一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法
【專利摘要】本發(fā)明公開了一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法。獲取水果的左、右側(cè)面圖像：進(jìn)行斑點(diǎn)提取，分別采用極值點(diǎn)檢測(cè)法、Harris角點(diǎn)檢測(cè)法、Canny邊緣檢測(cè)法得到左圖斑點(diǎn)集和右圖斑點(diǎn)集；對(duì)其中每一個(gè)點(diǎn)進(jìn)行匹配判斷，得到待選匹配點(diǎn)集；對(duì)待選匹配點(diǎn)集進(jìn)行誤匹配點(diǎn)剔除，篩選得到正確的匹配點(diǎn)集；完成水果圖像的匹配。本發(fā)明通過斑點(diǎn)提取以及對(duì)斑點(diǎn)進(jìn)行向量法判斷使得水果圖像匹配取得了優(yōu)良的穩(wěn)定性、精確性和實(shí)時(shí)性。
【專利說明】一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種水果圖像匹配方法，尤其是涉及圖像處理【技術(shù)領(lǐng)域】的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法。
【背景技術(shù)】
[0002]圖像匹配是指通過一定的匹配方法在兩幅或多幅圖像之間識(shí)別同一個(gè)點(diǎn)。近年來，圖像匹配己成為物體辨識(shí)、機(jī)器人地圖感知與導(dǎo)航、影像縫合、3D模型建立、手勢(shì)辨識(shí)、影像追蹤和動(dòng)作比對(duì)等圖像分析處理領(lǐng)域的關(guān)鍵技術(shù)和研究熱點(diǎn)。
[0003]水果表面信息的獲取是水果的大小、形狀、表面顏色和表面缺陷等品質(zhì)指標(biāo)檢測(cè)的基礎(chǔ)。表面顏色和表面缺陷檢測(cè)的準(zhǔn)確度依賴于水果完整表面圖像的獲取，圖像拼接技術(shù)是實(shí)現(xiàn)水果完整表面圖像獲取的關(guān)鍵，而圖像匹配技術(shù)是圖像拼接技術(shù)的基礎(chǔ)。
[0004]SIFT (Scale Invariant Feature Transform)方法是 David Lowe 于 1999 年提出的局部特征描述子(David.G.Lowe.0bject recognit1n from local scale-1nvariantfeatures.1nternat1nal Conference on Computer Vis1n, Corfu,Greece,1999:1150-1157),并于2004年進(jìn)行了更深入的發(fā)展和完善(David.G.Lowe.Distinctive imagefeatures from scale-1nvariant keypoints[J].1nternat1nal Journal of ComputerVis1n, 2004, 60(2):91_110)。提取的SIFT特征向量對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。
[0005]但是水果的在線檢測(cè)與分級(jí)對(duì)方法要求較高，一方面，SIFT方法為提高匹配適應(yīng)性造成了該方法的復(fù)雜性，因此計(jì)算量大、耗時(shí)長，原SIFT方法無法滿足在線要求；另一方面，常用的誤匹配點(diǎn)剔除方法RANSAC方法(Chum O, Matas J.0ptimal randomizedRANSAC[J].1EEE Trans.0n Pattern Analysis and Machine Intelligence, 2008, 30(8): 1472-1482)的基本假設(shè)是樣本中包含正確數(shù)據(jù)(inliers，可以被模型描述的數(shù)據(jù))，也包含異常數(shù)據(jù)(Outliers，偏離正常范圍很遠(yuǎn)、無法適應(yīng)數(shù)學(xué)模型的數(shù)據(jù))，即數(shù)據(jù)集中含有噪聲。這些異常數(shù)據(jù)可能是由于錯(cuò)誤的測(cè)量、錯(cuò)誤的假設(shè)、錯(cuò)誤的計(jì)算等產(chǎn)生的，而水果編碼顏色特征差異較小使得基于SIFT方法的水果圖像匹配無法穩(wěn)定地得到匹配點(diǎn)，一次匹配得到的匹配點(diǎn)數(shù)為O到多個(gè)，因此無法采用該類方法進(jìn)行水果圖像的誤匹配點(diǎn)剔除。

【發(fā)明內(nèi)容】

[0006]為了解決【背景技術(shù)】中存在的問題，本發(fā)明提出一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法。
[0007]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是包括如下步驟:
[0008]I)獲取水果側(cè)面圖像:
[0009]將水果放置在水果托盤上，使得水果的花萼果梗連線與水平面基本垂直，從水果側(cè)面采集一幅左側(cè)面圖像，再以水果的花萼果梗連線為軸，旋轉(zhuǎn)水果60°后再采集一幅右側(cè)面圖像；[0010]2)進(jìn)行斑點(diǎn)提取，得到左圖斑點(diǎn)集和右圖斑點(diǎn)集；
[0011]3)對(duì)步驟2)得到的左、右圖斑點(diǎn)集的每一個(gè)點(diǎn)進(jìn)行匹配判斷，得到待選匹配點(diǎn)集;
[0012]4)對(duì)步驟3)得到的待選匹配點(diǎn)集中每一對(duì)待選匹配點(diǎn)進(jìn)行誤匹配點(diǎn)剔除，篩選得到正確的匹配點(diǎn)；
[0013]5)完成水果圖像的匹配。
[0014]所述的步驟2)中進(jìn)行斑點(diǎn)提取包括以下具體步驟:
[0015]2.1)極值點(diǎn)檢測(cè):
[0016]首先將左側(cè)面圖像和右側(cè)面圖像按以下公式I進(jìn)行計(jì)算，得到初始高斯左圖、初始聞斯右圖:
[0017]L (X，y, σ ) =G (x, y, σ ) *1 (χ, y) (I)
[0018]其中，L(x, y, σ)為計(jì)算得到的初始高斯圖像，I (X，y)為待計(jì)算的側(cè)面圖像，G(x, y,σ)的表達(dá)式為以下公式2:
[0019]
【權(quán)利要求】
1.一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于包括如下步驟: 1)獲取水果側(cè)面圖像: 將水果放置在水果托盤上，使得水果的花萼果梗連線與水平面基本垂直，從水果側(cè)面采集一幅左側(cè)面圖像，再以水果的花萼果梗連線為軸，旋轉(zhuǎn)水果60°后再采集一幅右側(cè)面圖像； 2)進(jìn)行斑點(diǎn)提取，得到左圖斑點(diǎn)集和右圖斑點(diǎn)集； 3)對(duì)步驟2)得到的左、右圖斑點(diǎn)集的每一個(gè)點(diǎn)進(jìn)行匹配判斷，得到待選匹配點(diǎn)集； 4)對(duì)步驟3)得到的待選匹配點(diǎn)集中每一對(duì)待選匹配點(diǎn)進(jìn)行誤匹配點(diǎn)剔除，篩選得到正確的匹配點(diǎn)； 5)完成水果圖像的匹配。
2.根據(jù)權(quán)利要求1所述的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于:所述的步驟2)中進(jìn)行斑點(diǎn)提取包括以下具體步驟: 2.1)極值點(diǎn)檢測(cè): 首先將左側(cè)面圖像和右側(cè)面圖像按以下公式I進(jìn)行計(jì)算，得到初始高斯左圖、初始高斯右圖:
L (X，y, σ ) =G (X，y, σ ) *1 (χ, y) (I) 其中，L(x, y, σ)為計(jì)算得到的初始高斯圖像，I(x, y)為待計(jì)算的側(cè)面圖像，G(x, y, σ)的表達(dá)式為以下公式2: G(x ,y ,σ) = ^^.6_(χ20,2σ2(2) 其中，σ —尺度坐標(biāo)，χ、y分別為左側(cè)面圖像或者右側(cè)面圖像的橫縱坐標(biāo)； 然后將初始高斯左圖、初始高斯右圖放大一倍，得到第一層高斯左圖和第一層高斯右圖；再將第一層高斯左圖和第一層高斯右圖按上述公式I再計(jì)算，得到第二層高斯左圖和第二層高斯右圖； 最后將第二層高斯左圖減去第一層高斯左圖得到的圖像得到高斯差分左圖，將第二層高斯右圖減去第一層高斯右圖得到的圖像得到高斯差分右圖； 對(duì)于高斯差分左圖和高斯差分右圖中每一個(gè)像素點(diǎn)P，如果像素點(diǎn)P的灰度值均小于或均大于以像素點(diǎn)P為中心的3X3鄰域中其余各個(gè)像素點(diǎn)的灰度值，則將像素點(diǎn)P標(biāo)記為極值點(diǎn)； 對(duì)高斯差分左圖和高斯差分右圖的每一個(gè)像素點(diǎn)進(jìn)行遍歷，分別得到左圖高斯差分極值點(diǎn)集和右圖高斯差分極值點(diǎn)集； 2.2)Harris角點(diǎn)檢測(cè): 對(duì)步驟I)得到的左側(cè)面圖像和右側(cè)面圖像分別進(jìn)行Harris角點(diǎn)檢測(cè)，分別得到左圖Harris角點(diǎn)集和右圖Harris角點(diǎn)集； 2.3) Canny邊緣檢測(cè): 將步驟I)得到的左側(cè)面圖像和右側(cè)面圖像分別進(jìn)行Canny邊緣檢測(cè)，得到左圖邊緣圖像和右圖邊緣圖像，對(duì)左圖邊緣圖像和右圖邊緣圖像進(jìn)行一次形態(tài)學(xué)膨脹運(yùn)算，再對(duì)形態(tài)學(xué)膨脹運(yùn)算后得到的圖像作輪廓提取并填充所有輪廓，剔除其中面積大于100個(gè)像素點(diǎn)的輪廓后再做一次形態(tài)學(xué)腐蝕運(yùn)算，然后再對(duì)形態(tài)學(xué)腐蝕運(yùn)算后得到的圖像作輪廓提取并將所有輪廓中心點(diǎn)坐標(biāo)輸出，分別得到左圖輪廓中心點(diǎn)集和右圖輪廓中心點(diǎn)集； 然后將左圖高斯差分極值點(diǎn)集、左圖Harris角點(diǎn)集和左圖輪廓中心點(diǎn)集進(jìn)行合并，對(duì)于坐標(biāo)重復(fù)的點(diǎn)，保留其中一個(gè)并剔除其余坐標(biāo)重復(fù)的點(diǎn)，得到左圖斑點(diǎn)集；將右圖高斯差分極值點(diǎn)集、右圖Harris角點(diǎn)集和右圖輪廓中心點(diǎn)集進(jìn)行合并，對(duì)于坐標(biāo)重復(fù)的點(diǎn)，保留其中一個(gè)并剔除其余坐標(biāo)重復(fù)的點(diǎn)，得到右圖斑點(diǎn)集。
3.根據(jù)權(quán)利要求1所述的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于:所述的步驟3)中對(duì)左圖斑點(diǎn)集的每一個(gè)點(diǎn)與右圖斑點(diǎn)集的每一個(gè)點(diǎn)進(jìn)行匹配判斷包括以下具體步驟: 3.1)以左圖斑點(diǎn)集中的待選點(diǎn)A為中心，選擇70X70的矩形區(qū)域，搜索左圖斑點(diǎn)集中處于該矩形區(qū)域內(nèi)與待選點(diǎn)A距離最近的點(diǎn)，記為點(diǎn)B,并計(jì)算待選點(diǎn)A到點(diǎn)B的向量,記為AB', 3.2)搜索右圖斑點(diǎn)集中與待選點(diǎn)A縱坐標(biāo)差在6個(gè)像素點(diǎn)以內(nèi)的待選點(diǎn)A’,以待選點(diǎn)A’為中心，選擇70X70的矩形區(qū)域，搜索右圖斑點(diǎn)集中處于該矩形區(qū)域內(nèi)與點(diǎn)B縱坐標(biāo)差在6個(gè)像素點(diǎn)以內(nèi)的點(diǎn)且與待選點(diǎn)A’最近的點(diǎn),記為點(diǎn)B’，計(jì)算待選點(diǎn)A’到點(diǎn)B’的向量Z?;若找不到該點(diǎn)B’則舍棄待選點(diǎn)A與待選點(diǎn)A’作為一對(duì)匹配點(diǎn)，并結(jié)束對(duì)待選點(diǎn)A與待選點(diǎn)A’匹配判斷的余下步驟；3.3)搜索左圖斑點(diǎn)集中處于以待選點(diǎn)A為中心的70X70矩形區(qū)域內(nèi)與待選點(diǎn)A距離次近的點(diǎn)，記為點(diǎn)C,計(jì)算待選點(diǎn)A到點(diǎn)C的向量，若找不到該點(diǎn)C則舍棄待選點(diǎn)A與待選點(diǎn)A’作為一對(duì)匹配點(diǎn)，并結(jié)束對(duì)待選點(diǎn)A與待選點(diǎn)A’匹配判斷的余下步驟； 3.4)搜索右圖斑點(diǎn)集中處于以待選點(diǎn)A’為中心的70X70矩形區(qū)域內(nèi)與點(diǎn)C縱坐標(biāo)差在6個(gè)像素點(diǎn)以內(nèi)的點(diǎn)且與待選點(diǎn)A’最近的點(diǎn),記為點(diǎn)C’，并計(jì)算待選點(diǎn)A’到點(diǎn)C’的向量若找不到該點(diǎn)C’則舍棄待選點(diǎn)A與待選點(diǎn)A’作為一對(duì)匹配點(diǎn)，并結(jié)束對(duì)待選點(diǎn)A與待選點(diǎn)A’匹配判斷的余下步驟； 3.5)米用公式3分別計(jì)算向量與向量的夾角α和向量與向量的夾角β，米用公式4計(jì)算向量:Αβ與向量的模值之差Ciis1和向量與向量I的模值之差dis2:
4.根據(jù)權(quán)利要求1所述的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于:所述的步驟4)中進(jìn)行誤匹配點(diǎn)剔除具體采用以下步驟: 4.1)邊緣點(diǎn)剔除: 待選匹配點(diǎn)集中某一對(duì)待選匹配點(diǎn)在左側(cè)面圖像和左側(cè)面圖像中分別為待選匹配點(diǎn)P和待選匹配點(diǎn)P’，并以待選匹配點(diǎn)P和待選匹配點(diǎn)P’為中心，分別選取20X20的矩形區(qū)域，若兩個(gè)矩形區(qū)域內(nèi)任何一個(gè)矩形區(qū)域內(nèi)存在紅、綠、藍(lán)三分量值均大于200的像素點(diǎn)，則舍棄待選匹配點(diǎn)P和待選匹配點(diǎn)P’作為一對(duì)正確的匹配點(diǎn)； 4.2)進(jìn)行第一輪向量判斷: 4.2.1)若上述得到待選匹配點(diǎn)集中匹配點(diǎn)的對(duì)數(shù)小于3，則直接進(jìn)行步驟4.3)； 4.2.2)左側(cè)面圖像中，以待選匹配點(diǎn)P為中心，選擇70X70的矩形區(qū)域，搜索該矩形區(qū)域內(nèi)與點(diǎn)P距離最近的待選匹配點(diǎn)，記為待選匹配點(diǎn)Q，計(jì)算待選匹配點(diǎn)P到待選匹配點(diǎn)Q的向量 若找不到該待選匹配點(diǎn)Q則舍棄待選匹配點(diǎn)P和待選匹配點(diǎn)P’作為一對(duì)正確的匹配點(diǎn)，并結(jié)束對(duì)待選匹配點(diǎn)P與待選匹配點(diǎn)P’的余下判斷步驟； 4.2.3)與左側(cè)面圖像中待選匹配點(diǎn)Q對(duì)應(yīng)的右側(cè)面圖像中待選匹配點(diǎn)為Q’，計(jì)算待選匹配點(diǎn)P’到待選匹配點(diǎn)Q’的向量 4.2.4)左側(cè)面圖像中，搜索以待選匹配點(diǎn)P為中心的70X70矩形區(qū)域內(nèi)與待選匹配點(diǎn)P距離次近的待選匹配點(diǎn)，記為待選匹配點(diǎn)R，計(jì)算待選匹配點(diǎn)P到待選匹配點(diǎn)R的向量PR-, 若找不到該待選匹配點(diǎn)R則舍棄待選匹配點(diǎn)P和待選匹配點(diǎn)P’作為一對(duì)匹配點(diǎn)，并結(jié)束對(duì)待選匹配點(diǎn)P與待選匹配點(diǎn)P’的余下判斷步驟； 4.2.5)與左側(cè)面圖像中待選匹配點(diǎn)R對(duì)應(yīng)的右側(cè)面圖像中待選匹配點(diǎn)為R’，計(jì)算待選 匹配點(diǎn)P’到待選匹配點(diǎn)R’的向量?; 4.2.6)采用公式3分別計(jì)算向』I與向量P的夾角P和向量;^與向量的夾角μ，采用公式4計(jì)算向量%與向量W的模值之差Clis3和向量;^與向量;^的模值之差dis4 ； 4.2.7)若滿足向量;^與向量;^的夾角P〈15°且向量與向量的模值之差dis3〈8，或滿足向量戶瓦與向量;的夾角μ〈18°且向量與向量;^的模值之差dis4〈10，則繼續(xù)進(jìn)行下面步驟，否則舍棄待選匹配點(diǎn)P和待選匹配點(diǎn)P’作為一對(duì)正確的匹配點(diǎn)； 4.3)第二輪向量判斷； 對(duì)步驟4.2.7)得到的待選匹配點(diǎn)P和待選匹配點(diǎn)P’重復(fù)上述步驟4.2.1)~4.2.6)，再次得到向量;^與向量pfi的夾角P、向量;^與向量的模值之差dis3、向量;^與向量的夾角μ、向量與向量?的模值之差dis4,如果滿足向量:P0與向量^ 的夾角P〈15°且向量^與向量Ρ'ρ;|的模值之差dis3〈8且向量戶I與向量.Pfi的夾角μ〈18°且向量;^與向量W的模值之差dis4〈10，該對(duì)待選匹配點(diǎn)P和待選匹配點(diǎn)P’為正確的匹配點(diǎn)，否則舍棄待選匹配點(diǎn)P和待選匹配點(diǎn)P’作為一對(duì)正確匹配點(diǎn)。
5.根據(jù)權(quán)利要求1所述的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于:所述的水果為蛇果。
6.根據(jù)權(quán)利要求1所述的一種基于斑點(diǎn)提取與鄰近點(diǎn)向量法的水果圖像匹配方法，其特征在于:所述的左 側(cè)面圖像和右側(cè)面圖像的分辨率均為0.146mm/pixeL.
【文檔編號(hào)】G06T7/00GK104036492SQ201410215892
【公開日】2014年9月10日 申請(qǐng)日期:2014年5月21日 優(yōu)先權(quán)日:2014年5月21日
【發(fā)明者】饒秀勤, 林文彬, 應(yīng)義斌 申請(qǐng)人:浙江大學(xué)