CN111160477B - 一种基于特征点检测的图像模板匹配方法 - Google Patents
一种基于特征点检测的图像模板匹配方法 Download PDFInfo
- Publication number
- CN111160477B CN111160477B CN201911410761.3A CN201911410761A CN111160477B CN 111160477 B CN111160477 B CN 111160477B CN 201911410761 A CN201911410761 A CN 201911410761A CN 111160477 B CN111160477 B CN 111160477B
- Authority
- CN
- China
- Prior art keywords
- feature
- matching
- target
- template
- convolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000010586 diagram Methods 0.000 claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种基于特征点检测的图像模板匹配方法，属于目标检测技术领域，本发明提供一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。本发明中，对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域。本发明主要用于目标检测和目标跟踪。
Description
技术领域
本发明属于目标检测技术领域，具体涉及一种基于特征点检测的图像模板匹配方法。
背景技术
图像模板匹配是一个计算机视觉应用的重要组成部分，例如：目标检测、目标跟踪、运动估计以及遥感技术等。一般情况下，模板是源图像中的感兴趣区域，其中包含某种感兴趣的目标。通过模板匹配方法，我们能够对目标图像进行无参数的目标检测以及追踪，这些方法已经成功应用了几十年，但目前依旧存在一些问题的亟需解决。尤其是，当模板和候选窗口进行相似性度量时，这些方法往往只是将其对应像素进行简单的算术操作。因此，在某些情况下，采用这些方法所得到的匹配结果经常会不尽如人意，例如，光照变化、模板和目标图像之间背景差异较大、目标图像中的对象可能存在空间运动、非刚性变形，甚至会被遮挡。
此外，很多模板匹配方法需要在模板和目标图像之间假定一个特殊的参数化变形模型，例如：刚性、仿射变换等)，该假设降低了匹配方法的适应性，并且当考虑到复杂变形情况时，需要对一定数量的参数进行预估。
因此，就需要一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。
发明内容
本发明针对现有的目标对象存在较大空间运动以及形变时，无法准确获取目标位置的缺陷，提供一种适应性广、匹配结果精准、准确估计目标大小的基于特征点检测的图像模板匹配方法。
本发明所涉及的一种基于特征点检测的图像模板匹配方法的技术方案如下：
本发明所涉及的一种基于特征点检测的图像模板匹配方法，它包括以下步骤：
步骤1、对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；
步骤2、将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；
步骤3、对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；
步骤4、通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域；
步骤5、对获得的匹配区域的目标对象进行高斯拟合，并获得其所在区域。
进一步地：所述步骤1所包含的步骤：
步骤11、根据需求预设特征检测器的参数；
步骤12、加载匹配模板，并对其进行特征点检测，获得特征描述；
步骤13、根据匹配模板大小，设置卷积核大小，卷积核元素全为1；
步骤14、调整特征匹配筛选阈值，使感兴趣区域中的目标匹配特征点密度最大。
进一步地：所述步骤4所包含的步骤：
步骤31、根据目标图像中所筛选出来的目标匹配特征点，构造目标匹配特征点图；
步骤32、将初始设置的卷积核应用于目标匹配特征点图，得到卷积特征图；
步骤33、根据卷积特征图获得卷积特征图的最大值和最大值位置。
进一步地：所述步骤5所包含的步骤：
步骤51、在卷积特征图的最大值位置，根据模板大小，获取水平和垂直方向相应区域的数据；
步骤52、分别对水平和垂直方向的数据进行一维高斯拟合，获得水平和垂直方向的均值和均方差；
步骤53、根据水平和垂直方向的均值和均方差确定目标对象所在的区域。
本发明所涉及的一种基于特征点检测的图像模板匹配方法的有益效果是：
本发明所涉及的一种基于特征点检测的图像模板匹配方法，兼容各种特征检测器。根据不同应用背景，实际需求可以自行选择最优特征检测器，如：ORB； SIFT；SURF；Harris等。采用卷积特征图度量方法，具有较高的鲁棒性，实时性和准确性。能够从复杂背景中，快速获得置信度最高的最佳匹配位置。采用高斯拟合方法，准确估计目标大小。解决了目标对象存在较大空间运动以及形变时，无法准确获取目标位置的问题。
附图说明
图1为基于特征点检测的图像模板匹配方法的整体流程图；
图2为卷积核示意图。
具体实施方式
下面结合实施例对本发明的技术方案做进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
实施例1
结合图1、图2说明本实施例，在本实施例中，本实施例所涉及的一种基于特征点检测的图像模板匹配方法，首先需要进行参数设置以及模板预处理；采用特征检测器，分别对目标图像和模板进行特征提取和描述；对提取的特征点进行最近邻匹配以及筛选；构造目标图像的最优匹配特征点图，应用卷积特征图度量方法，得到置信度最高的匹配区域；对目标对象进行高斯拟合，获得目标大小，并将其标记出来。
一种基于特征点检测的图像模板匹配方法包括以下步骤：
步骤1、参数预设以及模板预处理；步骤1的具体步骤如下：
步骤11、设置特征检测器的参数，所述参数保证能够从模板和目标图像中提取足够多的特征点；
步骤12、加载匹配模板，并对其进行特征点检测以及特征描述Desriptors*；
步骤13、根据匹配模板大小(w,h)，设置卷积核大小K＝size(w，h)，卷积核元素全为1；
步骤14、设置特征匹配筛选阈值TH，建议设置该值在0.6-1.0之间，保证感兴趣区域中的最佳匹配特征点密度最大；
步骤2、加载目标图像，应用特征检测器进行特征提取和描述Desriptors；
步骤3、将匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选特征点；
步骤4、通过上述最优匹配特征点构造目标图像的最优匹配特征点图，将最优匹配特征点图应用卷积特征图度量方法得到置信度最高的匹配区域；步骤4 的具体步骤如下：
步骤41、根据目标图像中所筛选出来的最优匹配特征点，构造最优匹配特征点图，即最优匹配特征点所在像素点设为255，其他区域设为0；
步骤42、将初始设置的卷积核kernel应用于最优匹配特征点图I(x,y)，得到卷积特征图F(x,y)；
其中，h是卷积核高度，w是卷积核宽度；
步骤43、寻找卷积特征图的最大值以及最大值位置；
步骤5、对目标对象进行高斯拟合，并获得其所在区域；步骤5的具体步骤如下：
步骤51、在卷积特征图的最大值位置，根据模板大小，获取水平和垂直方向相应区域的数据；
步骤52、分别对水平x和垂直y方向数据，进行一维高斯拟合，获得各自的均值μx,y和均方差σx,y；拟合函数如下：
其中，f(x)为水平方向的拟合函数，A1为水平方向高斯函数幅值，e为自然对数，μx为水平方向高斯函数平均值，σx为水平方向高斯函数标准差，f(y)为垂直方向的拟合函数，A2为垂直方向高斯函数幅值，μy为垂直方向高斯函数平均值，σy为垂直方向高斯函数标准差；
步骤53、目标对象所在区域即为：
Claims (1)
1.一种基于特征点检测的图像模板匹配方法，其特征在于，它包括以下步骤：
步骤1、对特征检测器的参数进行预设，对匹配模板进行预处理，获得匹配模板的特征描述；
步骤2、将目标图像加载至特征检测器，采用特征检测器对目标图像进行特征提取和特征描述；
步骤3、对匹配模板的特征描述与目标图像的特征描述进行特征匹配，并筛选出目标匹配特征点；
步骤4、通过上述目标匹配特征点构造目标图像的目标匹配特征点图，对目标匹配特征点图应用卷积特征图度量方法得到目标置信度的匹配区域；
步骤5、对获得的匹配区域的目标对象进行高斯拟合，并获得其所在区域；
所述步骤1所包含的步骤：
步骤1.1、根据需求预设特征检测器的参数；
步骤1.2、加载匹配模板，并对其进行特征点检测，获得特征描述；
步骤1.3、根据匹配模板大小，设置卷积核大小，卷积核元素全为1；
步骤1.4、调整特征匹配筛选阈值，使感兴趣区域中的目标匹配特征点密度最大；
所述步骤4所包含的步骤：
步骤4.1、根据目标图像中所筛选出来的目标匹配特征点，构造目标匹配特征点图；
步骤4.2、将初始设置的卷积核应用于目标匹配特征点图，得到卷积特征图；具体过程为：
将初始设置的卷积核kernel应用于目标匹配特征点图I(x,y)，得到卷积特征图F(x,y)；
其中，h是卷积核高度，w是卷积核宽度；
步骤4.3、根据卷积特征图获得卷积特征图的最大值和最大值位置；
所述步骤5所包含的步骤：
步骤5.1、在卷积特征图的最大值位置，根据模板大小，获取水平和垂直方向相应区域的数据；
步骤5.2、分别对水平和垂直方向的数据进行一维高斯拟合，获得水平和垂直方向的均值和均方差；
拟合函数如下：
其中，f(x)为水平方向的拟合函数，A1为水平方向高斯函数幅值，e为自然对数，μx为水平方向高斯函数均值，σx为水平方向高斯函数均方差，f(y)为垂直方向的拟合函数，A2为垂直方向高斯函数幅值，μy为垂直方向高斯函数均值，σy为垂直方向高斯函数均方差；
步骤5.3、根据水平和垂直方向的均值和均方差确定目标对象所在的区域；
目标对象所在区域即为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911410761.3A CN111160477B (zh) | 2019-12-31 | 2019-12-31 | 一种基于特征点检测的图像模板匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911410761.3A CN111160477B (zh) | 2019-12-31 | 2019-12-31 | 一种基于特征点检测的图像模板匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111160477A CN111160477A (zh) | 2020-05-15 |
| CN111160477B true CN111160477B (zh) | 2024-03-19 |
Family
ID=70559818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911410761.3A Active CN111160477B (zh) | 2019-12-31 | 2019-12-31 | 一种基于特征点检测的图像模板匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160477B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508846B (zh) * | 2020-10-30 | 2023-04-18 | 北京市商汤科技开发有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
| CN112288723B (zh) * | 2020-10-30 | 2023-05-23 | 北京市商汤科技开发有限公司 | 缺陷检测方法、装置、计算机设备及存储介质 |
| CN112966725B (zh) * | 2021-02-08 | 2024-01-16 | 深圳市优必选科技股份有限公司 | 匹配模板图像的方法、装置及终端设备 |
| CN115100441B (zh) * | 2022-08-23 | 2022-11-18 | 浙江大华技术股份有限公司 | 目标检测方法、电子设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077512A (zh) * | 2012-10-18 | 2013-05-01 | 北京工业大学 | 基于主成分析的数字图像的特征提取与匹配方法及装置 |
| CN103455797A (zh) * | 2013-09-07 | 2013-12-18 | 西安电子科技大学 | 航拍视频中运动小目标的检测与跟踪方法 |
| CN105654518A (zh) * | 2016-03-23 | 2016-06-08 | 上海博康智能信息技术有限公司 | 一种基于方差估计的跟踪模板自适应方法 |
| CN107563405A (zh) * | 2017-07-19 | 2018-01-09 | 同济大学 | 基于多分辨率神经网络的车库自动驾驶语义目标识别方法 |
| CN108446694A (zh) * | 2017-02-16 | 2018-08-24 | 杭州海康威视数字技术股份有限公司 | 一种目标检测方法及装置 |
| CN109949340A (zh) * | 2019-03-04 | 2019-06-28 | 湖北三江航天万峰科技发展有限公司 | 基于OpenCV的目标尺度自适应跟踪方法 |
| CN110222661A (zh) * | 2019-06-12 | 2019-09-10 | 中国矿业大学 | 一种用于运动目标识别及跟踪的特征提取方法 |
-
2019
- 2019-12-31 CN CN201911410761.3A patent/CN111160477B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077512A (zh) * | 2012-10-18 | 2013-05-01 | 北京工业大学 | 基于主成分析的数字图像的特征提取与匹配方法及装置 |
| CN103455797A (zh) * | 2013-09-07 | 2013-12-18 | 西安电子科技大学 | 航拍视频中运动小目标的检测与跟踪方法 |
| CN105654518A (zh) * | 2016-03-23 | 2016-06-08 | 上海博康智能信息技术有限公司 | 一种基于方差估计的跟踪模板自适应方法 |
| CN108446694A (zh) * | 2017-02-16 | 2018-08-24 | 杭州海康威视数字技术股份有限公司 | 一种目标检测方法及装置 |
| CN107563405A (zh) * | 2017-07-19 | 2018-01-09 | 同济大学 | 基于多分辨率神经网络的车库自动驾驶语义目标识别方法 |
| CN109949340A (zh) * | 2019-03-04 | 2019-06-28 | 湖北三江航天万峰科技发展有限公司 | 基于OpenCV的目标尺度自适应跟踪方法 |
| CN110222661A (zh) * | 2019-06-12 | 2019-09-10 | 中国矿业大学 | 一种用于运动目标识别及跟踪的特征提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111160477A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111160477B (zh) | 一种基于特征点检测的图像模板匹配方法 | |
| US8331650B2 (en) | Methods, systems and apparatus for defect detection | |
| JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
| JP6899189B2 (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
| US8731274B2 (en) | Method and system for wafer registration | |
| CN112927249A (zh) | 通过视觉系统查找图像中线的系统和方法 | |
| CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
| KR102153962B1 (ko) | 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN110599489A (zh) | 一种目标空间定位方法 | |
| Hussain et al. | A comparative analysis of edge detection techniques used in flame image processing | |
| CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
| CN115294527A (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
| CN115861226A (zh) | 基于特征值梯度变化的深度神经网络智能识别表面缺陷方法 | |
| US6829382B2 (en) | Structure-guided automatic alignment for image processing | |
| CN105374045B (zh) | 一种基于形态学的图像特定形状尺寸目标快速分割方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| Zhou et al. | An adaptive clustering method detecting the surface defects on linear guide rails | |
| Said et al. | Robust automatic void detection in solder balls | |
| CN111862196A (zh) | 检测平板物体的通孔的方法、装置和计算机可读存储介质 | |
| CN110298799B (zh) | 一种pcb图像定位校正方法 | |
| CN117589065B (zh) | 一种针对异形轴接口尺寸的检测方法 | |
| Liu et al. | Outdoor camera calibration method for a GPS & camera based surveillance system | |
| CN118429345B (zh) | 基于图像分割的石油管道异常状态数据提取方法 | |
| P Navghane et al. | Machine vision based approach for automated keypad inspection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220629 Address after: 150000 No. 311, third floor, science and Technology Park building, Harbin University of technology, No. 434, sub postal street, Nangang District, Harbin, Heilongjiang Province Applicant after: Harbin Zhiwu Technology Co.,Ltd. Address before: 518110 room 214, No. 67, Xikeng Road, Xikeng community, Fucheng street, Longhua District, Shenzhen City, Guangdong Province Applicant before: Harbin Huizhi (Shenzhen) Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |