一種基于陰陽(yáng)離散點(diǎn)采樣模型的形狀匹配定位方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像匹配識(shí)別領(lǐng)域，尤其涉及一種數(shù)字圖像中進(jìn)行形狀匹配定位的方 法及裝置。
【背景技術(shù)】
[0002] 利用目標(biāo)的區(qū)域、邊界信息實(shí)現(xiàn)從復(fù)雜圖像中識(shí)別和定位目標(biāo)的形狀匹配由于最 符合人眼認(rèn)知和區(qū)分目標(biāo)的一般規(guī)律，因而得到圖像處理、計(jì)算機(jī)視覺(jué)領(lǐng)域大批學(xué)者長(zhǎng)時(shí) 間廣泛的研宄。一個(gè)形狀匹配模型包括場(chǎng)景圖的中間表達(dá)、形狀模板和匹配方式三個(gè)要素。 在希望通過(guò)形狀匹配快速檢測(cè)目標(biāo)的應(yīng)用當(dāng)中，對(duì)場(chǎng)景圖中間表達(dá)的要求主要是穩(wěn)定性， 即該中間表達(dá)應(yīng)盡可能不受拍攝過(guò)程中光照變化、斑點(diǎn)噪聲、細(xì)微幾何變形的影響；對(duì)形狀 模板的要求主要是代表性和可分性，即該模板最能代表本類目標(biāo)又最能將和其他類目標(biāo)區(qū) 分開(kāi)來(lái)；對(duì)匹配方式的要求主要是計(jì)算的快速性。
[0003] 形狀匹配從場(chǎng)景圖中間表達(dá)角度可分為基于邊緣的形狀匹配和基于區(qū)域的形狀 匹配兩類?；谶吘壍男螤钇ヅ渫竺鞔_的點(diǎn)對(duì)點(diǎn)邊緣響應(yīng)，而邊緣檢測(cè)是一個(gè)艱難 的分類決策，對(duì)噪聲和光照變化敏感。為了增強(qiáng)邊緣圖作為中間表達(dá)的穩(wěn)定性，有方法將邊 緣碎片進(jìn)行編組，編組后的曲線可分性更強(qiáng)，比孤立的邊緣碎片具有更少的潛在匹配，這使 得匹配相對(duì)容易進(jìn)行，能夠在遮擋及邊緣缺失情況下工作。另一些方法則通過(guò)在過(guò)分割的 分割圖中進(jìn)行形狀匹配來(lái)避免點(diǎn)與點(diǎn)的邊緣響應(yīng)，取得對(duì)細(xì)小形狀變化和空間改變的適應(yīng) 能力。然而這些方法通常都具有較高的計(jì)算復(fù)雜度，難以滿足實(shí)時(shí)在線檢測(cè)的需求?；?區(qū)域的匹配不需要明確的邊緣響應(yīng)，對(duì)局部形狀的扭曲、遮擋魯棒性更強(qiáng)，但缺乏重要的形 狀細(xì)節(jié)，對(duì)復(fù)雜形狀難以穩(wěn)定提取、表達(dá)及精確匹配，其分類能力在復(fù)雜場(chǎng)景中受到限制。
[0004] 申請(qǐng)人在先的專利CN201110349510A中公開(kāi)了一種基于陰陽(yáng)離散點(diǎn)采樣模型的 圖像分析方法，其根據(jù)圖像中待檢測(cè)目標(biāo)的類型、尺寸及噪聲干擾程度選擇采樣算子、采樣 半徑及鄰域灰度均勻度評(píng)判閾值，然后再利用上述采樣算子、采樣半徑及鄰域灰度均勻度 評(píng)判閾值，然后通過(guò)對(duì)圖像進(jìn)行采樣計(jì)算，獲取相應(yīng)的陰采樣圖和陽(yáng)采樣圖，最后在所述陰 采樣圖和陽(yáng)采樣圖中利用離散點(diǎn)編組方法探測(cè)相應(yīng)的目標(biāo)。該方法同時(shí)考慮了基于目標(biāo)區(qū) 域和基于目標(biāo)邊界兩類方法的優(yōu)勢(shì)，用陰采樣圖獲取目標(biāo)圖像中目標(biāo)的邊界信息，用陽(yáng)采 樣圖獲取目標(biāo)圖像中目標(biāo)的區(qū)域信息，陰、陽(yáng)采樣圖共同反映了圖像中目標(biāo)區(qū)域向目標(biāo)邊 緣的過(guò)渡過(guò)程，同時(shí)采樣半徑可以根據(jù)目標(biāo)尺寸的變化進(jìn)行切換，使得計(jì)算速度大幅提高， 對(duì)目標(biāo)的尺寸變化也有較強(qiáng)的適應(yīng)性。
[0005] 但是，該方法中，未充分利用已知形狀的先驗(yàn)知識(shí)，應(yīng)用范圍受到局限的不足。例 如離散點(diǎn)編組方法只能按照N維周邊方向貢獻(xiàn)度描述的連通性對(duì)具有一定連通關(guān)系的離 散點(diǎn)進(jìn)行編組，如果離散點(diǎn)的連通性由于復(fù)雜背景的干擾發(fā)生中斷，離散點(diǎn)編組就無(wú)法進(jìn) 行下去，同時(shí)編組結(jié)果常常因?yàn)閺?fù)雜背景的干擾提取不出期望的形狀，或者說(shuō)提取出太多 不需要的中心線，導(dǎo)致其在圖像匹配中面對(duì)復(fù)雜背景下的線、面組合形狀無(wú)法快速提取和 準(zhǔn)確區(qū)分，使得圖像匹配識(shí)別率不高。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種基于陰陽(yáng)離散點(diǎn)采樣模 型的形狀匹配定位方法，其通過(guò)從樣本圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖中提取形 狀輪廓模板，實(shí)現(xiàn)對(duì)檢測(cè)圖像的匹配而識(shí)別出待檢測(cè)形狀，解決目前圖像識(shí)別檢測(cè)中復(fù)雜 背景下的線、面組合形狀的快速提取和準(zhǔn)確區(qū)分問(wèn)題。
[0007] 為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供一種基于陰陽(yáng)離散點(diǎn)采樣模型的 形狀匹配定位方法，其通過(guò)陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖中提取的形狀輪廓模板實(shí)現(xiàn) 圖像匹配，其特征在于，該方法包括：
[0008] 從樣本圖像中的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖中提取形狀輪廓模板的第一 步驟；
[0009] 對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選，獲得最優(yōu)形狀輪廓模板的第二步驟：以及
[0010] 獲取實(shí)際圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖，將其與對(duì)應(yīng)的最優(yōu)形狀輪廓 模板進(jìn)行匹配，從而識(shí)別圖像的第三步驟；
[0011] 其中，所述第三步驟中，對(duì)進(jìn)行匹配具體通過(guò)對(duì)計(jì)算所述實(shí)際圖像的陰離散點(diǎn)采 樣圖或陽(yáng)離散點(diǎn)采樣圖與對(duì)應(yīng)的最優(yōu)形狀輪廓模板的密度估計(jì)的匹配率算子獲得。
[0012] 作為本發(fā)明的改進(jìn)，利用陰離散點(diǎn)采樣圖進(jìn)行所述密度估計(jì)的匹配率算子：
【主權(quán)項(xiàng)】
1. 一種基于離散點(diǎn)采樣模型的形狀匹配定位方法，其通過(guò)利用離散點(diǎn)采樣圖中提取的 形狀輪廓模板實(shí)現(xiàn)圖像匹配，其特征在于，該方法包括： 從樣本圖像中的陰離散點(diǎn)采樣圖中提取形狀輪廓模板的第一步驟； 對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選，獲得最優(yōu)形狀輪廓模板的第二步驟：以及 獲取實(shí)際圖像的陰離散點(diǎn)采樣圖和/或陽(yáng)離散點(diǎn)采樣圖，將其與對(duì)應(yīng)的最優(yōu)形狀輪廓 模板進(jìn)行匹配，從而識(shí)別圖像的第三步驟； 其中，所述第三步驟中，進(jìn)行匹配具體通過(guò)對(duì)計(jì)算所述實(shí)際圖像的陰離散點(diǎn)采樣圖或 陽(yáng)離散點(diǎn)采樣圖與對(duì)應(yīng)的最優(yōu)形狀輪廓模板的密度估計(jì)的匹配率算子獲得。
2. 根據(jù)權(quán)利要求1所述的一種基于離散點(diǎn)采樣模型的形狀匹配定位方法，其中，利用 陰離散點(diǎn)采樣圖進(jìn)行所述密度估計(jì)的匹配率算子：
式中，M是形狀輪廓模板中點(diǎn)數(shù)總和，N是形狀輪廓模板上各點(diǎn)在離散點(diǎn)采樣圖條帶區(qū) 域中有響應(yīng)關(guān)系的點(diǎn)數(shù)總和，Pk是形狀輪廓模板上當(dāng)前點(diǎn)，任意曲線通過(guò)該離散點(diǎn)的響應(yīng) 關(guān)系：
'其中，I (Pk) = 1表示陰離散點(diǎn)采樣圖中與曲 線當(dāng)前點(diǎn)Pk對(duì)應(yīng)位置為黑像素，C 8 (pk)表示陰離散點(diǎn)采樣圖中與pk對(duì)應(yīng)位置周圍8聯(lián)通方 向上的黑像素個(gè)數(shù)。
3. 根據(jù)權(quán)利要求1所述的一種基于離散點(diǎn)采樣模型的形狀匹配定位方法，其中，利用 陽(yáng)離散點(diǎn)采樣圖進(jìn)行所述密度估計(jì)的匹配率算子為：
式中，M是區(qū)域模板中點(diǎn)數(shù)總和，N是區(qū)域模板在離散點(diǎn)采樣圖里覆蓋區(qū)域中離散點(diǎn)總 和，r是陰陽(yáng)離散點(diǎn)采樣模型的采樣半徑。
4. 根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的一種基于離散點(diǎn)采樣模型的形狀匹配定位方法， 其中，所述對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選通過(guò)計(jì)算形狀輪廓模板匹配特征的結(jié)構(gòu)顯著性 實(shí)現(xiàn)，其中，所述形狀輪廓模板匹配特征的結(jié)構(gòu)顯著性具體計(jì)算如下： 如果存在η類形狀輪廓模板模板目標(biāo)，而特征t的作用是將任一類ω i和其他n-1類 區(qū)分開(kāi)來(lái)，則定義該特征t對(duì)于類ω 結(jié)構(gòu)特征顯著性度量&為：
其中，
，〇<i/<u)</,d, '和是對(duì)于類ω i和類ω」對(duì)應(yīng)模板匹 配特征t的均值，^和^是其方差，a是比例調(diào)節(jié)系數(shù)，b是指數(shù)調(diào)節(jié)系數(shù)，c是常數(shù)。
5. 根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的一種基于離散點(diǎn)采樣模型的形狀匹配定位方法， 其中，在待提取形狀與所述優(yōu)選的形狀輪廓模板之間存在著縮放、旋轉(zhuǎn)幾何變形，則需要對(duì) 形狀輪廓模板進(jìn)行區(qū)域轉(zhuǎn)換，仿射變形矩陣公式為：
其中 a =scale X cos(angle), β =scale Xsin (angle)，scale 對(duì)應(yīng)仿射變形的尺度 系數(shù)，angle對(duì)應(yīng)仿射變形的旋轉(zhuǎn)系數(shù)，center, x和center, y分別表示縮放或旋轉(zhuǎn)中心的 橫坐標(biāo)和縱坐標(biāo)。
6. 根據(jù)權(quán)利要求1-5中任一項(xiàng)所述的一種基于離散點(diǎn)采樣模型的形狀匹配定位方法， 其中，在可以用估計(jì)目標(biāo)變形條件下，可以直接確定變形公式進(jìn)而直接獲得相應(yīng)的輪廓模 板，即：首先根據(jù)待提取形狀的先驗(yàn)知識(shí)，從已提取的中心線中挑選最有可能屬于待提取 形狀的一條或數(shù)條中心線作為關(guān)鍵中心線，對(duì)形狀輪廓模板可能的大小、方向、位置進(jìn)行估 計(jì)，然后在陰離散點(diǎn)采樣圖中對(duì)應(yīng)關(guān)鍵中心線的離散點(diǎn)條帶區(qū)域內(nèi)匹配驗(yàn)證這個(gè)估計(jì)出來(lái) 的形狀輪廓模板是否恰當(dāng)。
7. -種基于離散點(diǎn)采樣模型的形狀匹配定位裝置，其通過(guò)離散點(diǎn)采樣圖中提取的形狀 輪廓模板實(shí)現(xiàn)圖像匹配，其特征在于，該裝置包括： 第一模塊，其用于從樣本圖像中的陰離散點(diǎn)采樣圖中提取形狀輪廓模板； 第二模塊，其用于對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選，獲得最優(yōu)形狀輪廓模板：以及 第三模塊，其用于獲取實(shí)際圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖，將其與對(duì)應(yīng)的 最優(yōu)形狀輪廓模板進(jìn)行匹配，從而識(shí)別圖像； 其中，所述第三模塊中，對(duì)進(jìn)行匹配具體通過(guò)對(duì)計(jì)算所述實(shí)際圖像的陰離散點(diǎn)采樣圖 和/或陽(yáng)離散點(diǎn)采樣圖與對(duì)應(yīng)的最優(yōu)形狀輪廓模板的密度估計(jì)的匹配率算子獲得。
8. 根據(jù)權(quán)利要求7所述的一種基于陰陽(yáng)離散點(diǎn)采樣模型的形狀匹配定位裝置，其中， 利用陰離散點(diǎn)采樣圖進(jìn)行所述密度估計(jì)的匹配率算子：
式中，M是形狀輪廓模板中點(diǎn)數(shù)總和，N是形狀輪廓模板上各點(diǎn)在離散點(diǎn)采樣圖條帶區(qū) 域中有響應(yīng)關(guān)系的點(diǎn)數(shù)總和，Pk是形狀輪廓模板上當(dāng)前點(diǎn)，任意曲線通過(guò)某個(gè)離散點(diǎn)的響 應(yīng)關(guān)系^
'其中，I(Pk) = 1表示陰離散點(diǎn)采樣圖中與 曲線當(dāng)前點(diǎn)Pk對(duì)應(yīng)位置為黑像素，C8(Pk)表示陰離散點(diǎn)采樣圖中與p k對(duì)應(yīng)位置周圍8聯(lián)通 方向上的黑像素個(gè)數(shù)。
9. 根據(jù)權(quán)利要求7或8所述的一種基于陰陽(yáng)離散點(diǎn)采樣模型的形狀匹配定位裝置，其 中，利用陽(yáng)離散點(diǎn)采樣圖進(jìn)行所述密度估計(jì)的匹配率算子為：
式中，M是區(qū)域模板中點(diǎn)數(shù)總和，N是區(qū)域模板在離散點(diǎn)采樣圖里覆蓋區(qū)域中離散點(diǎn)總 和，r是陰陽(yáng)離散點(diǎn)采樣模型的采樣半徑。
10.根據(jù)權(quán)利要求7-9中任一項(xiàng)所述的一種基于陰陽(yáng)離散點(diǎn)采樣模型的形狀匹配定位 裝置，其中，所述對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選通過(guò)計(jì)算形狀輪廓模板匹配特征的結(jié)構(gòu) 顯著性實(shí)現(xiàn)，其中，所述形狀輪廓模板匹配特征的結(jié)構(gòu)顯著性具體計(jì)算如下： 如果存在η類形狀輪廓模板模板目標(biāo)，而特征t的作用是將任一類ω i和其他n-1類 區(qū)分開(kāi)來(lái)，則定義該特征t對(duì)于類ω 結(jié)構(gòu)特征顯著性度量&為：
其中
，w和Hij是對(duì)于類ω i和類ω』對(duì)應(yīng)模板匹 配特征t的均值，σ;2和<是其方差，a是比例調(diào)節(jié)系數(shù)，b是指數(shù)調(diào)節(jié)系數(shù)，c是常數(shù)。
【專利摘要】本發(fā)明公開(kāi)了一種基于陰陽(yáng)離散點(diǎn)采樣模型的形狀匹配定位方法，包括：從樣本圖像中的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖中提取形狀輪廓模板的第一步驟；對(duì)提取的形狀輪廓模板進(jìn)行優(yōu)選，獲得最優(yōu)形狀輪廓模板的第二步驟：以及獲取實(shí)際圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖，將其與對(duì)應(yīng)的最優(yōu)形狀輪廓模板進(jìn)行匹配，從而識(shí)別圖像的第三步驟；其中，所述第三步驟中，對(duì)進(jìn)行匹配具體通過(guò)對(duì)計(jì)算所述實(shí)際圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖與對(duì)應(yīng)的最優(yōu)形狀輪廓模板的密度估計(jì)的匹配率算子獲得。本發(fā)明還公開(kāi)了對(duì)應(yīng)的形狀匹配定位裝置。本發(fā)明的方法和裝置通過(guò)從樣本圖像的陰離散點(diǎn)采樣圖或陽(yáng)離散點(diǎn)采樣圖中提取形狀輪廓模板，實(shí)現(xiàn)對(duì)檢測(cè)圖像的匹配而識(shí)別出待檢測(cè)形狀，解決目前圖像識(shí)別檢測(cè)中復(fù)雜背景下線、面組合形狀的快速提取和準(zhǔn)確區(qū)分問(wèn)題。
【IPC分類】G06T7-00
【公開(kāi)號(hào)】CN104766326
【申請(qǐng)?zhí)枴緾N201510171833
【發(fā)明人】朱宗曉
【申請(qǐng)人】中南民族大學(xué)
【公開(kāi)日】2015年7月8日
【申請(qǐng)日】2015年4月13日