一種基于主方向模板的特征匹配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于主方向模板的特征匹配方 法，通過目標(biāo)圖像和樣本圖像主方向模板的最大梯度方向進(jìn)行特征匹配的方法。
【背景技術(shù)】
[0002] 近年來，模板匹配吸引了很多的關(guān)注，已經(jīng)成為物體檢測的重要方法之一，其目標(biāo) 在于在圖像（樣本）中尋找特定的物體（目標(biāo)）。模板匹配一般使用全局特征，而目標(biāo)的特 征描述被稱為模板。其優(yōu)點在于能夠通過添加和學(xué)習(xí)不同的模板而適應(yīng)不同場合的需要。 它通過在樣本圖像中滑動小窗口，并且比較小窗口與目標(biāo)的內(nèi)容進(jìn)行判斷。其特點是定位 過程比較簡單，但是遍歷圖片的運算復(fù)雜度較高，因此需要快速有效地表示和匹配模板的 特征。
[0003] 為了加快特征的提取與匹配速度，Hinterstoisser[1]等人提出了主方向模板 (DominantOrientationTemplate，簡稱DOT)特征。主方向模板特征既保留了局部統(tǒng)計方 法的優(yōu)點，又將滑動窗口分割為網(wǎng)格。在對網(wǎng)格中的梯度進(jìn)行統(tǒng)計的時候，主方向模板特征 將梯度的方向量化到7個，并且只保留網(wǎng)格中梯度較大的方向，額外增加1個比特用于表明 網(wǎng)格中沒有明顯的梯度變化，從而可以保存到一個字節(jié)（8個比特）中。兩個主方向模板特 征的相似程度即可用匹配的網(wǎng)格數(shù)量體現(xiàn)。此外，主方向模板特征還使用了按位的表示法 和計算，從而大幅度降低了提取與比較特征的計算復(fù)雜度。對于兩個主方向模板特征中匹 配的網(wǎng)格，按位與（AND)操作結(jié)果為1。為了進(jìn)一步加速匹配，DOT特征匹配使用的函數(shù)利 用SSE2指令集進(jìn)行并行處理。為了適應(yīng)多目標(biāo)檢索和旋轉(zhuǎn)、仿射變換等情況下的不變性， 模板匹配模型往往需要訓(xùn)練大量的模板。對于主方向模板特征而言，在使用默認(rèn)設(shè)置的情 況下，原始的實現(xiàn)方式對目標(biāo)使用范圍[_7,7]之間的變形矩陣，并在360度的圓周內(nèi)每10 度提取一個模板特征。這樣，在線訓(xùn)練的結(jié)果會產(chǎn)生大約500個模板。即使使用聚類的方 法消除部分較為相似的模板，模板的總數(shù)仍然還有200個左右。存儲該模板特征需要消耗 大量的空間。此外，主方向模板特征對按位與操作的16比特結(jié)果建立查詢表并獲得匹配的 網(wǎng)格數(shù)量，該查詢表也占用了大量內(nèi)存空間。
[0004] 參考文獻(xiàn)：
[0005] [1],HinterstoisserS，LepetitV，IlicS,etal.Dominantorientation templatesforreal-timedetectionoftexture-lessobjects[C],Proceedingsof IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.New York:IEEE，2010:2257-2264。

【發(fā)明內(nèi)容】

[0006] 針對模板數(shù)量較大之時主方向模板特征在存儲空間上消耗過大的問題，提出了一 種基于主方向模板的特征匹配方法，對于模板特征采用緊湊表示法并設(shè)計了與之對應(yīng)的匹 配過程。
[0007] 本發(fā)明采用如下技術(shù)方案：
[0008] -種基于主方向模板的特征匹配方法，其特征在于包括如下步驟：
[0009] 步驟1 :將目標(biāo)圖和樣本圖都分割為網(wǎng)格，且網(wǎng)格的大小相同，目標(biāo)圖被分割為N 個網(wǎng)格，用示目標(biāo)圖中第i個網(wǎng)格，樣本圖被分割為M個網(wǎng)格，用1表示樣本圖中第j 個網(wǎng)格；計算目標(biāo)圖和樣本圖的每個網(wǎng)格中的像素梯度，像素點（k，l)的梯度值公式為：
[0010]
[0013] 其中，zkil為像素坐標(biāo)點（k，1)位置的灰度值；
[0014] 步驟2 :比較每個網(wǎng)格中所有的像素點的梯度值，獲取最大的梯度值對應(yīng)的梯度 方向，將像素梯度方向量化到7個組上，梯度量化公式為：
[0015]
[0016] 其中，integer()表示對括號里的值取整，引入一個組用于表示該網(wǎng)格是否有明顯 的梯度值，網(wǎng)格的模板特征包括最大梯度方向和是否具有明顯梯度值，用3個比特的二進(jìn) 制數(shù)值表示為X，目標(biāo)圖網(wǎng)格的模板特征A1=X，而樣本圖網(wǎng)格的模板特征B,=~X，將計 算結(jié)果按位取反作為樣本圖網(wǎng)格的梯度特征；
[0017] 步驟3:樣本圖與目標(biāo)圖的模板特征匹配，即樣本圖中所有網(wǎng)格與目標(biāo)圖中的部 分網(wǎng)格進(jìn)行模板特征匹配，匹配結(jié)果公式為4 ?B
[0018] 步驟4:匹配結(jié)果為"111"，則兩個網(wǎng)格模板特征匹配，并確定樣本圖中的匹配網(wǎng) 格數(shù)量，當(dāng)網(wǎng)格匹配數(shù)為樣本圖的網(wǎng)格總數(shù)M時，則確定樣本圖在目標(biāo)圖中的位置。
[0019] 進(jìn)一步的，步驟2中網(wǎng)格的模板特征可用單字節(jié)、雙字節(jié)、四字節(jié)或八字節(jié)存儲。
[0020] 進(jìn)一步的，步驟2中將兩個網(wǎng)格的模板特征存儲在一個字節(jié)中。
[0021] 進(jìn)一步的，步驟2中用一個字節(jié)中的高六位或低六位存儲兩個網(wǎng)格的模板特征。
[0022] 進(jìn)一步的，步驟2梯度量化公式為
_其中round()為四舍五入函 數(shù)。
[0023] 進(jìn)一步的，步驟4還包括查表法，對比查詢表，確定網(wǎng)格匹配數(shù)量，所述查詢表包 括匹配結(jié)果與相對應(yīng)的網(wǎng)格匹配數(shù)量。
[0024] 相對于主方向模板特征，本發(fā)明具有以下優(yōu)點：1.本發(fā)明只使用網(wǎng)格中最大的1 個梯度方向作為該網(wǎng)格的模板特征描述，使得模板特征描述的種類從2s降低到23。這樣，原 有的8個比特的表示方法就可以壓縮到3個比特當(dāng)中，實現(xiàn)特征的壓縮。2.本發(fā)明的能量 方程用異或操作，查表法改為對異或操作的結(jié)果進(jìn)行查表。由于本發(fā)明使用單字節(jié)單位進(jìn) 行存儲，因此只需對8比特的異或操作結(jié)果建立查詢表，這樣就使得內(nèi)存消耗進(jìn)一步降低。
【附圖說明】
[0025] 圖1是主方向模板與本發(fā)明一實施例的梯度特征表示法對比圖；
[0026] 圖2是基于主方向模板的特征匹配方法的部分查詢表。
【具體實施方式】
[0027] 為進(jìn)一步說明各實施例，本發(fā)明提供有附圖。這些附圖為本發(fā)明揭露內(nèi)容的一部 分，其主要用以說明實施例，并可配合說明書的相關(guān)描述來解釋實施例的運作原理。配合參 考這些內(nèi)容，本領(lǐng)域普通技術(shù)人員應(yīng)能理解其他可能的實施方式以及本發(fā)明的優(yōu)點。圖中 的組件并未按比例繪制，而類似的組件符號通常用來表示類似的組件。
[0028] 現(xiàn)結(jié)合附圖和【具體實施方式】對本發(fā)明進(jìn)一步說明。
[0029] 本發(fā)明提出了一種基于主方向模板的特征匹配方法，包括以下幾個步驟：
[0030] 步驟1 :將目標(biāo)圖和樣本圖都分割為網(wǎng)格，且網(wǎng)格的大小相同，計算每個網(wǎng)格中的 像素點的梯度值和梯度方向。
[0031] 該實施例將目標(biāo)圖和樣本圖分割為大小相同的網(wǎng)格，每個網(wǎng)格均為7X7像素。本 領(lǐng)域的技術(shù)人員可知，網(wǎng)格的大小不限于7X7像素，還可分割為其他大小的像素。根據(jù)需 要，技術(shù)人員可自定義網(wǎng)格大小。
[0032] 目標(biāo)圖被分割為N個網(wǎng)格，用六;表不目標(biāo)圖中第i個網(wǎng)格；樣本圖被分割為M個 網(wǎng)格，用^表示樣本圖中第j個網(wǎng)格。計算目標(biāo)圖和樣本圖的每個網(wǎng)格中的像素梯度，像 素點（k, 1)