专利名称：基于直线二分法的不规则区域自动匹配方法
技术领域：
本发明涉及一种计算机视觉中的图像不规则区域特征的自动匹配方法。
背景技术：
图像特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等诸多领域有重要应用。近些年来以尺 度不变特征变换(Scale Invariant Feature Transform,简称SIFT)技术的提出为标志，图像特征匹配领域取得了较大进展，形成了ー批成熟的特征匹配算法，如 SIFT、GLOH、Shape Context 等(具体见文献A performance evaluation of localdescriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence，2005,27(10) :1615-1630)。各种已有匹配方法对图像中区域特征进行匹配时采用的基本思路如下首先将不规则区域拟合为规则区域(如圆、椭圆、正方形)或者直接选取规则区域作为构造描述子的支撑区域；然后在规则区域上进行固定大小的子区域划分(将支撑区域划分为若干个固定大小的子区域)，最后通过计算子区域描述子并进行区域匹配。各种方法的区别主要在于选取支撑区域形状不同、子区域划分不同以及构造区域描述子选取的特征不同。但是，由于拍摄图像时视角经常发生变化，一组待匹配图像之间经常存在形变，已有方法利用固定形状作为支撑区域将会导致支撑区域包含的图像内容不一致，并且进行固定大小的子区域划分后各子区域包含的内容也不一致，从而降低了匹配结果的准确性，可以说已有各种区域匹配方法对于图像形变比较敏感。
发明内容
本发明针对数字图像中已有区域匹配方法对形变的敏感问题，目的是提供ー种对形变具有更好稳定性的自动区域匹配方法。为了实现本目的，本发明基于直线二分法的不规则区域自动匹配方法，包括以下步骤步骤SI :采集图像并输入计算机；步骤S2 :利用已有区域检测方法检测区域；步骤S3 :计算区域最大对称位直；步骤S4 :将区域内各点梯度向量与区域均值向量进行运算获得区域内各点的特征向量；步骤S5 :利用梯度幅值极值计算区域关键点；步骤S6 :计算区域关键点对应的区域描述向量；步骤S7 :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。步骤S8 :利用区域描述子之间的欧式距离进行区域匹配。本发明提供的基于直线二分法的不规则区域自动匹配方法，主要利用了图像区域内关键点相对于直线的位置关系在形变时能够保持不变这ー性质，首先确定区域的最大对称位置、计算各点的特征向量并确定区域内关键点，然后分别利用各关键点与最大对称位置构成直线将区域划分为两个子区域并计算描述向量，最后通过计算各描述向量的统计量来获得区域描述子并进行匹配。由于点与直线的相对位置关系在图像形变下是保持不变的，因此利用各关键点与最大对称位置确定的直线对区域进行划分与特征描述在形变下具有稳定性。本发明提供的方法在构造区域描述子过程中既不需要进行形状拟合又不需要进行固定大小子区域划分，減少了由于图像形变造成的误差，因此在对图像形变的稳定性方面优于已有方法。
图I为本发明基于直线二分法的不规则区域自动匹配方法流程图。
具体实施例方式如图I所示为本发明基于直线二分法的不规则区域自动匹配方法流程图，包括步骤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。各步骤的具体实施细节如下步骤SI :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，如使用MSER技术；步骤S3 :计算每个区域G的最大对称位置P。，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Li将整个圆周等分为36份；记G内直线Li两侧的像素数分别为
Nl(i)，Ne(i)，定义ΣΚ^')-ル(0|为P处的不対称性；将区域G内不对称性最小的位置P。
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[dx，dy]，G内各点的平均梯度为[Vx，Vy]，计算点 X(x，y)处的特征向量 S = [S1, S2],其中 S1 = dx ·Vx+dy · Vy, S2 = dx ·Vy-dy · Vx ；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3X3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_l, y-1),E(x, y) > E (x_l, 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_l, 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)7Mean(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... Pn，关键点Pi与区域G的对称位置P。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GB、Gs;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Pi对应的8维区域描述向量Vi = [vn, vi2, . . . , vi8],其中
权利要求
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Si: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，如使用MSER技术；步骤S3 :计算每个区域G的最大对称位置P。，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Li将整个圆周等分为36份；记G内直线Li两侧的像素数分别为队⑴，NK(i)，定义
全文摘要
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。
文档编号G06T7/00GK102663442SQ20121006969
公开日2012年9月12日 申请日期2012年3月5日 优先权日2012年3月5日
发明者侯占伟, 刘红敏, 夏玉玲, 王志衡 申请人:河南理工大学