專利名稱：一種識別部分遮擋曲面物體的方法
技術領域：
本發(fā)明涉及一種識別曲面物體的方法，尤其涉及一種識別部分遮擋曲面物體的方法。
背景技術：
在物體識別的許多應用中，都是匹配物體的圖像與模型庫識別物體。如果輪廓包 含足夠的信息，那么識別的問題就轉化為平面曲線的匹配問題。傳統(tǒng)的識別方法大都是提 取待識別目標和模型曲線的關鍵特征點，通過特征點的匹配達到對目標的識別。但在實際 情況中，特征點的提取不可能完全準確，噪聲和遮擋也不可避免地存在，因此采用傳統(tǒng)的點 點對應的匹配算法不能奏效。主要用于測量兩個點集之間匹配程度的Hausdorff距離(簡 稱HD)不需要建立兩個點集之間點與點的對應，將模板與被遮擋的目標圖像匹配時也能產(chǎn) 生較好的效果。在通常的Hausdorff距離計算中，由于是對物體邊緣象素點逐個計算，當直 接比較2個大尺寸物體邊緣圖像的相似程度時，其計算量非常大。用關鍵特征點(角點，切 點，拐點)代替邊緣點來計算Hausdorff距離，大大降低了 Hausdorff距離的計算復雜度。 Nirwan等和N. Ayache等直接用關鍵特征點進行匹配，認為特征點匹配，這兩條曲線就相互 匹配。實際上輪廓曲線用特征點表示不具有唯一性，兩個特征點之間可以連成光滑的任意 曲線。在機器人裝配線中，由于多個物體堆積或重疊在一起，物體的圖像產(chǎn)生相互遮擋；在 遙感圖像識別方面，物體可能被樹、房屋和車輛的影子遮擋，因此有必要開展部分遮擋物體 的識別研究。目前，對于部分遮擋物體的識別學者們已進行了一些研究。Krolu卯er提出 用圓弧逼進物體的邊界，是對物體的局部描述，且對遮擋是魯棒的。但該方法假設物體的邊 界是一條封閉曲線，物體只經(jīng)過平移、旋轉和比例變化。Shan提出了將模型物體表示為直 方圖的集合，然后將待識別物體的直方圖與模型直方圖匹配?？山鉀Q部分遮擋物體的匹配。 Park提出用特征間的二值向量關系描述物體，物體的標記僅僅受特征間的二值關系值的影 響，該方法是基于局部特征的描述方法。Cho根據(jù)很多物體都具有對稱性的特點，首先根據(jù) 對稱性恢復物體被遮擋部分的形狀，而后再進行匹配，該方法能識別剛體變換下的三維物 體，但該方法只適合于識別有對稱結構和截面為橢圓或近似圓的部分遮擋物體。Dinesh提 出了基于完美哈希法(perfect hash)識別部分遮擋的物體。Gorman用動態(tài)規(guī)劃識別被遮 掩形狀，他們首先提出了基于Fourier描繪子的線段表示方法，每個形狀被分成幾個線段， 每個線段由一個長度為2的Fourier描繪子表示，然后計算模型與待識別目標之間的動態(tài) 匹配表，最后根據(jù)匹配的線段數(shù)來判斷是否匹配。Schwartz直接匹配兩條曲線，將兩條曲線 進行等間距的分割，由此產(chǎn)生了兩個曲線的點集，然后用最小二乘法計算兩條曲線點集間 的距離。計算出的距離小于給定的閾值則認為這兩條曲線是匹配的。這種方法只適合于模 型曲線完全包含了場景曲線，并且這種直接匹配的方法在復雜的變換下是失效的。Rajpal 提出了用神經(jīng)網(wǎng)絡來解決遮掩問題，使用了多層感知網(wǎng)和索引的方法來匹配部分遮擋的形 狀，在一定程度上解決了部分遮掩問題。上述的別方法均只適用于剛體或相似變換，在仿射 變換或透視變換下會失效。張等提出了平面多邊形狀目標存在遮擋的識別方法，且能適合 于仿射變換。但在工程上，有些物體不一定能用平面多邊形近似。Orrite提出用雙切點描述物體的局部邊界，并用優(yōu)化的Hausdorff距離(簡稱PHD)度量模型和目標的匹配程度， 但該度量的可區(qū)分性小，會導致誤判，且在存在較大幾何變換的情況下，模型和圖像的一一 對應關系不能獲得。 上述大部分的方法都只適合于簡單的剛體變換和相似變換，而攝像機成像模型不 是簡單的剛體和相似變換。0rrite的識別方法雖然適合于透視變換，但它的方法用優(yōu)化的 Hausdorff距離(簡稱PHD)度量模型和目標的匹配程度，該度量的可區(qū)分性小，會導致誤 判，且在存在較大幾何變換的情況下，模型和圖像的一一對應關系不能獲得。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術中存在的缺陷和不足，提供了一種識別部分遮擋曲面物體 的方法，基于改進的Hausdorff距離和匹配子曲線識別部分遮擋的曲面物體的方法。本 發(fā)明提出首先提取模型和待識別目標的輪廓曲線上的關鍵特征點，基于這些關鍵特征點 將輪廓曲線分段，通過對每段子曲線的識別實現(xiàn)對整條曲線的識別；提出一種新且穩(wěn)定的 Hausdorff距離(簡稱RHD)，基于RHD測量目標和模型特征點集的匹配程度，估計最佳仿射 或透視變換矩陣；基于最佳仿射或透視變換矩陣搜尋目標和模型所有子曲線的匹配段對， 計算匹配率，匹配仿射或透視變換下部分遮擋的曲線。該算法匹配目標和模型輪廓曲線上 的每段子曲線，解決了用特征點表示曲線的不唯一性問題；新的RHD綜合考慮了出格點和 遮擋的影響，能夠勝任有遮擋和噪聲的曲線的匹配。理論分析和實例結果表明該發(fā)明提出 的方法適合于仿射變換或透視變換，抗噪聲能力強，在有比較大的遮擋時仍有效。
本發(fā)明是這樣來實現(xiàn)的，其特征是識別方法為 (1)首先提取模型輪廓和待識別目標輪廓的關鍵特征點，用關鍵特征點初步描述
輪廓曲線，這些關鍵特征點將目標輪廓和模型輪廓曲線分成許多子曲線； (2)提出一種穩(wěn)定的Hausdorff距離，基于穩(wěn)定的Hausdorff距離測量模型和待識
別目標輪廓曲線上關鍵特征點集的匹配程度，并確定最佳仿射或透視變換矩陣； (3)在關鍵特征點匹配的前提下，再匹配目標和模型輪廓曲線上的每段子曲線，設
計了一種新的算法匹配目標和模型輪廓曲線上的每段子曲線； (4)最后基于得到的最佳仿射變換陣搜尋目標和模型所有子曲線的匹配段對，計
算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。 本發(fā)明所述的關鍵特征點優(yōu)選角點、切點和拐點。 本發(fā)明的優(yōu)點是1、攝像機成像模型不是簡單的剛體和相似變換，本發(fā)明將部分 遮擋曲面物體的識別擴展到仿射變換或透視變換；2、能夠勝任有遮擋和噪聲的曲面物體的 識別；3、用關鍵特征點代替邊緣象素點計算Hausdorff距離，可大大降低Hausdorff距離的 計算復雜度；在估計仿射變換或透視變換矩陣時，采取了同類點匹配的原則，大大減少了搜 索空間，提高了估計仿射變換或透視變換矩陣的效率；4、建立了模型與待識別目標特征間 的一一對應關系，解決了通常的基于Hausdorff距離的匹配方法不能處理特征之間對應關 系的問題；5、解決了用多邊形或圓錐曲線近似曲線的低精度性問題。


圖1為本發(fā)明曲線的模型輪廓細分圖.
4
圖2為本發(fā)明的模型成仿射對應的目標輪廓。
圖3、圖4為本發(fā)明的噪聲與識別率的關系圖。
圖5為本發(fā)明的遮擋率與識別率的關系圖。
具體實施例方式
1、改進的Hausdorff距離 首先，本發(fā)明綜合考慮出格點、遮擋等因素，構造出一種穩(wěn)定的Hausdorff距離
(簡稱RHD)度量關鍵特征點集A和B之間的相似度，其中點集A是模型輪廓經(jīng)過投影變換
后的關鍵特征點的集合，點集B是目標輪廓關鍵特征點的集合，在該度量函數(shù)中同時考慮
遮擋和出格點的影響。 RHD具體定義如下
(w應(^)/w畫W))" .maxmin || a-6 ||),其它
、乾…若w謂(v4)S3
其中num(A)表示特征點集A中特征點的個數(shù)，點集A'是滿足{min || a_b II < S } 的集合，S是用來消除出格點的閾值，M是一個具有很大值的常數(shù)。當集合A'中的元素個 數(shù)不大于3時，hKm置為M ;反之hKHD的值由兩項決定，前一項主要考慮遮擋的因素，后一項 主要考慮出格點的影響，其值取集合A'中de(a')的最大值。(1)式中的閾值取3是因為
在假設中計算仿射變換矩陣時至少用到三對對應點，所以無論模型與目標是否具有對應關 系，至少都有三對點會滿足{min II a-b || < S }的條件。
Hkh。(A，B)按下式求得 H咖(A， B) = max (h咖(A， B) ， h咖(B， A)) (2) 通過恰當?shù)剡x取參數(shù)S ，出格點能被很好地克服。類似地，通過恰當?shù)剡x取參數(shù) P，遮擋問題能得到很好的解決.因此H,(A，B)對出格點及物體遮擋均不敏感。
本文提出的方法與Orrite (Carlos Orrite and J. Elias Herrro. Sh鄰e matchingof partially occluded curves invariant under projective transformation[J]. ComputerVision and Image Understanding,2004，93(2) :pp34_64) 方法的主要區(qū)別有以下三點l、0rrit的Hausdorff距離是對物體邊緣象素點逐個計算，當 直接比較兩個大尺寸物體邊緣圖像的相似度時，其計算量非常大，本文用關鍵特征點(角 點，切點，拐點)代替邊緣象素點計算Hausdorff距離，可大大降低Hausdorff距離的計算 復雜度；2、 Orrite只考慮了出格點的影響，在錯誤圖像和存在較大遮擋的圖像匹配中，PHD 的值仍比較大，該度量的可區(qū)分性小，會導致誤判，本文綜合考慮了出格點和遮擋的影響， 能夠勝任有遮擋和噪聲的曲線匹配；3、0rrite認為PHD取得全局最小值所對應的模型即是 與目標匹配的模型，實際上由于物體遮擋和圖像噪聲的存在，使得PHD取得全局最小值所 對應的模型并不一定是與目標匹配的模型，本文在滿足RHD < p(p是給定的閾值)的候選 模型中，通過進一步匹配子曲線和計算匹配率，確定與目標匹配的模型。2、匹配模型和待識別輪廓曲線上的關鍵特征點 本發(fā)明提出的RHD作為測度匹配模型曲線和待識別曲線上的關鍵特征點，并將點 的匹配限制在同一類型上進行，即角點、切點、拐點分別只能與角點、切點、拐點對應。這樣 可大大減少搜索空間，提高匹配效率。 用關鍵特征點代替象素點計算RHD，并遵循同類點匹配原則，但關鍵特征點的匹配
方案仍然有多種，本發(fā)明通過求取RHD的最小值估計姿態(tài)變換陣，求得的最小RHD是一個局
部最小值，即模型中的某一條曲線與目標輪廓匹配時，在特征點的各種匹配方案中，RHD取
最小值。對于模型庫中的每條曲線都對應著一個局部最小的RHD。滿足RHD〈p(p是給定
的閾值)的仿射變換矩陣都認為是可能的最佳仿射或透視變換矩陣。因為物體遮擋和圖像
噪聲的存在，使得這些局部最小值中的全局最小值對應的模型不一定是所求的模型，故需
進一步用匹配率驗證。 匹配關鍵特征點的方法如下 St印l :提取待識別目標輪廓上的關鍵特征點； St印2:根據(jù)同類點匹配的原則，與模型輪廓Mi(i = 1，2...，n，n為模型庫中模型 的個數(shù))上的同類點進行匹配； St印3:估計模型曲線與待識別曲線的仿射或透視變換矩陣T，計算模型曲線經(jīng)過 上述仿射或透視變換后的曲線與待識別曲線關鍵特征點間的RHD ; St印4 :與用其它匹配方案計算出的RHD進行比較，得到RHD的一個局部最小值；
St印5 :目標與模型庫中的每條曲線進行匹配，都可以得到一個局部最小的RHD， 滿足RHD〈p(p是給定的閾值)的仿射變換矩陣都是可能的最佳仿射或透視變換矩陣(若 有m個)； St印6:仿射或透視變換矩陣求出的同時，模型和待識別曲線的關鍵特征點的對應 關系也即確定了。 3、匹配模型和待識別目標輪廓曲線的子曲線 兩條曲線的關鍵特征點匹配，不一定表示這兩條曲線匹配。由于在兩個不變點之 間，曲線的形狀不唯一，即用關鍵特征點表示曲線不具有唯一性。為了解決這個問題，我們 將曲線上兩個關鍵特征點間的每段子曲線根據(jù)精度要求進行細分[1°]。判斷兩條曲線上對 應的細分點是否滿足同樣的仿射對應關系。 如圖1、圖2所示，根據(jù)精度要求將弧12細分，細分點為a， b， . . . i，過這些細分點 分別作定方向的(與連接兩個特征點的直線平行)掃描線。
匹配子曲線的算法如下 (1)根據(jù)精度要求細分相鄰兩特征點間的子曲線，如圖1中的12 ; (2)過模型曲線上的這些細分點作一系列定方向的掃描線，這些掃描線與模型輪
廓曲線上過某兩個特征點的連線平行； (3)將這些掃描線根據(jù)仿射變換矩陣T映射到目標平面上，映射后的掃描線與目 標輪廓曲線上的對應曲線段l' 2'有一系列的交點，如圖2所示； (4)驗證模型與待識別曲線對應子曲線上的細分點是否對應，以及對應的細分點 之間的關系是否滿足前面計算出的仿射變換關系T ; (5)若(4)中條件滿足，則模型和待識別曲線的該段子曲線匹配。
4、部分遮擋曲面物體的識別算法 假設模型庫中滿足RHD < p的模型有m個，其輪廓用Mt表示，i = 1 ， 2. . . ，m，待識
別目標的輪廓用I表示。 具體的識別算法如下 St印l :提取目標輪廓曲線上的關鍵特征點，根據(jù)關鍵特征點將待識別物體的輪廓 曲線分段； St印2:根據(jù)同類點匹配原則初步匹配目標和模型曲線上的關鍵特征點，再根據(jù)第 2節(jié)的方法確定關鍵特征點的對應關系； St印3:匹配模型輪廓與待識別目標輪廓的每段子曲線，記錄相互匹配的段數(shù)ki， 若目標輪廓和第i個模型的輪廓相互匹配的曲線段數(shù)目最多，即b最大，則把目標歸為模 型i中，識別完畢。 假設從第j個特征點開始連續(xù)(如果不連續(xù)，可循環(huán)移位使之變成連續(xù)的)有kj 小段模型曲線與待識別曲線相互匹配，則匹配率的定義為f = k/Ki，待識別的目標輪廓與 庫中某個模型比較，即取該模型的總段數(shù)Ki為分母。0<f < l，f越接近于l，說明這兩條
曲線越相似。上式所決定的匹配率不僅是分類的依據(jù)，而且還反映了圖形的完整程度。 以識別工作臺上的工具及機器零件為目的，攝像機在工作臺上方，攝像機到工作 臺的距離與工具或機器零件的最大高度之比大于10。工作臺上的工具或機器零件都可以近 似簡化為二維曲面物體。多組實驗結果均表明本發(fā)明提出的方法是切實可行的，效果較好。
為了驗證本發(fā)明提出的識別方法的穩(wěn)定性，通過對合成圖像和真實圖像提取出的 關鍵特征點的端點坐標增加高斯噪聲，驗證識別率和噪聲的關系。 分別對圖象中提取出的關鍵特征點的端點加o 2為0. 5， 1， 1. 5， 2. 5， 3的高斯噪 聲，重復進行實驗，得到識別率與噪聲的關系圖，如圖3、圖4所示。圖中帶有"o"標志的曲 線為文獻Carlos Orrite and J. Elias Herrro. Sh即e matching ofpartially occluded curves invariant under projective transformation[J]. ComputerVision and Image Understanding, 2004， 93 (2) :pp34_64中基于PHD的方法得到的識別率與噪聲的關系圖，帶 有"*"標志的曲線為基于本文提出RHD的方法得到的識別率與噪聲的關系圖。實驗結果表 明本文提出的基于RHD的方法具有更好的魯棒性。 為了驗證識別率和遮擋率的關系，輸入圖像的被遮擋部分的比率慢慢增加。對實 驗中的圖形分別遮擋10 % 、20 % ， 30 % ， 40 % ， 50 % ， 60%重復進行實驗，得到識別率與遮擋 率的關系圖(其中o2 = 0.5)，如圖5所示。圖中帶有'+ '標志和'*'標志的曲線為圖5 的遮擋率與識別率的關系圖，這兩條曲線很接近，說明了本文提出的識別部分遮擋物體的 算法具有較好的處理遮擋能力，只要待識別物體輪廓曲線有40 %幸存，本文的算法就能識 別出物體。
權利要求
一種識別部分遮擋曲面物體的方法，其特征是識別方法為(1)首先提取模型輪廓和待識別目標輪廓的關鍵特征點，用關鍵特征點初步描述輪廓曲線，這些關鍵特征點將目標輪廓和模型輪廓曲線分成許多子曲線；(2)提出一種穩(wěn)定的Hausdorff距離，基于穩(wěn)定的Hausdorff距離測量模型和待識別目標輪廓曲線上關鍵特征點集的匹配程度，并確定最佳仿射或透視變換矩陣；(3)在關鍵特征點匹配的前提下，再匹配目標和模型輪廓曲線上的每段子曲線，設計了一種新的算法匹配目標和模型輪廓曲線上的每段子曲線；(4)最后基于得到的最佳仿射變換陣搜尋目標和模型所有子曲線的匹配段對，計算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。
全文摘要
一種識別部分遮擋曲面物體的方法，其特征是識別方法為(1)首先提取模型輪廓和待識別目標輪廓的關鍵特征點；(2)提出一種新且穩(wěn)定的Hausdorff距離(簡稱RHD)，基于RHD測量模型和待識別目標輪廓曲線上關鍵特征點集的匹配程度，確定最佳仿射或透視變換矩陣；(3)在關鍵特征點匹配的前提下，再匹配目標和模型輪廓曲線上的每段子曲線；(4)計算匹配率，識別仿射或透視變換下部分遮擋的曲面物體。本發(fā)明的優(yōu)點是1、將部分遮擋曲面物體的識別擴展到仿射變換或透視變換；2、能夠勝任有遮擋和噪聲的曲面物體的識別；3、大大減少了搜索空間，提高了估計仿射變換或透視變換矩陣的效率；4、建立了模型與待識別目標特征間的一一對應關系；5、解決了用多邊形或圓錐曲線近似曲線的低精度性問題。
文檔編號G06T7/40GK101794379SQ20101010588
公開日2010年8月4日 申請日期2010年2月4日 優(yōu)先權日2010年2月4日
發(fā)明者儲珺, 馮瑞娜, 張桂梅, 繆君 申請人:南昌航空大學