基于直线二分法的不规则区域自动匹配方法

摘要

本发明涉及一种数字图像中基于位置二分法的不规则区域自动匹配方法，包括：采集图像并输入计算机；利用已有区域检测方法检测区域；计算区域最大对称位置；计算区域内各点的特征向量；利用梯度幅值极值计算区域关键点；计算区域关键点对应的区域描述向量；通过计算各区域描述向量的均值向量与标准差向量获得区域描述子；利用区域描述子进行区域匹配。相对于已有的区域匹配方法，本发明提供的方法既不需要进行固定形状拟合，又不需要进行分块处理，对图像形变具有更好的稳定性。

主权项

1.一种数字图像中基于直线二分法的不规则区域自动匹配方法，其特征在于，包括步骤：步骤S1：从不同角度拍摄同一场景两幅不同图像并输入计算机；步骤S2：利用已有区域检测技术进行区域检测；步骤S3：计算每个区域G的最大对称位置P_C，具体方式为，以区域G内的任一位置P为中心，引出18条直线L_i将整个圆周等分为36份；记G内直线L_i两侧的像素数分别为N_L(i)，N_R(i)，定义为P处的不对称性；将区域G内不对称性最小的位置P_C确定为区域G的最大对称位置；步骤S4：计算区域G内各点的特征向量，具体方式为，利用高斯梯度模板计算区域G内各点的梯度向量，记G内点X(x，y)处的高斯梯度为[d_x，d_y]，G内各点的平均梯度为[V_x，V_y]，计算点X(x，y)处的特征向量s＝[s₁，s₂]，其中s₁＝d_x·V_x+d_y·V_y，s₂＝d_x·V_y-d_y·V_x；步骤S5：利用梯度幅值极值计算区域关键点，具体方式为，记区域G内任一点X(x，y)处的梯度幅值为E(x，y)，在阈值T约束下，将在3×3邻域内梯度幅值为极大值的点作为区域G内的关键点，即满足如下条件：E(x，y)＞T，E(x，y)＞E(x+1，y+1)，E(x，y)＞E(x-1，y-1)，E(x，y)＞E(x-1，y)，E(x，y)＞E(x+1，y)，E(x，y)＞E(x，y-1)，E(x，y)＞E(x，y+1)，E(x，y)＞E(x-1，y+1)，E(x，y)＞E(x+1，y-1)；所述阈值T的具体确定方法为：T＝Mean(E)+k·Std(E)，Mean(E)与Std(E)分别表示所述区域内各点梯度幅值的均值与标准差，比例系数k的取值范围为2～3；步骤S6：计算区域G内关键点对应的区域描述向量，具体方式为，记步骤S5获得区域G的关键点分别为P₁，P₂...P_n，关键点P_i与区域G的对称位置P_C确定的直线将区域G分为两个子区域，对两个子区域内各点的梯度幅值求和，记梯度幅值求和较大、较小的子区域分别为G_B、G_S；在两个子区域内区分正负对步骤S4获得的各点特征向量分量进行累加，可获得关键点P_i对应的8维区域描述向量V_i＝[v_i1，v_i2，...，v_i8]，其中$v_{i1}=\underset{s_1\left(X\right)>0\mathrm{andX}\in G_B}{\Sigma }{s}_i\left(X\right),v_{i2}=\underset{s_1\left(X\right)<0\mathrm{andX}\in G_B}{\Sigma }{s}_1\left(X\right),$$v_{i3}=\underset{s_2\left(X\right)>0\mathrm{andX}\in G_B}{\Sigma }{s}_2\left(X\right),v_{i4}=\underset{s_2\left(X\right)<0\mathrm{andX}\in G_B}{\Sigma }{s}_2\left(X\right),v_{i5}=\underset{s_1\left(X\right)>0\mathrm{andX}\in G_S}{\Sigma }{s}_1\left(X\right),$$v_{i6}=\underset{s_1\left(X\right)<0\mathrm{andX}\in G_S}{\Sigma }{s}_1\left(X\right),v_{i7}=\underset{s_2\left(X\right)>0\mathrm{andX}\in G_S}{\Sigma }{s}_2\left(X\right),v_{i8}=\underset{s_2\left(X\right)<0\mathrm{andX}\in G_S}{\Sigma }{s}_2\left(X\right);$步骤S7：计算各关键点区域描述向量的均值与标准差获得区域描述子，具体方式为，记G内关键点P₁，P₂...P_n确定的区域描述向量分别为V₁，V₂，...，V_n，将V₁，V₂，...，V_n各分量的均值组成一个向量并进行归一化获得G的8维均值向量V_M=[v_M1，v_M2，...，v_M8]/||v_M1，v_M2，...，v_M8||，其中||·||表示向量取模运算；将V₁，V₂，...，V_n各分量的标准差组成一个向量并进行归一化获得区域G的8维标准差向量V_S＝[v_S1，v_S2，...，v_S8]/||v_S1，v_S2，...，v_S8||，其中将均值向量V_M与标准差向量V_S组成一个向量并进行归一化可获得区域G的16维区域描述子D=[V_M，V_S]/||[V_M，V_S]||；步骤S8：利用区域描述子进行区域匹配，具体方式为，记第1幅图像中待匹配区域G₁₁，G₁₂、...，G_1m的区域描述子分别为D₁₁，D₁₂、...，D_1m，第2幅图像中的待匹配区域G₂₁，G₂₂、...，G_2n的描述子分别为D₂₁，D₂₂、...，D_2n，对于D₁₁，D₁₂、...，D_1m中的任一区域描述子D_1i，找到D₂₁，D₂₂、...，D_2n中与D_1i欧氏距离最小的区域描述子D_2j，如果D_1i同时也是D₁₁，D₁₂、...，D_1m中与D_2j欧氏距离最小的区域描述子，则G_1i与G_2j为一对匹配区域。