专利名称：基于轮廓向量特征的嵌入式实时图像匹配方法
技术领域：
本发明涉及一种图像匹配方法，具体是指一种基于轮廓向量特征的嵌入式实时图像匹配方法。
背景技术：
图像匹配，是指根据给定目标图像所包含的颜色、纹理、形状或它们的组合特征等信息建立索引，并且通过图像特征向量间的相似性度量，在一幅(或一批)图像中寻找与给定目标相同或相似的图像区域(子图像)的过程。通常将给定目标图像称为模板图像，而将后续待搜索的序列图像称为待测图像。图像匹配技术在诸多领域内有着广泛的应用，其中包括如下方面。医学图像处理中的CT、MRI、PET、SPECT图像结构信息融合。遥感图像领域中的多电磁波段图像(如微波、红外、可见光或多光谱图像)信息融合，定位和识别已定义或已知特征的如飞机场、高速路、车站等场景,矿物寻找、特定区域搜索、农作物估产、森林和水源保护、台风追踪、天气预报等方面。在机器视觉领域中的字符识别、标志确认、波形分析、运动跟踪、序列图像分析等研究方向。在工业检测领域中的目标产品定位、表面缺陷检测、工业测量、产品质量评估、构建三维信息等。根据图像匹配的基本原理可以将图像匹配算法分为二类基于灰度相关的匹配和基于特征的匹配。其中，基于灰度相关的匹配方法简单，匹配精度较高。但是需要处理的数据量多，计算复杂，很难达到实时匹配的要求，对噪声较为敏感，当外界条件的变化如光照条件的影响或是目标图像缺损、遮挡都会很大地影响匹配精度。基于特征的匹配对图像畸变、噪声、遮挡、光照变化等具有一定的鲁棒性，计算量小，匹配速度高，目前先进的图像匹配都采用了这一类的方法。Luigi Di stefano等提出了一种基于零均值归一化积相关的边界局部相关算法。Wang等首先利用灰度相关法进行出匹配，再用MAPSAC算法对变换矩阵进行修正，以消除误匹配。Lowe等利用尺度空间性质，提出了一种尺度不变关键点的检测方法，以同时在尺度域和空间域取得极值的点作为关键点，并以关键点作为特征区域的中心。同时，关键点所在的尺度还用以确定特征区域的大小。这种方法较好地同时解决了特征区域定位和大小选择的问题。在每个特征区域内，Lowe以梯度方向的直方图为基础构造了一种称为SIFT的局部不变特征提取性能的衡量标准。YKe等提出了 PCA-SIFT算法，通过采用PCA方法把SIFT的128维特征向量降到36维,从而加快匹配速度。Herbert Bay等提出了一种新的特征提取算法SURF，它通过快速Hessian矩阵求极值点，并通过非极大值抑制进行插值方法得到特征点，计算特征描述向量是通过计算区域的Harr响应得到。Keller等提出的基于Fourier-Mellin变换的算法从原理上很好地解决了具有平移、旋转和尺度差异的图像匹配问题。随着极坐标Fourier变换计算方法的改进,Averbuch等利用伪极坐标Fourier变换技术改进了对图像平移、旋转和尺度的检测稳定性。在商业领域，很多公司开发出了成熟的图像匹配定位算法包，如美国Cognex公司、的PatMax根据模板定位原理进行几何特征模板匹配来取代基于像素灰度的匹配方式。但是几何模式匹配的基础是图像的几何特征提取，因而此法的定位精度依赖于图像几何特征的边缘检测精度，在特征提取过程中此方法比NCC法对随机噪声更敏感。比利时Euresys公司开发的基于点特征的图像分析软件EasyFind,采用创新的特征点技术，EasyFind可迅速在图像中找到一个或多个参考模型的例证。它不是将样本图像的像素层次与参考模型相对比，而是精心选择模型中的重要特征。Acbpt公司开发的HexSight机器视觉软件系统，其定位工具是根据几何特征，采用最先进的轮廓检测技术来识别对象和模式。Matrox公司的Inspector软件则先提取模板和待匹配对象的边缘点，再将边缘点进行匹配，从而计算出模板和对象之间的几何位姿关系。日本Keyence公司的定位软件ShapeTrax II则同样通过物体轮廓抽取的形状为特征基础，进行目标定位。德国MVTec公司的HALCON软件基于形状的匹配模块则使用边缘特征定位物体。此外，加拿大的Dalsa公司、丹麦的JAI/Pulnix公司、加拿大的Coreco Imaging公司、美国的Navitar公司、瑞士的Photonfocus公司、日本的CCS公司等世界一流的图像和机器视觉技术领先企业对图像匹配定位技术都有深入的研究和应用。 由于拍摄时间、拍摄角度、拍摄位置、自然环境的变化、多种传感器的使用、传感器本身的缺陷及噪声、相同规格不同个体之间的略微差别等因素的影响，对同一或相同规格的不同目标拍摄的图像之间会存在灰度失真和几何畸变等差别。同时，图像预处理过程又会引入误差，这都会导致模板图像与待测图像之间通常存在着一定程度上的差异。其差异主要表现为不同的分辨率、不同的灰度属性、不同的位置(平移和旋转)、不同的大小(缩小和放大)、以及其他的非线性变化(部分物体被遮挡、光照不均)等。在这种情况下，如何使匹配算法精度高、正确匹配率高、速度快、鲁棒性和抗干扰性强成为人们关心的问题。
发明内容
本发明目的在于针对以往图像匹配方法计算量大、耗时严重、抗图像畸变、噪声、遮挡和光照变化等外界环境影响力小、模板极性反转时不易匹配的等多方面缺点，提出了一种在嵌入式系统上利用轮廓点方向向量为特征，考虑目标平移和旋转，根据待测图像具体图像内容，实现图像目标快速、准确匹配定位。按照本发明提供的技术方案，所述基于轮廓向量特征的嵌入式实时图像匹配方法包括以下步骤第一步，模板图像特征提取模块在输入的模板灰度图中，利用2*2均值法构建图像金字塔、高斯滤波、Sobel边缘提取、大津法阈值分割、非极大值抑制、高低阈值处理算法，提取用于图像匹配的模板图像金字塔各层X、Y方向向量特征图和二值化轮廓图；第二步，待测图像特征提取模块在输入的待测灰度图中，利用均值法构建图像金字塔、高斯滤波、Sobel边缘提取、大津法阈值分割算法，提取与模板特征进行相似度吻合比较的待测像金字塔各层X、Y方向向量特征图和二值化轮廓图；第三步，匹配参数自动设置模块通过获取模板二值化轮廓图中距质心最远边缘点和统计边缘点总数，计算最佳旋转角度步长、金字塔分层数；第四步，图像金字塔最高层匹配模块分析不同待测图像的具体内容，利用三级筛选匹配策略，剔除待测图像中非目标位置，在图像金字塔最高层实现快速准确的模板粗匹配；第五步，图像金字塔非最高层匹配模块根据上一层图像金字塔传递来的匹配信息，通过图像金字塔构建逆向工程原理，定位出本层目标位置，然后将本层定位信息传递到下一层图像金字塔进行更精确匹配，直至图像金字塔第一层。进一步的，所述第一步具体为(I. I)利用2*2均值法构建多层模板图像金字塔，模板原始灰度图作为第一层，高一层金字塔图像则根据其下一层灰度图相邻四个像素的灰度值的均值求得；(I. 2)对图像金字塔各层模板灰度图利用高斯滤波去噪，高斯卷积模板如下
权利要求
1.基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，包括以下步骤 第一步，模板图像特征提取模块在输入的模板灰度图中，利用2*2均值法构建图像金字塔、高斯滤波、Sobel边缘提取、大津法阈值分割、非极大值抑制、高低阈值处理算法，提取用于图像匹配的模板图像金字塔各层X、Y方向向量特征图和二值化轮廓图； 第二步，待测图像特征提取模块在输入的待测灰度图中，利用均值法构建图像金字塔、高斯滤波、Sobel边缘提取、大津法阈值分割算法，提取与模板特征进行相似度吻合比较的待测像金字塔各层X、Y方向向量特征图和二值化轮廓图； 第三步，匹配参数自动设置模块通过获取模板二值化轮廓图中距质心最远边缘点和统计边缘点总数，计算最佳旋转角度步长、金字塔分层数； 第四步，图像金字塔最高层匹配模块分析不同待测图像的具体内容，利用三级筛选匹配策略，剔除待测图像中非目标位置，在图像金字塔最高层实现快速准确的模板粗匹配；第五步，图像金字塔非最高层匹配模块根据上一层图像金字塔传递来的匹配信息，通过图像金字塔构建逆向工程原理，定位出本层目标位置，然后将本层定位信息传递到下一层图像金字塔进行更精确匹配，直至图像金字塔第一层。
2.如权利要求I所述基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，所述第一步具体为 (I. I)利用2*2均值法构建多层模板图像金字塔，模板原始灰度图作为第一层，高一层金字塔图像则根据其下一层灰度图相邻四个像素的灰度值的均值求得； (I. 2)对图像金字塔各层模板灰度图利用高斯滤波去噪，高斯卷积模板如下
3.如权利要求2所述基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，所述第二步具体为 (2. I)利用2*2均值法构建多层待测像金字塔，待测图原始灰度图作为第一层，高一层金字塔图像则根据其下一层灰度图相邻四个像素的灰度值的均值求得； (2. 2)对图像金字塔各层待测灰度图利用高斯滤波去噪，高斯卷积模板如下
4.如权利要求3所述基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，所述第三步具体为 (3. I)根据处理过的图像金字塔各层模板二值化轮廓图计算其质心坐标及轮廓总点数,并求解距质心点欧式距离最远的模板轮廓点，以下为质心点求解
5.如权利要求4所述基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，所述第四步具体为 (4. I)构建搜索框根据图像金字塔最高层的模板二值化轮廓图，以其质心点N为旋转基准点，构建包围模板在旋转角度范围内任意角度位置的最小外接矩形，设置旋转角度范围为0 360°，并且使该矩形四条边与原模板图像坐标轴平行，该矩形即为搜索框，纵长M个像素，横长H个像素，旋转基准点即为搜索框基准点N ； (4. 2)待测图搜索框范围内边缘总点数统计假设该层模板轮廓总点数为K，相似度阈值为S，以搜索框基准点N在待测图中逐像素遍历移动搜索框，判断搜索框覆盖区域中待测图边缘点数，若统计点数大于K*S，则进入第4. 3步；否则，则认为待测图该像素上不存在以它为质心的任意角度目标，而后搜索框成“S”形在待测图中移动再次执行本步操作；若搜索框沿X轴移动，只需在上一步统计的边缘总点数基础上，加上沿移动方向向前新进入搜索框范围的一列M个像素点中的待测图边缘点数，并减去相应移出搜索框范围的一列M个像素点中的待测图边缘点数；若搜索框沿Y轴移动，只需在上一步统计的边缘总点数基础上，加上沿移动方向向前新进入搜索框范围的一行H个像素点中的待测图边缘点数，并减去相应移出搜索框范围的一行H个像素点中的待测图边缘点数； (4. 3)模板旋转与待测图对应边缘点数统计以搜索框基准点N与模板质心对齐并以搜索框基准点N为旋转中心，按该层旋转角度步长旋转模板二值化轮廓图，统计每旋转一个角度步长的模板边缘点对应到待测图的二值化轮廓图相应坐标下同时也存在边缘点的个数，当模板旋转至某角度该统计数大于K*S时，则进行第4. 4步，否则，继续旋转至下一个角度； 其中轮廓点旋转采用如下公式
6.如权利要求5所述基于轮廓向量特征的嵌入式实时图像匹配方法，其特征是，所述第五步具体为 (5. I)根据图像金字塔上一层在待测图中定位的目标位置信息，即 (质心点坐标U。y。)1，旋转角度e。)， 通过图像金字塔构建逆向工程原理，计算本层目标位置信息(质心点坐标(X y)T，旋转角度e)如下:
全文摘要
本发明提出一种基于轮廓向量特征的嵌入式实时图像匹配方法。采用基于X、Y方向向量的线特征，抗图像畸变、噪声、遮挡、光照变化、极性反转等能力强。采用图像金字塔搜索策略，在高层小分辨率待测图中快速匹配模板，然后逐级向下精确找出目标位置，大大减少匹配时间。根据模板图像具体信息，自动计算出最佳金字塔分层数及每层金字塔模板匹配最佳旋转角度步长。图像金字塔最高层三级筛选匹配策略根据待测图具体内容进行处理，第一、二级筛选，仅利用加减运算和判断语句筛除非目标位置，在嵌入式系统中比乘除运算更高效，第三级则仅对满足上两级要求的较少位置进行处理，极大提高匹配速度。整体方法可实现任意角度、坐标下的目标匹配定位工作。
文档编号G06K9/64GK102654902SQ20121001280
公开日2012年9月5日 申请日期2012年1月16日 优先权日2012年1月16日
发明者倪健, 吉峰, 白瑞林 申请人:无锡信捷电气有限公司, 江南大学