一种基于主方向模板的特征匹配方法

摘要

本发明属于图像处理技术领域，特别是涉及一种基于主方向模板的特征匹配方法。本发明包括以下步骤：步骤1：将目标图和样本图都分割为网格，且网格的大小相同，计算每个网格中的像素点的梯度值和梯度方向；步骤2：每个网格使用其最大的梯度方向进行表示，且将梯度方向和是否具有明显的梯度值使用字节进行存储；步骤3：样本图与目标图的网格模板特征按位异或匹配；步骤4：匹配结果为“111”，则两个网格模板特征匹配，并确定样本图中的匹配网格数量。本发明对模板特征进行压缩，且使用单字节进行存储，降低了内存的消耗。

主权项

一种基于主方向模板的特征匹配方法，其特征在于包括如下步骤：步骤1：将目标图和样本图都分割为网格，且网格的大小相同，目标图被分割为N个网格，用A_i表示目标图中第i个网格，样本图被分割为M个网格，用B_j表示样本图中第j个网格；计算目标图和样本图的每个网格中的像素梯度，像素点(k,l)的梯度值公式为：$\begin{array}{c}{V}_{k,l}=\\ \sqrt{{\left[(z_{k-1,l-1}+2z_{k,l-1}+z_{k\mathrm{+1},l-1})\mathrm{-(}{z}_{k-1,l+1}\mathrm{+2}{z}_{k,l+1}+z_{k+1,l+1}\right)]}^2+{\left[(z_{k+1,l+1}+2z_{k\mathrm{+1},l}+z_{k\mathrm{+1},l-1})\mathrm{-(}{z}_{k-1,l+1}\mathrm{+2}{z}_{k\mathrm{-1},l}+z_{k-1,l-1}\right)]}^2}\end{array}$梯度方向公式为：$G_{k,l}=\arctan \frac{(z_{k+1,l+1}+2z_{k\mathrm{+1},l}+z_{k\mathrm{+1},l-1})-\left(z_{k-1,l+1}\mathrm{+2}{z}_{k\mathrm{-1},l}+z_{k-1,l-1}\right)}{(z_{k-1,l-1}+2z_{k,l-1}+z_{k\mathrm{+1},l-1})-\left(z_{k-1,l+1}\mathrm{+2}{z}_{k,l+1}+z_{k+1,l+1}\right)}$其中，z_k,l为像素坐标点(k,l)位置的灰度值；步骤2：比较每个网格中所有的像素点的梯度值，获取最大的梯度值对应的梯度方向，将像素梯度方向量化到7个组上，梯度量化公式为：$Q=\mathrm{int}eger\left(\frac{G_{k,l}}{2\pi /7}\right)$其中，integer()表示对括号里的值取整，引入一个组用于表示该网格是否有明显的梯度值，网格的模板特征包括最大梯度方向和是否具有明显梯度值，用3个比特的二进制数值表示为X，目标图网格的模板特征A_i＝X，而样本图网格的模板特征B_j＝～X，将计算结果按位取反作为样本图网格的梯度特征；步骤3：样本图与目标图的模板特征匹配，即样本图中所有网格与目标图中的部分网格进行模板特征匹配，匹配结果公式为A_i⊕B_j；步骤4：匹配结果为“111”，则两个网格模板特征匹配，并确定样本图中的匹配网格数量，当网格匹配数为样本图的网格总数M时，则确定样本图在目标图中的位置。