基于同底三角形面积描述的目标识别和形状检索方法
【技术领域】
[0001] 本发明设及一种基于同底=角形面积描述的目标识别和形状检索方法，属于目标 识别和形状检索技术领域。
【背景技术】
[0002] 如何使机器人视觉自动地识别和认识目标在现实世界中是一个非常具有挑战性 的问题，该项研究的最新进展主要是设计智能的形状描述符来提供更好的相似性度量。目 标识别和形状检索是机器人视觉中研究的热点，在工程中得到了广泛的应用，如图像及视 频匹配、目标识别、机器人导航、深度学习、场景分类W及图像分割等多个领域中。
[0003] 根据特征来源把形状描述方法分为两类；基于轮廓的方法和基于变换域的方法， 前者特征全部来自于目标图像的轮廓，如Moravec、Harris角点特征，轮廓周长、紧密度、偏 屯、率，Haus化off距离等，具有简单但有效的特点，在机器人视觉得到了广泛的应用。通常 主要有两种方法描述目标的特征；基于全局特征和基于局部特征。全局特征能够描述目标 的整体特征，对目标形状简单、具有单个封闭的轮廓特别有用，但是对局部变化比较敏感， 易发生误匹配，女曰ShapeContexts，Inner-Distance和Multi-scaleRepresentation。局 部特征能够克服上述的问题，具有鲁椿性，因为即使部分轮廓被遮挡或发生变形，其它局部 特征也能被匹配和识别，如化apeTree,ClassSe卵entSets,ContourFlexibility,但是 计算复杂度高并会产生冗余的信息。
【发明内容】
[0004] 为解决上述技术问题，本发明的目的是提供一种基于同底S角形面积描述的目标 识别和形状检索方法，其能够达到提高准确率、鲁椿性，减少计算量的目的。
[0005] 本发明的一种基于同底S角形面积描述的目标识别和形状检索方法，包括：
[0006] S1、提取出目标图像的边缘特征，采用轮廓提取算法提取出目标轮廓特征；
[0007] S2、根据所提取出的目标轮廓特征构造每个轮廓点的同底=角形集合，计算所有 =角形的面积，作为同底=角形面积描述子；
[000引 S3、采用分段平均的方法平滑同底=角形面积描述子，W形成同底=角形面积特 征描述矩阵；
[0009] S4、将同底=角形面积特征描述矩阵按行局部归一化，W形成最终特征描述矩 阵；
[0010] S5、采用加权L1范数计算平滑归一化后的同底S角形面积描述矩阵中的每列之 间的距离，W得到匹配代价矩阵；
[0011] S6、采用动态规划对匹配代价矩阵进行相似度匹配。
[0012] 进一步的，所述步骤S1具体包括：
[0013] S11、采用Log二阶微分算子提取出目标图像的边缘特征；
[0014] S12、采用的轮廓提取算法在目标图像边缘上均匀地等间隔采样得到一组有序点 集，该点集即为目标轮廓特征。
[0015] 进一步的，所述步骤S2具体包括；
[0016] S21、在目标图像的轮廓上，取目标轮廓点Pi,利用与目标轮廓点Pi相邻的两个轮 廓点Ph，Pw构成的线段作为立角形的底边，并固定不变;
[0017] S22、按照顺时针方向取点作为S角形的顶点，构成一个S角形集合，该集合即为 目标轮廓点Pi的同底S角形集合；
[0018] S23、采用行列式计算该同底S角形集合中每个S角形的面积，作为该目标轮廓点 Pi的同底S角形面积描述子。
[0019] 进一步的，所述步骤S3具体包括：
[0020] S31、规定分段区间长度k;
[002US32、将轮廓采样点数n，按[1,k],比+1, 2k],...,虹k-k+1,址]形式等间隔分成m 段；
[0022] S33、计算每一段中k个同底S角形面积的平均值A，.;'S
[0023] S34、将每一段中k个面积用该平均值代替，构成m维向量，作为目标轮廓点IV新 的同底=角形面积描述子；
[0024]S35、计算每一个目标轮廓点Pi的新的同底S角形面积描述子，构成mXn维的同 底=角形面积特征描述矩阵。
[0025] 进一步的，所述步骤S4具体包括：
[0026]S41、计算目标图像轮廓的同底=角形面积特征描述矩阵中每一行的最大绝对 值；
[0027]S42、将同底=角形面积特征描述矩阵中每一行元素除W对应行的最大绝对值，作 为目标图像轮廓的最终特征描述矩阵。
[002引进一步的，所述步骤S5具体包括；
[0029]S51、计算数据库中所有N个模板图像轮廓的同底=角形面积特征矩阵；
[0030] S52、将目标图像轮廓的最终特征描述矩阵中的每一列与模板图像轮廓的同底= 角形面积特征矩阵中的每一列采用加权L1范数距离度量，得到nXn维的匹配代价矩阵。
[0031] 所述步骤S6具体包括：
[0032] S61、采用动态规划算法计算匹配代价矩阵的最佳映射关系，获得目标图像轮廓与 模板图像轮廓的相似度；
[0033] S62、计算每一个模板图像轮廓与目标图像轮廓的相似度，最小相似度对应的模板 图像即为匹配图像，达到目标识别和形状检索的目的。
[0034] 借由上述方案，本发明至少具有W下优点：本发明的基于同底=角形面积描述的 目标识别和形状检索方法在自动识别和检索中，综合分析了目标图像的全局特征和局部特 征，及两者之间的关系，可W对图像形状进行特征的提取和有效表示，具有尺度不变性、旋 转不变性和平移不变性，提高了识别的准确率和效率，特别对轮廓边界变形的目标图像同 样适用。
[0035] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段， 并可依照说明书的内容予W实施，W下W本发明的较佳实施例并配合附图详细说明如后。
【附图说明】
[0036] 图1为本发明基于同底=脚形面积描述的目标识别和形状检索方法的具体流程 图；
[0037] 图2为本发明一【具体实施方式】中的轮廓点的同底S角形构造原理图；
[003引图3a~3c为本发明一【具体实施方式】中蝴蝶轮廓点的同底=角形面积描述子曲线 图，其中图3a、3b、图3c分别为蝴蝶原始图像、蝴蝶轮廓序列图像、同底=角形面积描述子 曲线图；
[0039] 图4a~4c为本发明一【具体实施方式】中同底S角形面积用于轮廓凹凸性的识别效 果图，其中图4a、4b、4c分别为字母T原始图像、字母T轮廓序列图像、轮廓凹凸性识别曲 线；
[0040] 图5为本发明一【具体实施方式】中目标轮廓的同底=角形面积描述矩阵的=维图；
[0041] 图6为本发明一【具体实施方式】中识别目标的MPEG7_CE-化ape-l_Part_B标准测试 图集；
[0042] 图7a~7e本发明一【具体实施方式】中识别目标的抗噪测试图集，其中图7a、7b、图 7c、图7d、图7e分别为Kimia99数据集、原轮廓、加噪声水平0. 6的轮廓、加噪声水平0. 8的 轮廓、加噪声水平1. 0的轮廓。
【具体实施方式】
[0043] 为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实 施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的