,0]；
c.依次计算点列中相邻两点间的距离，并设tpjPtp i+1点间的距离为I i，计算曲线总长 L=IAl2…+Ilri，其中 I < i < n-Ι ；
d.计算每点处对应的归一化弧长参数，即311=(11+吣+111_1)/1，tPi点处对应的a!=0 ;而tpn#对应的an=l ;
e.构建形状指标I 为 Iia1, a2,…an;xtl, xyxtn;ytl, ynJ ο
[0024]2、待匹配曲线的子曲线段:
a.由点？1、巧建立局部坐标系，作为定义形状指标的坐标系。坐标系的X轴单位方向向量Vx由以下方法计算:
Vx= (P2-P1) /1P2-P1
坐标系的I轴单位方向向量Vy为Vx逆时针旋转90度；
b.将？1至Pn点坐标转化为Vx-Vy定义的坐标系内的坐标，第i点的坐标设为[X^yi],特别的，P1点的坐标为[0，0]；
步骤(2)中涉及的在相同的点位进行形状指标计算方法，较模板曲线的方法多一个插值步骤，即为:
a.计算子曲线段的总长度L';
b.计算子曲线段上指定位置处的弧长，即为X[a。a2，…an]，其中a。a2，…an为上述模板曲线计算得出的归一化的弧长参数；
c.在子曲线段上，根据插值得出每个弧长对应点的空间坐标，并按照与模板曲线相同的方法构建形状指标。所述插值可采用现有技术中成熟的插值方法，例如最简单的一种为:用直线连接给定点列中的相邻两点，然后在此直线上根据需要取若干点。
[0025]在曲线上，确定了起始点后，即可以用距离起点的弧长唯一确定一个点，归一化后，曲线上任意点的弧长取值为O到I之间。此方法进行曲线比较时，需要2条曲线上存在数量相同的点。指定位置，就是指确定2条曲线上一系列的对应点。插值可以具体采用在子曲线段上，把指定位置处的弧长等分η份，然后计算每个弧长处对应的点坐标。
[0026]步骤(2)中的子曲线段遍历算法采用以下方法进行，设曲线由{Ρι，ρ2...ρη}有序点列定义，并且规定每条子曲线段中最少包含N个点，2 < N < η，则所有起始点为P1的子曲线段为:
{Pl, P2…PiJ
(Pi, P2*** Pn.Pn+J(Pi, P2…Ρν，*.*Ρν+2}
(Pi, Ρ2...ΡΝ，…pJ
其中，所有包含N的下标值皆小于等于η。
[0027]同理，可以依次写出以ρ2、ρ3...ρη_Ν+1等为起点的子线段。这些子线段即构成了最小“长度”为N的所有子曲线段。
[0028]步骤(3)中的形状指标相似度I和i计算方法为(必须保证2个形状指标具有相同的归一化弧长参数a1; a2,…an):
a.计算2指标的差M=I_i；
b.计算M的范数(范数为一个大于等于O的数)；如形状指标完全一样，则范数等于0，表示具有最大的相似度(即相等)；范数越大，则表示相似度越小。
[0029]范数的类型可以任意选取，如m、l、2范数。一般情况下，在保证效果的前提下，为减小计算量，可以采用2范数的平方，其意义不变。
[0030]阈值Θ的选取要根据具体问题。如果需要精确识别，就要设置的小点，一般可选取[0，I]，即大于等于0，小于等于I间的数。一般是选择最小范数(最相似)的结果作为最终的识别结果。
[0031]由以上内容可知，在计算机运算速度一定的情况下，子曲线段的数量影响着该算法的运行速度；而决定子曲线段数量的最主要因素，则是由定义该曲线的有序点列中点的数量决定，即在最短子曲线段一定的情况下，有序点列中的点数量越少，其包含的子曲线段数量越少。
[0032]本发明的方法并不要求定义曲线的点为等弧长分布，因此可以通过曲线的曲率定义非等弧长点列集。在曲率较小的部分，以大弧长离散化曲线；在曲率较大部分，以小弧长离散化曲线以保留更多的细节信息。达到保证形状指标精度的情况下，降低有序点列中点的数量，提高匹配速度。
【主权项】
1.一种图像识别中与位置尺度无关的曲线匹配方法，其特征在于，包括以下步骤: (1)对模板曲线构建离散化的形状指标I; (2)在待匹配曲线上，遍历所有子曲线段，并采用步骤(I)中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段构建形状指标in; (3)依次计算形状指标I和in的相似度参量； (4)如果相似度参量小于等于设定的阈值，则认为对应子曲线段与模板曲线形状相同。2.根据权利要求1所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述步骤(I)对模板曲线构建离散化的形状指标I，具体为: a.模板曲线的有序点列表示为T=Itp1,tp2...tpn}，其中tp^示点列中第η个点，其二维形式坐标为[xtpn，ytpn]，由点tPl、丨?2建立局部坐标系，作为构建形状指标的坐标系，坐标系的X轴单位方向向量Vxt为:Vxt= Up^tp1)/1 tp^tpi I，坐标系的Y轴单位方向向量Vyt为Vxt逆时针旋转90度； b.将丨卩1至tpn点坐标转化为Vxt-Vyt定义的坐标系内的坐标，第i点的坐标设为[xti，yti]，其中七口:点的坐标为[0,0]； c.依次计算点列中相邻两点间的距离，并设tpjPtp i+1点间的距离为I i，计算曲线总长 L=IAl2…+Ilri，其中 I < i < n-Ι ； d.计算每点处对应的归一化弧长参数，即311=(11+吣+111_1)/1，tPi点处对应的a!=0 ;而tpn#对应的an=l ; e.构建形状指标I 为 Iia1, a2,…an;xtl, xyxtn;ytl, ynJ ο3.根据权利要求2所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述步骤(2)中为每个子曲线段构建形状指标in，具体为: a.计算子曲线段的总长度L'; b.计算子曲线段上指定位置处的弧长，即为X[a。a2，…an]，其中a。a2，…an为所述归一化弧长参数； c.在子曲线段上，根据插值得出每个弧长对应点的空间坐标，并按照与模板曲线相同的方法构建子曲线段形状指标in。4.根据权利要求3所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述插值具体为在子曲线段上，把指定位置处的弧长等分η份，然后计算每个弧长处对应的点坐标。5.根据权利要求1所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述步骤(2)中的子曲线段遍历采用以下方法进行:设待匹配曲线由{Ρι，ρ2...ρη}有序点列定义，并且规定每条子曲线段中至少包含N个点，2 <Ν<η，则所有起始点为？1的子曲线为:(P1, P2…pN}，(P1, P2...PN，PN+J，(P1, Ρ2...Ρν，…PnU，......，{Ρι，P2…Ρν，…PrJ，其中，所有包含N的下标值皆小于等于η ;相同的依次写出以p2、p3…、pn_N+1为起点的子曲线段，这些子曲线段即构成了最小长度为N的所有子曲线段。6.根据权利要求3所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述步骤(3)中的形状指标I和in的相似度计算方法为: a.计算2形状指标的差M=I_in; b.计算M的范数作为相似度参量，其中范数为一个大于等于O的数，如形状指标完全一样，则范数等于O，表示相等，即具有最大的相似度；范数越大，则表示相似度越小。7.根据权利要求6所述的图像识别中与位置尺度无关的曲线匹配方法，其特征在于，所述阈值取值范围为[O，I]。
【专利摘要】本发明公开了一种图像识别中与位置尺度无关的曲线匹配算法，包括：（1）对模板曲线构建离散化的形状指标I；（2）在待匹配曲线上，遍历所有子曲线段，并采用步骤（1）中相同的形状指标构建方法，在相同的点位构建形状指标，为每个子曲线段构建形状指标in；（3）依次计算形状指标I和in的相似度参量；（4）如果相似度参量小于等于设定的阈值，则认为对应子曲线段与模板曲线形状相同。本发明的方法通过定义曲线局部坐标系，并在此坐标系中构建曲线形状指标，使得本发明的匹配方法不受曲线平移、旋转参数的影响。
【IPC分类】G06K9/64
【公开号】CN104933448
【申请号】CN201510410862
【发明人】王德麾, 樊庆文, 周莹莹, 雷经发
【申请人】四川大学
【公开日】2015年9月23日
【申请日】2015年7月14日