取相位分量:Z(u,v)=ej(θ(u,v)-φ(u,v))
相位信息的提取不限于上文所述。例如,基于来自傅立叶变换单元2120和2121的输出和接下来的公式(15)和(16),提取相位信息,并且,如接下来的公式(17)所表示仅组合相位分量,以便产生Z(u,v)。
公式(15)
X’(u,v)=ejθ(u,v)                                    (15)
公式(16)
Y’(u,v)=ejφ(u,v)                                     (16)
公式(17)
Z(u,v)=X’(u,v)(Y’(u,v))*=ej(θ(u,v)-φ(u,v))    (17)
逆傅立叶变换单元2124对包括仅相位信息且从相位提取单元2123输出的信号Z(u,v)执行逆傅立叶变换处理,以便产生相关强度图像。
详细说来,逆傅立叶变换单元2124对接下来的公式(18)所表示的信号Z(u,v)执行逆傅立叶变换处理,以便产生相关强度图像G(p,q)。
公式(18)
G ( p , q ) = Σ u = 0 N - 1 Σ v = 0 N - 1 ( Z ( u , v ) ) e j 2 π ( ( up + vq ) / N ) = Σ u = 0 N - 1 Σ v = 0 N - 1 ( e j ( θ ( u , v ) - φ ( u , v ) ) ) e j 2 π ( ( up + vq ) / N ) . . . ( 18 )
放大信息和旋转信息生成单元213通过检测由逆傅立叶变换单元2124产生的相关强度图像G(p,q)中的图像中心和峰位之间的偏移量而产生校正信息S21,该校正信息包括指示被匹配图像RIM相对于已登记图像AIM的放大信息(扩大和/或缩小比例)和旋转角信息的数据。偏移量等于已登记图像AIM和通过对被匹配图像RIM执行傅立叶-梅林变换而获得的图形数据之间的平行偏移量。
校正单元22基于从放大信息和旋转信息单元21中的放大信息和旋转信息生成单元213输出的校正信息S21校正被匹配图像RIM。详细说来,校正单元22基于包括在校正信息21中的放大信息和旋转角信息,对被匹配图像RIM执行扩大和/或缩小处理以及旋转处理,并将结果输出到仅相位相关单元23。通过校正单元22的校正处理,消除了已登记图像AIM和被匹配图像RIM之间的缩放差和旋转分量差。
因此,仅保留了平行移动分量作为已登记图像AIM和对其执行了校正处理的被匹配图像RIM之间的差异。
仅相位相关单元23检测已登记图像AIM和对其执行了校正处理的被匹配图像RIM之间的平行移动分量,并且也检测其相关值。例如,通过应用上述仅相位滤波器中使用的仅相位相关方法来执行该检测处理。
详细说来,仅相位相关单元23具有傅立叶变换单元2311和2312、组合单元232、相位提取单元233、以及逆傅立叶变换单元234。
傅立叶变换单元2311和2312、组合单元232、相位提取单元233、以及逆傅立叶变换单元234具有分别与仅相位相关单元212的傅立叶变换单元2120和2121、组合单元2122、相位提取单元2133、以及逆傅立叶变换单元2124相同的功能,并将简化说明。
傅立叶变换单元2311对已登记图像AIM执行傅立叶变换处理,并将结果输出到组合单元232。在上述情况下,可以将由傅立叶变换单元21111对其执行了傅立叶变换处理的已登记图像AIM存储在存储器12中,并输出到组合单元232。因此,没有将傅立叶变换执行两次,因此减少了处理。
傅立叶变换单元2312对校正单元22校正的图像S22执行傅立叶变换处理,并将傅立叶图像的结果输出到组合单元232。
组合单元232组合从傅立叶变换单元2311和2312输出的傅立叶图像S2311和S2312,并将组合的图像S232输出到相位提取单元233。
相位提取单元233基于上述的组合图像S232提取相位信息,并将信号S233输出到逆傅立叶变换单元234。
逆傅立叶变换单元234对信号S233执行逆傅立叶变换处理,以便从而产生相关强度图像(相关图像数据),并且将其作为信号S23输出到偏移信息生成单元24。
将详细描述用于检测上述仅相位相关方法中的平行移动量的处理。
例如,对原始图像f1(m,n)、原始图像f2(m,n)以及将图像f2(m,n)平行移动的图像f3(m,n)=f2(m+α,n+β)执行傅立叶变换处理,从而产生用接下来的公式(19)至(21)表示的傅立叶系数F1(u,v)、F2(u,v)以及F3(u,v)。
公式(19)
F 1 ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 f 1 ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = A ( u , v ) e jΘ ( u , v ) . . . ( 19 )
公式(20)
F 2 ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 f 2 ( m , n ) e - j 2 π ( ( mu + nv ) / N ) = B ( u , v ) e jφ ( u , v ) . . . ( 20 )
公式(21)
F 3 ( u , v ) = Σ m = 0 N - 1 Σ n = 0 N - 1 f 2 ( m + α , n + β ) e - j 2 π ( ( mu + nv ) / N ) = B ( u , v ) e j ( φ ( u , v ) + 2 π ( αu + βv ) / N ) . . . ( 21 )
基于傅立叶系数F1(u,v)至F3(u,v),如接下来的公式(22)至(24)所表示来生成仅包括相位信息的相位图像F′1(u,v)至F′3(u,v)。
公式(22)
F’1(u,v)=ej(u,v)                                                     (22)
公式(23)
F’2(u,v)=ejφ(u,v)                                                     (23)
公式(24)
F’3(u,v)=ej(φ(u,v)+2π(αu+βv)/N)                                    (24)
如接下来的公式(25)所表示来计算作为相位图像F′1(u,v)和相位图像F′2(u,v)之间的相关性的相位图像相关性Z12(u,v)。如接下来的公式(26)所表示来计算作为相位图像F′1(u,v)和相位图像F′3(u,v)之间的相关性的相位图像相关性Z13(u,v)。
公式(25)
Z12(u,v)=F’1(u,v)(F’2(u,v))*=ej((u,v)-φ(u,v))                  (25)
公式(26)
Z13(u,v)=F’1(u,v)(F’3(u,v))*=ej((u,v)-φ(u,v)-2π(αu+βv)/N)   (26)
如接下来的公式(27)和(28)所表示来计算相关性Z12(u,v)的相关强度图像G12(r,s)和相关性Z13(u,v)的相关强度图像G13(r,s)。
公式(27)
G 12 ( r , s ) = Σ u = 0 N - 1 Σ v = 0 N - 1 ( Z 12 ( u , v ) ) e j 2 π ( ( ur + vs ) / N ) = Σ u = 0 N - 1 Σ v = 0 N - 1 ( e j ( Θ ( u , v ) - φ ( u , v ) ) ) e j 2 π ( ( ur + vs ) / N ) . . . ( 27 )
公式(28)
G 13 ( r , s ) = Σ u = 0 N - 1 Σ v = 0 N - 1 ( Z 13 ( u , v ) ) e j 2 π ( ( ur + vs ) / N )
= Σ u = 0 N - 1 Σ v = 0 N - 1 ( e j ( Θ ( u , v ) - φ ( u , v ) - 2 π ( αu + βv ) / N ) ) e j 2 π ( ( ur + vs ) / N )
= G 12 ( r - α , s - β )
如通过上述公式(27)和(28)所表示的,在仅相位相关方法中,图像f3(m,n)相对于图像2(m,n)偏移了(+α,+β)的情况下,在相关强度图像中偏移了(-α,-β)的位置上产生相关强度峰。可以基于相关强度位置的位置来获得两个图像之间的平行移动量。
此外,通过在傅立叶和梅林空间中应用仅相位相关方法,可以检测在傅立叶和梅林空间中的平行移动量。如上所述,平行移动量对应于实空间(realspace)中的放大信息和旋转角信息。
图9A至9F是用于说明自相关方法和仅相位相关方法之间的不同之处的视图。
在自相关方法中,如图9A和9B所示,对图像IM1和与图像IM1一样的图像IM2执行傅立叶变换,从而产生自相关函数SG1。如图9C所示,获得了包括高相关强度峰和其周围的低相关强度峰的相关强度分布。在图9C中,纵坐标(z轴)指示相关强度,而x轴和y轴指示偏移量。
另一方面,在上述的仅相位相关方法中,如图9D和9E所示,对图像IM1和与图像IM1一样的图像IM2执行傅立叶变换,并且仅对相位信息进行相关,结果,获得了仅包括高且锐的相关强度峰的相关分布,如图9F所示。以这种方式,与自相关方法相比较,仅相位方法的性能可以获得有关相关性的精确信息。在图9F中,纵坐标(z轴)指示相关强度,而x轴和y轴指示偏移量。
图10A至10C是用于说明仅相位相关方法中在两个图像之间存在平行移动偏移的情况下的相关强度分布的视图。
例如,在通过将仅相位方法应用到图10A和10B所示的图像IM1和其中从图像IM1平行移动多个像素的图像IM3中获得的相关强度分布中,高且锐的相关强度峰分布在从峰位偏移一距离的位置上,该距离取决于图9F所示的相关图像数据中的平行移动量。然而,图10C所示的峰强度小于图9F所示。这是因为图像IM1和IM3匹配的像素区域小于图像IM1和IM2匹配的像素区域。
图11A至11C是用于说明仅相位方法中在两个图像之间存在旋转偏移的情况下的相关强度分布的视图。
在通过将仅相位方法应用到图11A和11B所示的图像IM1和从图像IM1旋转几度的图像IM4中的相关强度分布中,例如,获得如图11C所示的弱相关强度分布。在简化应用仅相位相关方法的情况中,由于旋转偏移而难以检测相关性。
因此,在根据本实施例的图像匹配设备1a中,对已登记图像AIM和被匹配图像RIM执行傅立叶和梅林变换,在傅立叶和梅林空间中通过应用仅相位相关方法检测平行移动量,并检测已登记图像AIM和被匹配图像RIM的放大信息和旋转角信息。基于上述信息来校正被匹配图像的放大和旋转角。
通过应用仅相位相关方法来检测已校正了的被匹配图像RIM和已登记图像AIM之间的平行移动偏移,且同时,基于相关峰来执行图像的匹配。
图12A至12C是用于说明由仅相位相关单元23输出的相关图像数据的视图。图12A示出已登记图像AIM的例子,图12B示出被匹配图像RIM的例子,而图12C示出相关图像数据的具体例子。图13是用于说明图12C所示的相关图像数据的视图。
在已登记图像AIM和被匹配图像RIM中包括手写字符的二进制图形和线性形状图形或者血管图形的情况下,例如,在图12A和12B所示的已登记图像AIM和被匹配图像RIM的情况中,仅相位相关单元23输出图12C所示的相关图像数据作为信号S23。
在图12C中,z轴方向指示相关图像数据中的相关峰强度,而相关峰强度对应于已登记图像AIM和被匹配图像RIM之间的相关度。如图12C和图13所示,在x轴方向和y轴方向的相关峰位PP上,例如,从图像中心偏移的量对应于已登记图像AIM和被匹配图像RIM之间的平行移动量。
偏移信息生成单元24基于从仅相位相关单元23输出的信号S23产生从图像中心偏移的量作为偏移信息,并输出信号S24到校正单元25。
校正单元25基于被匹配图像RIM和作为偏移信息从偏移信息生成单元24输出的信号S24对被匹配图像RIM执行位置校正处理,并将所得结果作为信号S1612输出。
图14是用于说明图1所示的图像匹配设备1的操作的流程图。将参考图14,针对与第一实施例的不同之处,描述具有上述配置的图像匹配设备1a的操作。
例如,从图像输入单元11输入已登记图像AIM和被匹配图像RIM,并将各个图像数据存储在存储器中(ST1)。
这里,为了获得被匹配图像RIM相对于已登记图像AIM的放大信息(扩大和/或缩小比例)和旋转角信息,从存储器12读出已登记图像AIM(ST2),并在放大信息和旋转信息单元21中的傅立叶变换单元21111中对其施加傅立叶变换处理(ST3),并将生成的傅立叶图像数据S21111存储或重新记录在存储器12中(ST4)。
由对数变换单元21121对傅立叶图像数据S21111中的振幅分量施加对数处理,并由对数-极坐标变换单元21131将其变换到对数-极坐标系统(ST5)。
从存储器12读出被匹配图像RIM(ST6),并以相同的方式由傅立叶变换单元21112中对其施加傅立叶变换(ST7)。由对数变换单元21122对傅立叶图像数据S21112中的振幅分量施加对数处理,并由对数-极坐标变换单元21132将其变换到对数-极坐标系统(ST8)。
由仅相位相关单元212的傅立叶变换单元2120和2121对通过对上述已登记图像AIM和被匹配图像RIM执行傅立叶和梅林变换获得的图像信号(也称为图形数据)SA211和SR211分别施加傅立叶变换处理(ST9),并由组合单元2123组合(ST10)。由相位提取单元2123从组合信号中删除振幅分量(ST11),由逆傅立叶变换单元2124对剩余的相位分量施加逆傅立叶变换处理(ST12),并且,基于所获得的相关图像数据的图像中心和峰位之间的偏移量,由放大信息和旋转信息生成单元213产生(检测)包括放大信息和旋转信息的相关信息(ST13)。
校正单元22基于校正信息对被匹配图像执行用于扩大和/或缩小的校正处理和旋转处理,从而删除图像之间的缩放分量和旋转分量(ST14)。残留的差异仅仅是通过应用仅相位相关方法而检测的平行移动分量。
由仅相位相关单元23的傅立叶变换单元2312对被执行了校正处理的被匹配图像RIM施加傅立叶变换(ST15),从而产生傅立叶图像数据S2312,读出存储在存储器12中并被施加了傅立叶变换处理的已登记图像AIM(ST16),并且由组合单元232产生组合数据S232(ST17)。
在上述情况中,可以在傅立叶变换单元2311中对已登记图像AIM施加傅立叶变换处理,从而产生傅立叶图像数据S2311,并将其输出到组合单元232。
由相位提取单元233删除组合数据S232中的振幅信息(ST18),将剩余的相位信息输入到逆傅立叶变换单元234,并输出信号S23作为相关图像数据(ST19)。
基于信号23,由偏移信息生成单元24检测峰位的偏移量,并输出信号S24作为偏移信息(ST20)。
在校正单元25中,基于作为偏移信息的信号S24和被匹配图像RIM对已登记图像AIM和被匹配图像RIM执行位置校正处理,然后输出信号S1612。此外,输出已登记图像AIM作为信号S1611(ST21)。
接下来的操作基本上与第一实施例相同,霍夫变换单元162执行霍夫变换处理(ST22),提取单元163执行提取处理(ST23),并且相似性生成单元1641产生相似性Sim(ST24)。
在步骤ST25,匹配单元1642判断相似性Sim是否大于(或者超过)预先设定的阈值。如果其大于该阈值,则判定已登记图像AIM和被匹配图像RIM匹配(ST26),否则,如果其小于阈值,则判定它们失配(ST27)。
如上所述,在本实施例中,作为位置校正处理,位置校正单元161基于作为对已登记图像AIM和被匹配图像RIM进行旋转角校正处理或者放大比例校正处理以及傅立叶变换处理的结果的相位分量而产生相关值,并基于所产生的相关值对已登记图像AIM和被匹配图像RIM执行位置校正处理,因此,可以以高精确度执行位置校正处理,结果,可以以高精确度执行匹配处理。
图15是根据本发明的第三实施例的图像匹配设备的功能框图。
在以硬件方式图解的功能框图上,本实施例的图像匹配设备1b具有与根据第一实施例的图像匹配设备1几乎相同的配置,例如具有图1所示的图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、CPU 16、以及操作处理单元17。
在以软件方式图解的功能框图上,图像匹配设备1b具有与第二实施例的图像匹配设备1几乎相同的配置,并且CPU 16执行程序PRG,以便实现位置校正单元161b、霍夫变换单元162、提取单元163、以及判断单元164b的功能。在图15中,为与上述实施例中的那些部件相同的部件分配相同的符号,并省略其说明。并且将仅仅描述不同之处。
大的不同之处如下:位置校正单元161b和判断单元164b不同。
在本实施例中,位置校正单元161b对已登记图像AIM和被匹配图像RIM执行相关处理,以便产生指示校正位置的多个相关值,并基于所产生的相关值对已登记图像AIM和被匹配图像RIM执行多个位置校正处理。
图16A和16B是用于说明图15所示的位置校正单元的操作的视图。数值指示x-y平面中的相关图像数据的相关峰强度。
例如,在已登记图像AIM和被匹配图像RIM包括二进制线性分量(线性形状)图形的情况下,即使图像的相关性大,相关峰强度(也称为相关强度)也是如图16A和16B所示的小值。
例如,基于信号S23,位置校正单元161b的偏移信息生成单元24如图16A所示从上部连续地指定N个的相关强度,例如在本实施例中为8个相关值和相关峰位,作为两维的已登记图像AIM和被匹配图像RIM之间的位置关系的对象。
如果必要,位置校正单元161b对多个相关值和对应于上述值的相关峰的位置执行多个位置校正处理。
霍夫变换单元162对作为多个位置校正处理的结果的已登记图像AIM和被匹配图像RIM执行霍夫变换处理,从而产生变换图像S1621和S1622。
判断单元164b基于两个变换图像中的图形产生相关值,并基于所产生的相关值和预先设置的阈值对已登记图像AIM和被匹配图像RIM执行匹配处理。判断单元164b基于对应于不同位置的相关值总量和预先设置的阈值对多个位置校正处理的结果执行匹配处理。
详细说来,判断单元164b具有相似性生成单元1641、匹配单元1642b以及累积单元1643。
相似性生成单元1641例如基于上述的信号S1631和S1632通过应用上述公式(2)产生相似性Sim,并将其作为信号S1641输出到累积单元1643和匹配单元1642b。
累积单元1643基于信号S1641累积相似性Sim,并将累积的结果作为信号S1643输出到匹配单元1642b。
匹配单元1642b基于信号S1641和信号S1643执行被匹配图像RIM和已登记图像AIM的匹配。
与根据第一实施例的匹配单元1642的不同之处如下:当由累积单元产生的作为相似性Sim的累积值的信号S1643大于预定阈值时,匹配单元1642b判定已登记图像AIM和被匹配图像RIM匹配。
图17是用于说明根据本实施例的第三实施例的图像匹配设备的操作的流程图。参考图14和图17,将针对与第一实施例和第二实施例的不同之处来描述图像匹配设备的操作,主要是CPU 16的操作。
步骤ST1至ST19是与图14所示的第二实施例的操作相同的操作,将省略说明。
基于在步骤ST19从仅相位相关单元23输出的相关图像数据S23,由偏移信息生成单元24从相关图像数据S23中的相关峰强度的上侧连续提取N个对象P1(P0,P1,P2,......Pn-1)(ST28)。
在步骤ST29,累积单元1643初始化用于累积的变量。例如,将变量 i初始化为0,并将累积值 s初始化为0。
校正单元25基于各个对象(坐标)Pi和与来自中心位置的对象和相关图像数据对应的偏移量对已登记图像AIM和被匹配图像RIM执行位置校正处理(ST30)。
如上所述,由霍夫变换单元162对已登记图像AIM和被匹配图像RIM执行霍夫变换处理(ST31),由提取单元163执行提取处理(ST32),并且由相似性生成单元1641计算相似性Sim(i)并将其输出到累积单元1643和匹配单元1642b(ST33)。
匹配单元1642b比较相似性Sim(i)和预先设置的第一阈值th1。在相似性Sim(i)小于第一阈值的情况下(ST34),累积单元1643累积相似性Sim(i),详细说来,通过公式S=S+Sim(i)对其进行累积,并将结果输出到匹配单元1642b(ST35)。
在步骤ST35,匹配单元1642b比较累积值S和预先设置的第二阈值th2(ST36),在累积值 s小于第二阈值th2的情况下比较变量 i和值N-1(ST27),在变量 i不与N-1匹配的情况下将变量 i加1(ST28),且例程返回到步骤ST30。在步骤ST27,在变量 i与N-1匹配的情况下,图像失配(ST39)。
另一方面,在步骤ST34的比较处理中,在相似性Sim(i)等于或大于第一阈值的情况下,匹配单元1642b判定图像匹配。在步骤ST36的比较处理中,在累积值 s等于或大于第二阈值th2的情况下,匹配单元1642b判定图像匹配(ST40)。例如,在将根据本实施例的图像匹配设备应用到安全领域中的静脉图形匹配设备中的情况下,操作处理单元17执行使得释放电键的处理。
如上所述,在本实施例中,位置校正单元161产生多个指示将要校正的位置的相关值,基于所产生的相关值对已登记图像AIM和被匹配图像RIM执行多个位置校正处理。霍夫变换单元162对作为多个位置校正处理的结果的已登记图像AIM和被匹配图像RIM执行霍夫变换处理作为图像处理。并且匹配单元1642b对与每一个变换图像中的图形对应的作为相关值的相似性累积值执行匹配处理。因此,例如即使被比较的两个图像数据之间的相关性小,也累积了在对象的各个位置关系中计算的相似性,因此,与通过仅应用相似性来执行匹配的情况相比较,可以以高精确度执行匹配。
当相似性Sim大于第一阈值th1时,匹配单元判定两个图像匹配,因此可以高速执行匹配处理。
图18是根据本发明的第四实施例的图像匹配设备的功能框图。
在以硬件方式图解的功能框图中,本实施例的图像匹配设备1c具有与上面实施例的图像匹配设备1几乎相同的配置,例如具有如图1所示的图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、CPU 16、以及操作处理单元17。
在以软件方式图解的功能框图上,图像匹配设备1c具有与上述实施例的图像匹配设备几乎相同的配置,并且CPU 16执行程序PRG,以便实现位置校正单元161b、霍夫变换单元162、提取单元163c、以及判断单元164的功能。在图18中,对与上述实施例中的那些部件相同的部件分配相同的符号,并省略其说明。并将仅仅描述不同之处。
大的不同之处如下:提取单元163c不同。
在本实施例中,提取单元163c从第一变换图像和第二变换图像中提取其中变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,并基于提取的区域的尺寸来确定阈值,使得所提取的区域的尺寸大于设置值。
提取单元163c基于所提取的区域的尺寸来确定阈值,使得所提取的区域的尺寸是在设置范围之内。
图19A至19F是用于说明图17所示的图像匹配设备1c的操作的视图。
图19A是示出图像IM11的具体例子的视图。图19B是示出其中从图19A所示的图像IM11中提取出等于或大于第一阈值的区域的图像的视图。图19C是示出其中从图19A所示的图像IM11中提取出等于或大于比第一阈值大的第二阈值的区域的图像的视图。
图19D是示出图像IM12的具体例子的视图。图19E是示出其中从图19D所示的图像IM12中提取出等于或大于第一阈值的区域的图像的视图。图19F是示出其中从图19D所示的图像IM12中提取出等于或大于比第一阈值大的第二阈值的区域的图像的视图。
例如,在上述的实施例中,当在从变换图像中提取特征(参数)量之前对已登记图像和被匹配图像执行霍夫变换处理时,由于阈值是固定的,所以,根据图像,可能没有提取足够的特征量,或者可能提取了多余的特征量。
详细说来,当在从变换图像中提取大于第一阈值的区域之前对图19A所示的图像IM11执行霍夫变换处理时,产生图19B所示的图像IM111,另一方面,当提取大于第二阈值的区域时,产生图19C所示的图像IM112。
当在从变换图像中提取大于第一阈值的区域之前对图19D所示的图像IM12执行霍夫变换处理时,产生图19E所示的图像IM121,另一方面,当提取大于第二阈值的区域时,产生图19F所示的图像IM122。
例如,图像IM112和IM121是包括适于匹配处理的数据(特征)量的具体例子。
图像IM111是包括对匹配处理多余的数据(特征)量的具体例子。
图像IM122是提取了不足以进行匹配处理的数据(特征)量的具体例子。
在阈值固定的情况下,例如,对图像IM111和图像IM121或者图像IM112和图像IM122执行比较和匹配处理,因此判断精确度有时可能会不够。
例如,当改变阈值时,对包括足以进行匹配处理的数据(特征)量的图IM112和图像IM121执行比较和匹配处理,因此改善了判断精确度。
因此,在对被执行了霍夫变换处理的变换图像提取特征量时,通过应用确定的阈值提取的特征量在进行匹配的合适范围之外的情况下,本实施例的提取单元163c改变阈值并再次提取特征量,并确定特征量,以便在合适的范围内。
图20是用于说明根据本实施例的图像匹配设备的操作的流程图。参考图20的同时,将描述图像匹配设备的操作,主要是与图14所示的实施例的不同之处。
步骤ST1至ST22的操作相同,将省略说明。
在步骤ST231,提取单元163c从由霍夫变换单元162产生的各个变换图像S1621和S1622中提取超过预先设置的阈值的参数部分,作为特征量。
提取单元163c基于所提取的区域的尺寸确定阈值,使得所提取的区域的尺寸在设置的范围之内。
详细说来,提取单元163c基于所提取的区域的尺寸确定阈值,使得所提取的区域的尺寸大于最小值 min,也同样确定阈值以使得所提取的区域的尺寸小于比最小值 min大的最大值 max
例如,在步骤ST232,提取单元163c判断作为特征量提取的区域的尺寸是否大于最小值 min,并且如果判定没有大于最小值 min则将阈值减少一预定量(ST233),例程返回到步骤ST321。
另一方面,在步骤ST232,提取单元163c判定作为特征量提取的区域的尺寸大于最小值 min,例程前进到步骤ST234。
在步骤ST234,提取单元163c判断作为特征量提取的区域的尺寸是否小于最大值 max,并且如果判定没有小于最大值 max则将阈值增加一预定量(ST233),例程返回到步骤ST321。
另一方面,在步骤ST234,提取单元163c判断作为特征量提取的区域的尺寸小于最大值 max,例程前进到步骤ST24。
步骤ST24的接下来的步骤与图14所示的处理的步骤相同,将省略说明。
如上所示,提取单元163c基于所提取的区域的尺寸确定阈值,使得所提取的区域的尺寸在设置的范围之内,使得可以减少对匹配处理多余的数据并可以提取适于匹配处理的数据。
可以获得适合于进行匹配处理的图像,以便匹配单元164可以以高精确度执行匹配处理。
在图像系统不断改变且输入图像的数据量陡然改变的情况下,可以没有任何改变地执行比较和匹配处理。
图21是用于说明根据本发明的第五实施例的图像匹配设备的操作的流程图。
在以硬件方式图解的功能框图上,本实施例的图像匹配设备具有与上面实施例的图像匹配设备几乎相同的配置,例如具有图1所示的图像输入单元11、存储器12、FFT处理单元13、坐标变换单元14、霍夫变换单元15、CPU16、以及操作处理单元17。
例如,在已登记图像和被匹配图像的特征量非常少的情况下,可能获得不足以进行比较和匹配处理的特征量,因此可能获得不足的判断精确度。
本实施例的图像匹配设备提取变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,在所提取区域的尺寸小于设置值的情况下删除图像。
参考图21时,例如,在用于血管图形的个人匹配设备的应用中,将主要描述把存储特定的图像数据作为已登记图像以进行匹配的情况下与上面实施例不同之处。
在步骤ST101,CPU 16使图像输入单元11捕获将要存储为已登记图像AIM的图像数据,并将图像数据存储在存储器12中。CPU 16使霍夫变换单元15对所捕获的图像数据执行霍夫变换处理(ST102)。
在步骤ST103,CPU 16提取超过预先设置的阈值的区域作为特征量(ST103)。
在步骤ST104,CPU 16判断所提取的区域的尺寸是否大于进行匹配处理的最小需要的最小值 min,如果判定大于最小值 min则决定包括了对已登记图像AIM足够的信息量,并将图像数据存储在存储器12中(ST105)。
另一方面,在步骤ST104,如果判定不大于最小值 min,则删除输入图像(ST106),并且,例如通过显示已登记图像AIM的信息量不足的通知,请求图像数据的重新输入(ST107)。然后,执行上述的匹配处理。
在上述的本实施例中,在登记图像时,提取将要登记的变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,然后在提取的区域的尺寸小于设置值(最小值 min)的情况下删除图像,因此可以稳固地获得具有有关匹配设备的相对大特征量的被登记图像。并且可以以高精确度执行匹配处理。
图22是用于说明根据本发明的第六实施例的图像匹配设备的操作的流程图。
将参考图22描述从外部输入的被匹配图像RIM与预先存储在存储器12中的已登记图像AIM匹配的情况。
在步骤ST201,CPU 16使图像输入单元11捕获图像数据作为被匹配图像RIM,并将该图像数据存储在存储器12中。CPU 16使霍夫变换单元15对所捕获的被匹配图像执行霍夫变换处理(ST202)。
在步骤ST203,CPU 16提取超过预先设置的阈值的区域作为特征量(ST203)。
在步骤ST204,CPU 16判断提取的区域的尺寸是否大于进行匹配处理的最小需要的最小值 min,如果判定不大于最小值 min则决定信息量对被匹配图像RIM不够,删除图像(ST205),例如通过显示信息量不足的通知来请求图像数据的重新输入(ST206),并中断匹配处理。
另一方面,在步骤ST204的判断中,如果判定大于最小值 min,则CPU16判定信息量对被匹配图像RIM是足够的,例程前进到步骤ST2至ST27的接下来的匹配处理。
步骤ST2至ST27的接下来的操作与图14所示的操作相同,并将省略说明。
如上所述,在本实施例中,在匹配图像时,提取变换的被匹配变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域,并且在所提取的区域的尺寸小于设置值(最小值 min)的情况下删除图像,以便可以稳固地获得适用于匹配设备的包括相对大特征量的被匹配图像。并且可以以高精确度执行匹配处理。
注意,本发明不限于当前的实施例,并且可以以各种方式改变。
例如,在本实施例中,尽管相似性生成单元通过应用公式(2)计算相似性,但是并不限于此。例如,相似性生成单元可以执行其中计算适于线性分量(线性形状的图形)相关的相似性的处理。
在本实施例中,尽管,执行傅立叶变换处理、对数变换处理、以及对数-极坐标变换处理,且计算傅立叶和梅林空间上的平行移动量,从而产生放大信息和旋转角信息,但是其不限于此。例如,可以在可检测到放大信息和旋转角信息的空间上执行坐标变换处理。
尽管第一阈值th1和第二阈值th2是固定值,但并不限于此。例如,各个阈值根据图像图形可变,因此可以以更高的精确度执行匹配处理。

Claims (36)

1、一种用于对第一图像和第二图像中的线性分量执行匹配图像的图像匹配方法,该方法包括:
第一步骤,基于从参考位置到经过图像中的点的直线中的最短点的距离、以及经过该参考位置和最短点的直线与包括参考位置的参考轴之间的角,执行用以将第一图像和第二图像的每个图像中的点变换成为弯曲图形、并将每个图像中的线性分量变换成为多个重叠的弯曲图形的图像处理,并且产生第一变换图像和第二变换图像;以及
第二步骤,基于在第一步骤中产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配,执行第一图像和第二图像的匹配。
2、如权利要求1所述的图像匹配方法,其中第一步骤包括从第一变换图像和第二变换图像中提取其每一个都指示变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域的第三步骤,以及
其中,在第二步骤中,第一图像和第二图像的匹配是基于在第三步骤中分别从第一变换图像和第二变换图像中提取的区域中的图形的匹配或失配来执行的。
3、如权利要求2所述的图像匹配方法,其中,在第三步骤中,阈值是基于所提取的区域的尺寸来确定的,使得所提取的区域的尺寸大于设置值。
4、如权利要求2所述的图像匹配方法,其中,在第三步骤中,阈值是基于所提取的区域的尺寸来确定的,使得所提取的区域的尺寸在设置值的范围之内。
5、如权利要求2所述的图像匹配方法,其中,在第三步骤中,当所提取的区域的尺寸小于设置值时,删除图像。
6、如权利要求1所述的图像匹配方法,其中,在第一步骤中,对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像。
7、如权利要求1所述的图像匹配方法,其中,在第二步骤中,对在第一步骤中产生的第一变换图像和第二变换图像中的多个不同位置关系执行比较处理,基于比较处理的结果产生作为相关值的相似性,并且第一图像和第二图像的匹配是基于产生的相似性来进行的。
8、如权利要求1所述的图像匹配方法,在第一步骤之前,还包括对第一图像和第二图像执行位置校正处理的第十步骤,
其中,在第一步骤中,对作为第十步骤中位置校正处理的结果的第一图像和第二图像执行图像处理,以便产生第一变换图像和第二变换图像。
9、如权利要求8所述的图像匹配方法,其中,在第十步骤中,作为位置校正处理,基于作为对第一图像和第二图像的旋转角校正处理或扩大比例校正处理和傅立叶变换处理的结果的相位分量而产生相关值,并且位置校正处理是基于所产生的相关值而针对第一图像和第二图像执行的。
10、如权利要求8所述的图像匹配方法,其中,在第十步骤中,通过对第一图像和第二图像的相关处理而产生指示已校正的位置的多个相关值,并且基于所产生的相关值对第一图像和第二图像执行多个位置校正处理,
在第一步骤中,对第十步骤中对第一图像和第二图像的多个位置校正处理的结果执行图像处理,以便产生第一变换图像和第二变换图像,以及
在第二步骤中,相关值是基于在第一步骤中产生的第一变换图像和第二变换图像中的图形而产生的,并且第一图像和第二图像的匹配是基于所产生的相关值和预先设置的阈值而进行的。
11、如权利要求10所述的图像匹配方法,其中,在第二步骤中,第一图像和第二图像的匹配是基于对应于不同位置的相关值的总量和预先设置的阈值而针对在第一步骤中产生的多个位置校正处理的结果来进行的。
12、一种用于对第一图像和第二图像中的线性分量执行匹配图像的图像匹配方法,该方法包括:
第一步骤,对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像;以及
第二步骤,基于在第一步骤中产生的第一变换图像和第二变换图像中的图形的重叠度、以及该图像中的图形的匹配或失配,来执行第一图像和第二图像的匹配。
13、一种对第一图像和第二图像中的线性分量执行匹配的图像匹配设备,该设备包括:
变换装置,用于对第一图像和第二图像执行图像处理,通过该图像处理,基于从参考位置到经过图像中的点的直线中的最短点的距离、以及经过该参考位置和最短点的直线与包括参考位置的参考轴之间的角,将每个图像中的点变换成为弯曲图形,并且将每个图像中的线性分量变换成为多个重叠的弯曲图形,并产生第一变换图像和第二变换图像;以及
匹配装置,用于基于由变换装置产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
14、如权利要求13所述的图像匹配设备,还包括用于从第一变换图像和第二变换图像中提取变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域的提取装置,
其中,匹配装置基于提取装置分别从第一变换图像和第二变换图像中提取的区域中的图形的匹配或失配来执行第一图像和第二图像的匹配。
15、如权利要求14所述的图像匹配设备,其中,提取装置基于所提取的区域的尺寸来确定阈值,以便大于设置值。
16、如权利要求14所述的图像匹配设备,其中,提取装置基于所提取的区域的尺寸来确定阈值,以便在设置值的范围之内。
17、如权利要求14所述的图像匹配设备,其中,当提取的区域的尺寸等于或小于设置值时,提取装置删除图像。
18、如权利要求13所述的图像匹配设备,其中,变换装置对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像。
19、如权利要求13所述的图像匹配设备,其中,匹配装置对由变换装置产生的第一变换图像和第二变换图像中的多个不同位置关系执行比较处理,基于比较处理的结果产生作为相关值的相似性,并且基于所产生的相似性来执行第一图像和第二图像的匹配。
20、如权利要求13所述的图像匹配设备,还包括位置校正装置,其用于在变换装置的操作之前对第一图像和第二图像执行位置校正处理,
其中,变换装置对由位置校正装置执行的第一图像和第二图像的位置校正处理的结果执行图像处理,以便产生第一变换图像和第二变换图像。
21、如权利要求20所述的图像匹配设备,其中位置校正装置基于作为对第一图像和第二图像的旋转角校正处理或扩大比例校正处理和傅立叶变换处理的结果的相位分量而产生相关值,并且基于产生的相关值对第一图像和第二图像执行位置校正处理。
22、如权利要求20所述的图像匹配设备,其中,位置校正装置基于第一图像和第二图像通过相关处理而产生每一个都指示已校正的位置的多个相关值,并基于产生的相关值对第一图像和第二图像执行多个位置校正处理,
变换装置对由位置校正装置对第一图像和第二图像的多个位置校正处理的结果执行图像处理,以便产生第一变换图像和第二变换图像,以及
匹配装置基于由变换装置产生的第一变换图像和第二变换图像中的图形产生相关值,并基于所产生的相关值和预先设置的阈值执行第一图像和第二图像的匹配。
23、如权利要求22所述的图像匹配设备,其中匹配装置基于对应于不同位置的相关值的总量和预先设置的阈值对由变换装置产生的多个位置校正处理的结果执行第一图像和第二图像的匹配。
24、一种对第一图像和第二图像中的线性分量执行匹配的图像匹配设备,该设备包括:
变换装置,用于对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像;以及
匹配装置,用于基于由变换装置产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
25、一种使信息处理器件对第一图像和第二图像中的线性分量执行匹配图像的程序,该程序包括:
第一例程,用于对第一图像和第二图像执行图像处理,通过该例程,基于从参考位置到经过图像中的点的直线中的最短点的距离、以及经过该参考位置和最短点的直线与包括该参考位置的参考轴之间的角,将每个图像中的点变换成为弯曲图形,并将每个图像中的线性分量变换成为多个重叠的弯曲图形,并且产生第一变换图像和第二变换图像;以及
第二例程,用于基于在第一例程中产生的第一变换图像和第二变换图像中的图形的重叠度、以及第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
26、如权利要求25所述的程序,在第一例程中,还包括用于从第一变换图像和第二变换图像中提取其每一个都指示变换图像中的弯曲图形的重叠度等于或大于预先设置的阈值的区域的第三例程,以及
其中,在第二例程中,第一图像和第二图像的匹配是基于在第三例程中分别从第一变换图像和第二变换图像中提取的区域中的图形的匹配或失配来进行的。
27、如权利要求26所述的程序,其中,在第三例程中,阈值是基于所提取的区域的尺寸来确定的,使得所提取的区域的尺寸大于设置值。
28、如权利要求26所述的程序,其中,在第三例程中,阈值是基于所提取的区域的尺寸来确定的,使得所提取的区域的尺寸在设置值的范围之内。
29、如权利要求26所述的程序,其中,在第三例程中,当所提取的区域的尺寸等于或小于设置值时,该图像被删除。
30、如权利要求25所述的程序,其中,在第一例程中,对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像。
31、如权利要求25所述的程序,其中,在第二例程中,对在第一例程中产生的第一变换图像和第二变换图像中的多个不同位置关系执行比较处理,基于比较处理的结果产生作为相关值的相似性,并且第一图像和第二图像的匹配是基于所产生的相似性来进行的。
32、如权利要求25所述的程序,在第一例程之前,还包括用于对第一图像和第二图像执行位置校正处理的第十例程,
其中,在第一例程中,对第十例程中对第一图像和第二图像的位置校正处理的结果执行图像处理,以便产生第一变换图像和第二变换图像。
33、如权利要求32所述的程序,其中,在第十例程中,作为位置校正处理,基于作为对第一图像和第二图像的旋转角校正处理或扩大比例校正处理和傅立叶变换处理的结果的相位分量而产生相关值,并且位置校正处理是基于所产生的相关值而针对第一图像和第二图像执行的。
34、如权利要求32所述的程序,其中,在第十例程中,基于第一图像和第二图像,通过相关处理而产生每一个都指示已校正的位置的多个相关值,并且基于所产生的相关值对第一图像和第二图像执行多个位置校正处理,
在第一例程中,对第十例程中对第一图像和第二图像的多个位置校正处理的结果执行图像处理,以便产生第一变换图像和第二变换图像,以及
在第二例程中,相关值是基于在第一例程中产生的第一变换图像和第二变换图像中的图形而产生的,并且第一图像和第二图像的匹配是基于所产生的相关值和预先设置的阈值而进行的。
35、如权利要求34所述的程序,其中,在第二例程中,第一图像和第二图像的匹配是基于对应于不同位置的相关值的总量和预先设置的阈值而针对在第一例程中产生的多个位置校正处理的结果来进行的。
36、一种使信息处理器件对第一图像和第二图像中的线性分量执行匹配的程序,该程序包括:
第一例程,用于对第一图像和第二图像执行霍夫变换处理,以便产生第一变换图像和第二变换图像;以及
第二例程,用于基于在第一例程中产生的第一变换图像和第二变换图像中的图形的重叠度、和第一和第二变换图像中的图形的匹配或失配来执行第一图像和第二图像的匹配。
CNB2005800007334A 2004-06-18 2005-06-15 图像匹配方法及图像匹配设备 Expired - Fee Related CN100371953C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP180832/2004 2004-06-18
JP2004180832A JP4161942B2 (ja) 2003-06-30 2004-06-18 画像照合方法、画像照合装置、プログラム

Publications (2)

Publication Number Publication Date
CN1839411A true CN1839411A (zh) 2006-09-27
CN100371953C CN100371953C (zh) 2008-02-27

Family

ID=35509928

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005800007334A Expired - Fee Related CN100371953C (zh) 2004-06-18 2005-06-15 图像匹配方法及图像匹配设备

Country Status (7)

Country Link
US (1) US7848576B2 (zh)
EP (1) EP1758060B1 (zh)
KR (1) KR101122944B1 (zh)
CN (1) CN100371953C (zh)
HK (1) HK1092259A1 (zh)
TW (1) TW200614098A (zh)
WO (1) WO2005124688A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8130243B2 (en) 2007-07-03 2012-03-06 Canon Kabushiki Kaisha Image display control apparatus and method
CN101281640B (zh) * 2007-04-05 2012-06-13 奥多比公司 布置多个图像
CN102653260A (zh) * 2012-05-09 2012-09-05 邝君 汽车定点定位引导系统
CN105184953A (zh) * 2015-08-03 2015-12-23 深圳怡化电脑股份有限公司 一种纸币处理的方法及装置
CN106572839A (zh) * 2014-07-02 2017-04-19 国家科研中心 用于大脑的功能性成像的方法和装置
CN107533650A (zh) * 2015-02-27 2018-01-02 爱德克斯公司 曲线匹配和预审

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4345426B2 (ja) * 2003-10-07 2009-10-14 ソニー株式会社 画像照合方法、プログラム、および画像照合装置
JP4686762B2 (ja) * 2005-06-07 2011-05-25 独立行政法人産業技術総合研究所 三次元形状の位置あわせ方法及びプログラム
WO2006137001A2 (en) * 2005-06-20 2006-12-28 Koninklijke Philips Electronics N.V. A system and method for transferring images among spectrum agile radio devices without retransmitting images
JP4038777B2 (ja) * 2006-02-28 2008-01-30 ソニー株式会社 登録装置及び認証装置
JP4254802B2 (ja) * 2006-05-11 2009-04-15 ソニー株式会社 画像処理装置および方法、プログラム並びに記録媒体
JP4504946B2 (ja) * 2006-05-16 2010-07-14 株式会社日立ハイテクノロジーズ 荷電粒子線装置
JP5003092B2 (ja) * 2006-10-17 2012-08-15 ソニー株式会社 登録装置、照合装置、認証方法及び認証プログラム
KR100922898B1 (ko) * 2007-12-17 2009-10-20 한국전자통신연구원 IP 미디어의 QoE 보장형 영상품질 측정장치 및측정방법
US8027645B2 (en) * 2007-12-21 2011-09-27 Qualcomm Incorporated Systems and methods for automatically tuning a frequency modulator in a mobile device
US8457366B2 (en) 2008-12-12 2013-06-04 At&T Intellectual Property I, L.P. System and method for matching faces
JP2011022784A (ja) * 2009-07-15 2011-02-03 Sony Corp 情報処理装置、ブロック検出方法およびプログラム
TWI585596B (zh) * 2009-10-01 2017-06-01 Alibaba Group Holding Ltd How to implement image search and website server
US8332419B1 (en) * 2010-05-13 2012-12-11 A9.com Content collection search with robust content matching
US20130051644A1 (en) * 2011-08-29 2013-02-28 General Electric Company Method and apparatus for performing motion artifact reduction
TWI462032B (zh) 2011-12-22 2014-11-21 Pixart Imaging Inc 手寫系統及其操作方法
US20140274403A1 (en) * 2013-03-14 2014-09-18 Agincourt Gaming Llc Systems and Methods for Identifying Virtual Entities in a Virtual Environment
JP6349817B2 (ja) 2014-03-19 2018-07-04 富士通株式会社 位置合わせ装置、位置合わせ方法及び位置合わせ用コンピュータプログラム
US10032062B2 (en) * 2015-04-15 2018-07-24 Samsung Electronics Co., Ltd. Method and apparatus for recognizing fingerprint
US10521642B2 (en) 2015-04-23 2019-12-31 Samsung Electronics Co., Ltd. Fingerprint verification method and apparatus
US10652472B2 (en) * 2018-02-22 2020-05-12 Adobe Inc. Enhanced automatic perspective and horizon correction

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6413421A (en) * 1987-07-07 1989-01-18 Matsushita Electric Ind Co Ltd Fuel rest meter
IT1257073B (it) * 1992-08-11 1996-01-05 Ist Trentino Di Cultura Sistema di riconoscimento, particolarmente per il riconoscimento di persone.
JP3098711B2 (ja) * 1996-06-28 2000-10-16 グローリー工業株式会社 画像照合方法及び装置
JPH10162139A (ja) * 1996-11-28 1998-06-19 Nikon Corp 画像処理装置、および画像処理プログラムを記録した媒体
US6097839A (en) * 1997-03-10 2000-08-01 Intermec Ip Corporation Method and apparatus for automatic discriminating and locating patterns such as finder patterns, or portions thereof, in machine-readable symbols
JPH113421A (ja) * 1997-06-11 1999-01-06 Meidensha Corp 線分の検出方法
JPH1173509A (ja) * 1997-08-29 1999-03-16 Advantest Corp 画像情報認識装置および画像情報認識方法
JPH11328408A (ja) 1998-05-12 1999-11-30 Advantest Corp データ処理装置および方法、情報記憶媒体
JP3616256B2 (ja) * 1998-07-03 2005-02-02 シャープ株式会社 画像処理装置
US6714680B1 (en) * 1999-06-02 2004-03-30 Fuji Photo Film Co., Ltd. Method and apparatus for image positioning processing
US6751363B1 (en) * 1999-08-10 2004-06-15 Lucent Technologies Inc. Methods of imaging based on wavelet retrieval of scenes
JP3725998B2 (ja) 1999-10-14 2005-12-14 富士通株式会社 指紋照合装置及び照合方法
US7221810B2 (en) * 2000-11-13 2007-05-22 Anoto Group Ab Method and device for recording of information
US7127106B1 (en) * 2001-10-29 2006-10-24 George Mason Intellectual Properties, Inc. Fingerprinting and recognition of data
US6909808B2 (en) * 2002-03-08 2005-06-21 Anzus, Inc. Image compression to enhance optical correlation
JP2004240931A (ja) * 2003-02-05 2004-08-26 Sony Corp 画像照合装置、画像照合方法、およびプログラム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281640B (zh) * 2007-04-05 2012-06-13 奥多比公司 布置多个图像
US8130243B2 (en) 2007-07-03 2012-03-06 Canon Kabushiki Kaisha Image display control apparatus and method
CN102653260A (zh) * 2012-05-09 2012-09-05 邝君 汽车定点定位引导系统
CN102653260B (zh) * 2012-05-09 2014-08-13 邝君 汽车定点定位引导系统
CN106572839A (zh) * 2014-07-02 2017-04-19 国家科研中心 用于大脑的功能性成像的方法和装置
CN111557691A (zh) * 2014-07-02 2020-08-21 国家科研中心 用于大脑的功能性成像的方法和装置
CN106572839B (zh) * 2014-07-02 2021-11-02 国家科研中心 用于大脑的功能性成像的方法和装置
CN107533650A (zh) * 2015-02-27 2018-01-02 爱德克斯公司 曲线匹配和预审
CN105184953A (zh) * 2015-08-03 2015-12-23 深圳怡化电脑股份有限公司 一种纸币处理的方法及装置
CN105184953B (zh) * 2015-08-03 2017-12-08 深圳怡化电脑股份有限公司 一种纸币处理的方法及装置

Also Published As

Publication number Publication date
CN100371953C (zh) 2008-02-27
KR20070026290A (ko) 2007-03-08
WO2005124688A1 (ja) 2005-12-29
HK1092259A1 (en) 2007-02-02
KR101122944B1 (ko) 2012-03-22
EP1758060A1 (en) 2007-02-28
TW200614098A (en) 2006-05-01
US7848576B2 (en) 2010-12-07
EP1758060B1 (en) 2013-12-11
US20080232713A1 (en) 2008-09-25
TWI341498B (zh) 2011-05-01
EP1758060A4 (en) 2009-07-22

Similar Documents

Publication Publication Date Title
CN1839411A (zh) 图像相关方法、图像相关设备、以及程序
CN1254769C (zh) 图像处理方法和装置
CN1269081C (zh) 图象角度检测装置及具备该装置的扫描线内插装置
CN1324521C (zh) 用于识别图象字符的预处理设备和方法
CN1159704C (zh) 信号分析装置
CN1178460C (zh) 图象编码方法和图象编码装置
CN1846232A (zh) 使用加权信息的对象姿态估计和匹配系统
CN1855227A (zh) 用于分离音频信号的装置和方法
CN1640142A (zh) 对小波变换系数进行编码的方法和设备
CN1867940A (zh) 成像装置及其图像处理方法
CN101056392A (zh) 一种数字水印嵌入方法及其装置
CN1947150A (zh) 虹彩注册方法、虹彩注册装置及虹彩注册程序
CN1805531A (zh) 图像处理装置及方法、记录介质、以及程序
CN1406056A (zh) 自动灰度等级补正装置、方法和记录媒体
CN1428740A (zh) 三维信息检测装置、三维信息检测传感器装置及三维信息指示装置
CN1801183A (zh) 信息处理装置和方法以及程序
CN1755709A (zh) 图像匹配装置、匹配图像方法及计算机程序产品
CN1262986C (zh) 图象处理方法及图象处理装置
CN1770864A (zh) 基于avs的4×4离散余弦变换的快速并行装置及其方法
CN1503462A (zh) 混频电路和使用它的高频信号接收装置
CN1776621A (zh) 程序变换方法
CN1926768A (zh) 信号处理装置和方法及信号处理程序和记录该程序的记录介质
CN1545683A (zh) 数据转换装置、数据转换方法、学习装置、学习方法、程序和记录介质
CN1223311C (zh) 超声波诊断装置
CN1479253A (zh) 图象处理器件、计算机程序产品和图象处理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1092259

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1092259

Country of ref document: HK

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20080227

Termination date: 20210615