[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113159103A - 图像匹配方法、装置、电子设备以及存储介质 - Google Patents

图像匹配方法、装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN113159103A
CN113159103A CN202110209671.9A CN202110209671A CN113159103A CN 113159103 A CN113159103 A CN 113159103A CN 202110209671 A CN202110209671 A CN 202110209671A CN 113159103 A CN113159103 A CN 113159103A
Authority
CN
China
Prior art keywords
template
contour
image
edge
searched
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.)
Granted
Application number
CN202110209671.9A
Other languages
English (en)
Other versions
CN113159103B (zh
Inventor
张翔
刘吉刚
王月
王升
孙仲旭
章登极
吴丰礼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Topstar Technology Co Ltd
Original Assignee
Guangdong Topstar Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Topstar Technology Co Ltd filed Critical Guangdong Topstar Technology Co Ltd
Priority to CN202110209671.9A priority Critical patent/CN113159103B/zh
Publication of CN113159103A publication Critical patent/CN113159103A/zh
Application granted granted Critical
Publication of CN113159103B publication Critical patent/CN113159103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/752—Contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像匹配方法、装置、电子设备以及存储介质。所述方法通过对模板图像进行金字塔分层，变尺度多角度的模板图像创建来提取模板边缘，创建多层变尺度多角度的模板边缘轮廓点集，使模板图像的模板边缘轮廓包含尺度信息，解决图像形状匹配过程中的尺度信息缺失和尺度不变性问题，提高图像匹配过程中的图像匹配精确度；同时考虑到包含尺度特征的模板边缘轮廓信息的数据结构构建复杂，匹配过程中需要较长时间，通过对模板图像的金字塔分层数对待搜索图像进行分层，综合运用金字塔对在各个分层实现由粗到精的相似度匹配的性能提升策略，降低下层的匹配数据量，在保证匹配精度的前提下提高多尺度特征下的形状边缘匹配速度。

Description

图像匹配方法、装置、电子设备以及存储介质
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种图像匹配方法、装置、电子设备以及存储介质。
背景技术
随着计算机视觉的发展，图像形状匹配的应用领域也越来越多，比如目标识别、文字识别(OCR)、图像检索、医学图像分析以及机器人导航等领域。
目前，形状匹配方法主要分为两大类：一类是计算各种变换下图像不变量的差值；另一类是通过寻找待搜索图像和模板图像之间局部对应关系，使匹配误差最小。但是上述方法中，第一类适用于全局特征描述，却会失去一些重要形状信息，如尺度特征等，导致图像匹配精度较低；另一类方法是将整体形状与局部形状紧密结合，对图像平移、旋转、尺度变化及轻微的几何形变具有不错的鲁棒性，但是该类方法的计算复杂度较高，会影响图像匹配效率。
发明内容
本发明实施例中提供了一种图像匹配方法、装置、电子设备以及存储介质，以实现在形状匹配过程中兼顾解决匹配精度低和匹配效率低的问题。
第一方面，本发明实施例中提供了一种图像匹配方法，所述方法包括：
确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
第二方面，本发明实施例中还提供了一种图像匹配装置，所述装置包括：
模板信息确定模块，用于确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
待搜索信息确定模块，用于确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
轮廓相似匹配模块，用于针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
轮廓下层匹配映射模块，用于依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
待搜索图像识别模块，用于依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
第三方面，本发明实施例中还提供了一种电子设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现本发明实施例中任一所述的图像匹配方法。
第四方面，本发明实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现本发明实施例中任一所述的图像匹配方法。
根据本申请实施例中提供的图像匹配方法，通过对模板图像进行金字塔分层，变尺度进行多角度的模板图像创建来提取模板边缘，创建多层变尺度多角度的模板边缘轮廓点集，使模板图像的模板边缘轮廓包含尺度信息，从而解决图像形状匹配过程中的尺度信息缺失和尺度不变性问题，提高图像匹配过程中的图像匹配精确度；同时考虑到采用包含尺度特征的模板边缘轮廓匹配，模板边缘轮廓信息的数据结构构建复杂，匹配过程中需要较长时间，通过对模板图像的金字塔分层数对待搜索图像进行分层，综合运用图像金字塔对在各个分层实现由粗到精的相似度匹配的性能提升策略，降低在下层的匹配数据量，降低算法复杂度，在保证匹配精度的前提下提高多尺度特征下的形状边缘匹配速度。
上述发明内容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，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例中提供的一种图像匹配方法的流程图；
图2是本发明实施例中提供的一种包含图像尺度特征的模板边缘轮廓信息集的示意图；
图3是本发明实施例中提供的一种图像匹配的总体流程框图；
图4是本发明实施例中提供的一种创建模板边缘轮廓信息集的流程图；
图5是本发明实施例中提供的一种对模板图像进行边缘提取的示意图；
图6是本发明实施例中提供的一种对模板图像方向差分处理的示意图；
图7是本发明实施例中提供的一种模板图像的梯度幅值图像的示意图；
图8是本发明实施例中提供的一种模板图像的图像梯度方向的示意图；
图9是本发明实施例中提供的一种对模板图像进行非极大值抑制的示意图；
图10是本发明实施例中提供的一种进行自适应滞后阈值处理的示意图；
图11是本发明实施例中提供的一种对模板图像进行自适应滞后阈值处理的效果示意图；
图12是本发明实施例中提供的一种对模板边缘轮廓图像进行金字塔自适应分层的流程示意图；
图13是本发明实施例中提供的一种待搜索边缘轮廓信息集的构建流程图；
图14是本发明实施例中提供的另一种图像匹配方法的流程图；
图15是本发明实施例中提供的一种将模板边缘轮廓在对应待搜索边缘轮廓进行滑动遍历的示意图；
图16是本发明实施例中提供的一种在各个金字塔分层对模板边缘轮廓与待搜索边缘轮廓进行相似度匹配的示意图；
图17是本发明实施例中提供的一种从金字塔上层向下层进行轮廓匹配搜索信息的映射示意图；
图18是本发明实施例中提供的一种采用性能提升策略进行相似度匹配的前后加速对比示意图；
图19是本发明实施例中提供的一种图像匹配装置的结构图；
图20是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本发明实施例中提供的一种图像匹配方法的流程图。本实施例的技术方案可适用于对图像间的形状进行匹配的情况，该方法可以由图像匹配装置来执行，该装置可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图1所示，本申请实施例中的图像匹配方法，可以包括以下步骤：
S110、确定模板图像的模板边缘轮廓信息集；模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓。
图像形状匹配通常是按照一定的准则来衡量形状间的相似程度，两个图像的形状匹配结果可用一个数值来表示，称为形状相似度。形状相似度的数值越大，表明这两个图像的形状越相似；反之，则越不相似。形状匹配的相似度是匹配过程中最大值所对应的结果。
参见图2，可对包含目标形状的模板图像进行金字塔分层，得到多个分层的模板图像，并在金字塔分层后从多尺度多旋转角度下对每层的模板图像的模板边缘轮廓特征进行描述，创建模板图像的模板边缘轮廓信息集。这样，可以通过构建多层变尺度多角度的模板边缘轮廓特征，使模板边缘轮廓包含尺度信息，从而解决图像匹配过程中的尺度不变性问题。
S120、确定待搜索图像的待搜索边缘轮廓信息集；待搜索边缘轮廓信息集表征根据模板图像的金字塔分层数，从待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓。
由于需将待搜索图像与模板图像的模板边缘轮廓信息进行图像匹配，在获取待搜索图像后，与对模板图像的处理类似，可按照对模板图像的金字塔分层数待搜索图像进行金字塔分层，得到多个分层的待搜索图像。进而，可从每个分层的待搜索图像中提取对应的待搜索边缘轮廓点，构建每个分层的待搜索边缘轮廓，实现在使用边缘轮廓对模板图像与待搜索图像进行同分层匹配。
S130、针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果。
轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围。待匹配区域可指示模板边缘轮廓在同层待搜索边缘轮廓进行相似度匹配时的限制搜索位置，避免模板边缘轮廓在待搜索边缘轮廓的待匹配区域以外的其他区域进行匹配而浪费相似度匹配资源。待匹配尺度可指示模板边缘轮廓在同层待搜索边缘轮廓进行相似度匹配时，所使用的模板边缘轮廓的尺度，避免使用尺度不合适的模板边缘轮廓在待搜索边缘轮廓进行匹配而浪费匹配资源。同样，待匹配角度可指示模板边缘轮廓在同层待搜索边缘轮廓进行相似度匹配时，所使用的模板边缘轮廓的旋转角度，避免使用角度不合适的模板边缘轮廓进行相似度匹配而浪费相似度匹配资源。
在模板边缘轮廓与待搜索边缘轮廓进行相似度匹配时，可统计模板边缘轮廓与其在待搜索边缘轮廓的重叠轮廓区域之间的相似度，相似度越大，两者之间越相似，完全匹配时相似度为1。轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。对于同一分层的模板边缘轮廓与待搜索边缘轮廓而言，通过不同尺度不同旋转角度的模板边缘轮廓分别在同一个待搜索边缘轮廓上进行相似度匹配，可得到一系列的轮廓之间的相似度度量值，取相似度度量值最大值所对应的位置区域、角度以及尺度作为在当前分层的轮廓匹配结果。
S140、依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层。
参见图3，在对模板图像与待搜索图像进行图像匹配时，引入图像金字塔的目的是加快模板边缘轮廓与待搜索边缘轮廓之间的轮廓匹配速度。针对自上而下的金字塔分层，靠近金字塔底层的模板边缘轮廓与待搜索边缘轮廓中的边缘轮廓特征细节较多，在进行相似度匹配时需要花费的时间会比较长。因此，可按照金字塔自上而下的顺序，先在金字塔上层进行模板边缘轮廓与待搜索边缘轮廓之间的相似度粗匹配得到一个粗略的轮廓匹配结果。
参见图3，当在金字塔上层得到轮廓匹配结果后，可以基于在金字塔上层得到的轮廓匹配结果向金字塔下层映射得到新的轮廓匹配搜索信息，便于在金字塔下层进行模板边缘轮廓与待搜索边缘轮廓进行相似度匹配时，有效确定在金字塔下层的待匹配区域、待匹配尺度范围和待匹配角度范围，大幅度减少在金字塔下层进行无用区域位置、无用角度以及无用尺度的相似度匹配，从而加快在金字塔下层的相似度匹配速度。
S150、依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别待搜索图像中模板图像指示的目标形状。
参见图3，按照自上而下的金字塔分层，可利用在金字塔第二层确定的模板边缘轮廓在待搜索边缘轮廓上进行相似度匹配得到的轮廓匹配结果，向下映射确定在金字塔底层模板边缘轮廓在待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息。进而，可将金字塔底层的模板边缘轮廓在金字塔底层对应的待搜索边缘轮廓上进行相似度匹配，得到在金字塔底层相似度匹配结束时的轮廓匹配结果。
轮廓匹配结果可包括金字塔底层的模板边缘轮廓在金字塔底层的待搜索边缘轮廓完成相似度匹配时的轮廓重心位置、尺度与旋转角度。基于在金字塔底层相似度匹配结束时的轮廓匹配结果指示的轮廓中心位置、所使用的模板边缘轮廓的尺度与旋转角度，在待搜索图像中勾画出模板图像指示的目标形状，实现图像间形状匹配。
根据本申请实施例中提供的图像匹配方法，通过对模板图像进行金字塔分层，变尺度进行多角度的模板图像创建来提取模板边缘，创建多层变尺度多角度的模板边缘轮廓点集，使模板图像的模板边缘轮廓包含尺度信息，从而解决图像形状匹配过程中的尺度信息缺失和尺度不变性问题，提高图像匹配过程中的图像匹配精确度；同时考虑到采用包含尺度特征的模板边缘轮廓匹配，模板边缘轮廓信息的数据结构构建复杂，匹配过程中需要较长时间，通过对模板图像的金字塔分层数对待搜索图像进行分层，综合运用图像金字塔对在各个分层实现由粗到精的相似度匹配，通过以上性能提升策略能大幅度降低在下层的匹配数据量，降低算法复杂度，在保证匹配精度的前提下提高多尺度特征下的形状边缘匹配速度。
图4是本发明实施例中提供的一种模板边缘轮廓信息集的创建流程图，本实施例的技术方案在上述实施例的基础上进行进一步优化，本实施例的技术方案可以与上述一个或者多个实施例中各个可选方案结合。如图4所示，本申请实施例中提供的模板边缘轮廓信息集的创建过程，可以包括以下步骤S410-S430：
S410、对模板图像进行金字塔自适应分层，得到多个分层的模板图像。
在本实施例的一种可选方案中，参见图5，对模板图像进行金字塔自适应分层，得到多个分层的模板图像，可包括以下步骤A1-A4：
步骤A1、依据模板图像的梯度幅值与梯度方向，对模板图像中像素点进行非极大值抑制处理，得到非极大值抑制的模板图像。
参见图3，在获取模板图像后，使用分离式高斯滤波对获取的模板图像进行预处理。其中，高斯滤波器是一种线性滤波器，能够有效的抑制噪声以及平滑图像。高斯滤波器根据高斯函数生成一个模板，再与待处理图像进行卷积操作。二维高斯核函数如下所示：
Figure BDA0002950964240000081
式中x,y为模板图像中像素点坐标；e为自然常数，约等于2.71828；σ是标准差，σ越小，生成的模板中心系数越大，周围系数越小，对模板图像的平滑效果就越明显；反之，σ较大则生成模板的各个系数相差就不是很大，类似于均值模板，对模板图像的平滑效果比较明显。对模板图像的预处理如下：L(x,y)＝G(x,y)*I(x,y)，式(2)中，I(x,y)为模板图像，G(x,y)为生成的高斯核函数,L(x,y)为高斯核平滑后的模板图像。
参见图3和图6，在使用分离式高斯滤波对获取的模板图像进行预处理之后，可对图像预处理后的模板图像进行图像方向差分处理，得到模板图像在x方向和y方向差分图像。例如，Sobel边缘检测本质上来说是一个一阶滤波器，基于一阶导数对线条、噪声的敏感性，在进行Sobel边缘检测时需要先进行图像的平滑处理，减少噪声对边缘检测的影响。Sobel算子包含两组3×3的矩阵，分别为x方向和y方向卷积核。通过Sobel算子可对高斯平滑后的模板图像进行卷积处理，得到模板图像在x方向和y方向差分图像。
参见图3和图7，可从模板图像在x方向和y方向差分图像中取出对应像素坐标(x,y)的x方向和y方向的差分值，平方和开根号求得梯度幅值F(x,y)，其梯度幅值的计算公式如下：
Figure BDA0002950964240000082
式中Gx(x,y)、Gy(x,y)分别为x方向和y方向差分图像对应像素坐标(x,y)处的差分值，F(x,y)为对应坐标的梯度幅值，生成图像为梯度幅值图。同时，梯度方向θ可由反正切函数atan2(y,x)求得，梯度方向的计算公式如下：θ＝atan2(Gy(x,y),Gx(x,y))，式中Gx(x,y)、Gy(x,y)分别为x方向和y方向差分图像对应像素坐标(x,y)处的差分值，θ为对应坐标的梯度方向。
经过Sobel算子检测出来的边缘有时会过于粗大，无法直接利用这些边缘信息，因此需要抑制那些梯度不够大的像素点，只保留最大的梯度，从而达到细边的目的。这些梯度不够大的像素点很可能是某一条边缘的过渡点。根据二元函数的极大值点的定义，即对点(x0,y0)的某个邻域内所有(x,y)都有f(x,y)≤f(x0,y0)，则称f在点(x0,y0)具有一个极大值，极大值为f(x0,y0)，可基于模板图像的梯度幅值与梯度方向，对模板图像中像素点进行非极大值抑制处理。
参见图8，对模板图像进行非极大值抑制处理，可采用以下方法操作实现：
(1)、根据计算得到的图像梯度方向，可以将图像中心像素点根据角度划分到四个方向上，分别为：水平梯度方向、垂直梯度方向、右上对角梯度方向以及右下梯度方向。其中，水平梯度方向为图8中直线3、4之间的部分，具体为(θ＞-22.5&&＜22.5)||(θ＜-157.5&&θ＞157.5)；垂直梯度方向为图8中直线1、2之间的部分，具体为(θ>＝67.5&&θ<＝112.5)||(θ>＝-112.5&&θ<＝-67.5)；右上对角梯度方向为图8中直线2、4之间得分部分，具体为(θ>＝22.5&&θ<67.5)||(θ>＝-157.5&&θ<-112.5)；右下梯度方向为图8中直线1、3之间的部分，具体为(θ＞＝-67.5&&θ＜＝-22.5)||(θ＞112.5&&θ＜＝157.5)。
(2)、按照图像中心像素点梯度方向，将其划分为四个方向，然后分别比较其8邻域内梯度直线上像素点的梯度值。例如，图8中根据区域共划定4条梯度直线，分别为水平梯度直线、竖直梯度直线、左下右上-45°梯度直线和左上右下45°梯度直线。当中心点梯度值大于梯度直线上两个端点的梯度值时，该中心像素点梯度值即为8邻域内的极大值，取该中心点对应的像素值作为选择的像素；当中心点梯度值小于或等于梯度直线上两个端点的梯度值时，则取该中心点对应像素值为0，图9为经过非极大值抑制处理后的图像。
步骤A2、依据模板图像的梯度幅值自适应确定模板图像的滞后阈值。
为了减少人为设置阈值带来的人为因素误差，根据图像梯度幅值自适应取得高低阈值。参见图10，在根据图像梯度幅值自适应取得高低阈值时，边缘提取过程中可引入类内方差最小化自适应选取高低阈值，减少人为设置阈值等因素的干扰。具体方法如下：获取模板图像的梯度幅值图，对梯度幅值进行分级L，这里L＝256，将8位灰度图按梯度幅值分为[0,1,…,255]；将所有分级进一步分为三类，C0、C1和C2，其中C0为非边缘点像素梯度，包含之前对梯度幅值分级[0,1,…,k]，C1为弱边缘点像素梯度，包含梯度幅值分级[k,k+1,…,m]，C2为强边缘点像素梯度，包含梯度幅值分级[m+1,m+2,…,L-1]。通过梯度幅值直方图和类内方差最小化求得高低阈值(m,k)。例如，对于图7示出的“Lena”图像而言，通过上述方法获得的高低滞后阈值为150、92。
步骤A3、依据模板图像的滞后阈值，对非极大值抑制处理的模板图像进行边缘点划分处理，得到模板图像的模板边缘轮廓图像。
参见图10，滞后阈值(双阈值分割)通过假设图像中存在两类边缘：经过非极大值抑制之后的边缘点中，梯度值超过高阈值的称为强边缘，梯度值小于高阈值大于低阈值的称为弱边缘，梯度小于低阈值的不是边缘。强边缘必然是边缘点，因此必须将高阈值设置的足够高，以要求像素点的梯度值足够大(变化足够剧烈)。弱边缘则可能是边缘，也有可能是图像中存在的噪声。当弱边缘的周围的8邻域中有强边缘点存在时，就将该弱边缘点变成强边缘点，以此来实现对强边缘的补充。在确定滞后阈值后，采用滞后阈值对非极大值抑制处理的模板图像进行边缘点划分处理，如图11的效果图。
步骤A4、基于模板图像的模板边缘轮廓图像中模板边缘轮廓点数，对模板图像进行金字塔自适应分层得到多个分层的模板图像。
在本实施例的一种可选方案中，参见图12，对模板图像进行金字塔自适应分层，可包括以下步骤B1-B2:
步骤B1、对输入的模板图像进行金字塔分层，并统计分层后的边缘轮廓点数量。
步骤B2、若分层后边缘轮廓点数量小于预设金字塔顶层边缘点阈值，则停止金字塔分层，取上一层图像作为金字塔顶层，确定金字塔分层数。
参见图12，设置金字塔顶层边缘点阈值，例如设置阈值为20，对模板图像进行金字塔分层，每次统计分层后的边缘轮廓点数量。判断分层后的边缘轮廓点数量是否小于预设的图像金字塔顶层边缘点阈值。当分层后的边缘轮廓点数量小于预设阈值时，停止分层，取上一层图像作为金字塔顶层，确定金字塔分层数，实现图像金字塔自适应分层。
S420、对每个分层的模板图像进行分尺度配置，并对分尺度的模板图像进行多旋转角度配置。
参见图3，给定形状匹配的尺度区间和步长，对金字塔分层后的模板图像集分尺度处理，获得每一层金字塔模板图像的多尺度模板图像表达，即每一层金字塔模板图像集中包括当前层模板图像的最小尺度图像到最大尺度图像的集合。
参见图3，正交模板要实现对待搜索图像的非正交区域的匹配，因此给定形状匹配的角度区间和步长，针对分尺度的模板图像按角度区间和步长配置的角度进行旋转角度配置，实现能够对模板进行旋转确定匹配角度。考虑到数字图像通常是以矩阵的形式存在，可通过图像仿射变换对分尺度的模板图像进行旋转角度配置，图像仿射变换的具体流程如下：
(1)、构建仿射变换矩阵
通过图像仿射变换实现图像从一个二维坐标到另一个二维坐标的转换，其中包含对图像的旋转和平移。从图像的空间三维坐标系来看，对图像的旋转相当于绕图像的Z轴进行，同时对图像的旋转中心点进行平移，最终构造成包含图像旋转平移的仿射变换矩阵。对应的仿射变换矩阵表达式为：
Figure BDA0002950964240000111
上式中(u,v)为对图像进行仿射变换后的矩阵坐标，(x,y)为原始模板或待搜索图像的图像坐标。(c1,c2)为图像旋转中心相对于原始模板或待搜索图像旋转中心的平移坐标，(a1,a2,b1,b2)为构成仿射变换矩阵中旋转矩阵
Figure BDA0002950964240000112
的参数，其包含了对图像的旋转、尺度变化等信息，图像坐标轴x、y轴为正交轴，因此，参数(a1,a2,b1,b2)满足
Figure BDA0002950964240000113
和a1b1+a2b2＝0。
(2)、计算仿射变换矩阵
由于图像的旋转变换围绕图像空间坐标系Z轴进行，根据第一步获得的图像旋转角度信息，计算得到仿射变换的旋转矩阵，记为：
Figure BDA0002950964240000114
上式中，θ为绕图像空间坐标系Z轴的旋转角度。图像的旋转中心定义为图像的坐标中心，取图像行与列值的一半，即为(cols/2,rows/2)。最终，得到包含图像旋转平移信息的仿射变换矩阵，记为：
Figure BDA0002950964240000115
根据第一步图像的角度起点、范围和步长信息，可以得到由若干旋转角度构成的一系列图像仿射变换矩阵组，记为：
Figure BDA0002950964240000121
上式中，i为待旋转图像的像素点，i＝1,2,…,n，n为待旋转图像的像素点数，(xi,yi)为对应i像素点在待旋转图像中的坐标位置，θi为旋转角度，(ui,vi)为对应i像素点旋转后的坐标位置。
S430、从每个分层的分尺度多旋转角度的模板图像集合中分别提取对应的模板边缘轮廓信息，以构建模板图像的模板边缘轮廓信息集。
边缘提取是为了获得包含图像尺度特征的模板图像集中各个模板图像的模板边缘轮廓点信息，具体提取参见步骤A1-A3的过程，这里不再赘述。边缘轮廓信息可包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。边缘轮廓点集的重心计算为：统计求和所有边缘轮廓点的行列坐标，除以统计的边缘轮廓点数。边缘轮廓重心
Figure BDA0002950964240000122
的计算采用下式：
Figure BDA0002950964240000123
上式中，统计每个边缘像素点的行、列坐标之和，n为边缘像素点个数，求取行、列坐标均值。边缘轮廓点相对于轮廓重心像素的坐标求解为：
Figure BDA0002950964240000124
边缘轮廓点在x方向和y方向的梯度由图像方向差分生成的x方向和y方向梯度图像得到。边缘轮廓点的梯度幅值由前述计算的梯度幅值得到。
在从每个分层的分尺度多旋转角度的模板图像集合中各个模板图像分别提取对应的模板边缘轮廓信息后，以结构体的形式保存，同时为便于访问可采用线性表的方式对所有的模板边缘轮廓信息进行组织，最终构建模板图像的模板边缘轮廓信息集，并对构建的模板边缘轮廓信息集进行预先存储，而不用每次对待搜索图像进行图像匹配都对模板图像确定一次模板边缘轮廓信息集。
图13是本发明实施例中提供的一种待搜索边缘轮廓信息集的构建流程图，本实施例的技术方案在上述实施例的基础上进行进一步优化，本实施例的技术方案可以与上述一个或者多个实施例中各个可选方案结合。如图13所示，本申请实施例中提供的待搜索边缘轮廓信息集的构建过程，可以包括以下步骤：
S1310、依据对模板图像的金字塔分层数对待搜索图像进行金字塔分层，得到多个分层的待搜索图像。
S1320、从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，以构建待搜索图像的待搜索边缘轮廓信息集。
其中，边缘轮廓信息包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。
在本实施例的一种可选方案中，从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，可包括：依据每个分层的待搜索图像的梯度幅值与梯度方向，对待搜索图像中像素点进行非极大值抑制；对非极大值抑制的待搜索图像进行边缘点划分处理得到待搜索图像的待搜索边缘轮廓图像，从而得到对应的待搜索边缘轮廓信息。
本申请实施例中所提供的待搜索边缘轮廓信息集与上述模板边缘轮廓信息集的构建过程的区别在于，待搜索边缘轮廓信息集的构建未进行分尺度多旋转角度配置处理，具体未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例中所提供的模板边缘轮廓信息的构建过程。
图14是本发明实施例中提供的另一种图像匹配方法的流程图，本实施例的技术方案在上述实施例的基础上进行进一步优化，本实施例的技术方案可以与上述一个或者多个实施例中各个可选方案结合。如图14所示，本申请实施例中提供的图像匹配方法，可以包括以下步骤：
S1410、确定模板图像的模板边缘轮廓信息集；模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓。
S1420、确定待搜索图像的待搜索边缘轮廓信息集；待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓。
S1430、针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，分别将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历。
其中，轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围。
参见图15和图16，在当前分层为金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括待搜索边缘轮廓的整个轮廓区域作为待匹配区域，以及初始化设置的尺度范围与角度范围分别作为待匹配尺度范围与待匹配角度范围。此时，分别取金字塔顶层的待搜索边缘轮廓和包含尺度角度的模板边缘轮廓作为金字塔顶层遍历匹配的输入，由于模板边缘轮廓点的位置坐标都是相对于模板边缘轮廓重心，所以金字塔顶层遍历匹配的过程中也是以模板边缘轮廓的重心在待搜索边缘轮廓中移动计算相似度。
参见图15和图16，在当前分层为非金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括根据在上一分层对应待搜索边缘轮廓中的轮廓匹配结果，按照预设匹配搜索映射方式在当前分层对应待搜索边缘轮廓进行映射确定。此时，分别取当前分层的轮廓匹配搜索信息指示的待搜索边缘轮廓中待匹配区域、以及当前分层的中轮廓匹配搜索信息指示的待匹配尺度范围和待匹配角度范围的模板边缘轮廓作为当前分层遍历匹配的输入，由于模板边缘轮廓点的位置坐标都是相对于模板边缘轮廓重心，所以当前分层遍历匹配的过程中是以轮廓匹配搜索信息指示的待匹配尺度范围和待匹配角度范围的模板边缘轮廓的重心在待搜索边缘轮廓中轮廓匹配搜索信息指示的待匹配区域中进行移动遍历计算相似度。
S1440、在分别使用不同尺度不同旋转角度的模板边缘轮廓滑动遍历时，计算不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度。
参见图9，对于各个分层的相似度匹配，黑色交叉点中心即为模板边缘轮廓重心，从待搜索边缘轮廓图像的左上角向右下角遍历，统计每次移动时的模板边缘轮廓与对应待搜索边缘图像的轮廓之间相似度，相似度越大，两者之间越相似，完全匹配时相似度为1。模板边缘轮廓相似度度量函数如下：
Figure BDA0002950964240000141
上式中，n为参于计算的边缘点数，di'为待搜索边缘轮廓图像中某一边缘点的梯度，eq+p'为模板边缘轮廓图像对应边缘轮廓点的梯度，t'i和
Figure BDA0002950964240000151
分别为待搜索边缘轮廓图像和模板边缘轮廓图像对应边缘轮廓点的x方向梯度，u'i和
Figure BDA0002950964240000152
分别为待搜索边缘轮廓图像和模板边缘轮廓图像对应边缘轮廓点的y方向梯度。
S1450、基于计算的不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度，确定当前分层下模板边缘轮廓在待搜索边缘轮廓的轮廓匹配结果。
参见图16，对于不同的金字塔分层，按照各分层的轮廓匹配搜索信息，将不同尺度不同角度模板边缘轮廓在待搜索边缘轮廓图像上遍历，会得到一系列相似度，取相似度最大值所对应的位置、角度以及尺度作为当前分层下模板边缘轮廓在待搜索边缘轮廓的轮廓匹配结果。其中，轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
S1460、依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层。
参见图17，在确定当前分层的轮廓匹配结果，可按照预设匹配搜索映射方式匹配映射确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息。匹配搜索映射方式用于依据在上层对应待搜索边缘轮廓的轮廓匹配结果，映射出在下层对应待搜索边缘轮廓进行相似度匹配所使用的轮廓匹配搜索信息。
基于下一层的轮廓匹配搜索信息，将下一层模板边缘轮廓在下一层待搜索边缘轮廓上进行相似度匹配，自上而下直至在各个金字塔分层均进行相似度匹配。通过引入金字塔分层，当上层匹配到结果后通过向下层映射匹配区域，可以有效缩减下层匹配区域，从而加快在下层的匹配速度。
参见图16和图17，匹配搜索映射方式包括从金字塔上层向下层对轮廓匹配搜索信息中待匹配区域的映射。模板边缘轮廓的轮廓重心沿着上层待搜索边缘轮廓图像遍历匹配，得到得分最高的上层匹配位置(x,y)，该位置在下层的位置为(2x,2y)，相应地在下层的待匹配区域为：
Figure BDA0002950964240000161
上式中，(x',y')为下层待搜索边缘轮廓图像映射区域的左上角坐标，(x”,y”)为下层待搜索边缘轮廓图像映射区域的右下角坐标，至此，便可确定在金字塔下层的轮廓匹配搜索信息对应待匹配区域位置。
参见图16和图17，匹配搜索映射方式还包括从金字塔上层向下层对轮廓匹配搜索信息中待匹配角度范围进行映射。由金字塔上层确定的轮廓匹配结果中包括角度按照匹配搜索映射方式向金字塔下层映射角度范围的计算公式为：
Figure BDA0002950964240000162
上式为待匹配角度映射公式，anglenext_pre为下层映射起点角度，anglenext_aft为下层映射终点角度，numLevels为前述确定的对待搜索图像的金字塔分层数。
参见图16和图17，匹配搜索映射方式还包括金字塔上层向下层对轮廓匹配搜索信息中待匹配尺度进行映射。由金字塔上层确定的轮廓匹配结果中包括尺度按照匹配搜索映射方式向金字塔下层映射尺度的计算公式为：
Figure BDA0002950964240000163
上式为待匹配尺度映射公式，scalenext_pre为下层映射起点尺度，scalenext_aft为下层映射终点尺度，scalestep为创建模板时给定的尺度步长。
S1470、依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别待搜索图像中模板图像指示的目标形状。
在上述实施例的基础上，可选地，在依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别待搜索图像中模板图像指示的目标形状之前，还包括：
在确定下一分层位于金字塔次底层时，直接将当前分层的轮廓匹配搜索信息中待匹配尺度作为下一分层的轮廓匹配搜索信息中待匹配尺度，以使在下层的尺度映射调整的提前截止。
参见图3，以金字塔最后两层作为尺度分割界限，判断当前分层的下一分层是否位于金字塔最后两层。如果当前分层的下一分层不处于金字塔的最后两层，则继续采用匹配搜索映射方式映射确定模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息中的待匹配尺度，即下一层使用的轮廓匹配搜索信息中的待匹配尺度需要基于在上一分层对应待搜索边缘轮廓中的轮廓匹配结果中的尺度按照预设匹配搜索映射进行确定。如果当前分层的下一分层处于金字塔的最后两层，则确定下一分层所使用的轮廓匹配搜索信息中的待匹配尺度直接为当前分层的轮廓匹配结果中的尺度，即到金字塔最后两层就已经确定尺度信息，实现尺度提前截止。通过尺度提前截止，可以降低在下一分层进行相似度匹配时尺度匹配的数据量，在保证匹配精度的前提下提高形状边缘匹配速度。
在上述实施例的基础上，可选地，在依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别待搜索图像中模板图像指示的目标形状之前，还包括：
在确定当前分层位于非金字塔顶层时，当前分层的轮廓匹配搜索信息中待匹配角度范围修正为：跟随金字塔层数变角度步长从待匹配角度范围中变角度步长选择的多个待匹配角度，以及基于修正后的轮廓匹配搜索信息指示的待匹配角度，将当前分层的模板边缘轮廓在对应待搜索边缘轮廓上进行相似度匹配。
参见图3，在确定当前分层轮廓匹配搜索信息中待匹配角度范围后，为了提高在当前分层的匹配速度，减少了角度的匹配数量，将原先在当前分层轮廓匹配搜索信息中待匹配角度范围内遍历匹配，修正为跟随金字塔层数变角度步长选择的多个待匹配角度进行匹配。角度变步长匹配策略如下：
Figure BDA0002950964240000171
上式中，numLevels为确定的金字塔分层数，anglenext_pre和anglenext_aft由当前分层的待匹配角度范围决定，角度步长随金字塔层数变化，当前分层的角度共需匹配三次，即anglenext_pre、anglenext_aft和angle三个角度，从而减少角度匹配数量。
在上述实施例的基础上，可选地，将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历，可包括：
在确定当前分层位于非金字塔顶层时，控制当前分层的不同尺度不同旋转角度的模板边缘轮廓，在当前分层对应待搜索边缘轮廓上按照当前分层对应的边缘轮廓点间隔数进行间隔滑动遍历。
参见图3，为减少当前分层的匹配时间，在保证上一分层匹配的边缘轮廓点数量不变的情况下，对当前分层的边缘轮廓点在匹配时间隔一定像素进行访问，从而达到减少匹配点数提高匹配速度的效果。保证下层边缘轮廓点数在100个点，需要获得当前分层的模板边缘轮廓点的总点数(Ptotal)，当前分层的边缘轮廓点遍历匹配时的间隔点数为：Pdelete_num＝Ptotal/100，式中，Ptotal为当前分层的模板边缘轮廓总点数，Pdelete_num为当前分层用于匹配计算的边缘轮廓点间隔数。通过对非金字塔顶层的边缘轮廓点删减策略可有效减少信息冗余和计算复杂度。
参见图18，在串行的情况下，采用本实施例的上述性能提升策略,包含图像尺度特征的形状匹配时间从之前的2.999s减少到200ms，形状速度提高93.3％，最终两者匹配得分相差0.0002，表明该性能提升策略能在保证匹配精度的前提下可有效提高包含尺度特征的形状匹配速度。
根据本申请实施例中提供的图像匹配方法，通过对模板图像进行金字塔分层，变尺度进行多角度的模板图像创建来提取模板边缘，创建多层变尺度多角度的模板边缘轮廓点集，使模板图像的模板边缘轮廓包含尺度信息，从而解决图像形状匹配过程中的尺度信息缺失和尺度不变性问题，提高图像匹配过程中的图像匹配精确度；同时考虑到采用包含尺度特征的模板边缘轮廓匹配，模板边缘轮廓信息的数据结构构建复杂，匹配过程中需要较长时间，通过对模板图像的金字塔分层数对待搜索图像进行分层，综合运用图像金字塔对在各个分层实现由粗到精的相似度匹配的性能提升策略，降低在下层的匹配数据量，降低算法复杂度，在保证匹配精度的前提下提高多尺度特征下的形状边缘匹配速度。
图19是本发明实施例中提供的一种图像匹配装置的结构框图。本实施例的技术方案可适用于对图像间的形状进行匹配的情况，该装置可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图19所示，本申请实施例中的图像匹配装置，可以包括：模板信息确定模块1910、待搜索信息确定模块1920、轮廓相似匹配模块1930、轮廓下层匹配映射模块1940以及待搜索图像识别模块1950。其中：
模板信息确定模块1910，用于确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
待搜索信息确定模块1920，用于确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
轮廓相似匹配模块1930，用于针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
轮廓下层匹配映射模块1940，用于依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
待搜索图像识别模块1950，用于依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
在上述实施例的基础上，可选地，模板信息确定模块1910包括：
对模板图像进行金字塔自适应分层，得到多个分层的模板图像；以及，对每个分层的模板图像进行分尺度配置，并对分尺度的模板图像进行多旋转角度配置；
从每个分层的分尺度多旋转角度的模板图像集合中分别提取对应的模板边缘轮廓信息，以构建模板图像的模板边缘轮廓信息集；
其中，所述边缘轮廓信息包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。
在上述实施例的基础上，可选地，对模板图像进行金字塔自适应分层，得到多个分层的模板图像，包括：
依据模板图像的边缘梯度幅值与梯度方向，对模板图像中像素点进行非极大值抑制处理；以及，依据模板图像的梯度幅值自适应确定模板图像的滞后阈值；
依据模板图像的滞后阈值，对非极大值抑制处理的模板图像进行边缘点划分处理，得到模板图像的模板边缘轮廓图像；
基于模板图像的模板边缘轮廓图像中模板边缘轮廓点数对模板图像进行金字塔自适应分层得到多个分层的模板图像。
在上述实施例的基础上，可选地，待搜索信息确定模块1920包括：
依据对所述模板图像的金字塔分层数对待搜索图像进行金字塔分层，得到多个分层的待搜索图像；
从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，以构建待搜索图像的待搜索边缘轮廓信息集；
其中，所述边缘轮廓信息包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。
在上述实施例的基础上，可选地，从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，包括：
依据每个分层的待搜索图像的梯度幅值与梯度方向，对待搜索图像中像素点进行非极大值抑制；
对非极大值抑制的待搜索图像进行边缘点划分处理得到待搜索图像的待搜索边缘轮廓图像，以得到对应的待搜索边缘轮廓信息。
在上述实施例的基础上，可选地，轮廓相似匹配模块1930包括：
基于当前分层的轮廓匹配搜索信息，分别将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历；
在分别使用不同尺度不同旋转角度的模板边缘轮廓滑动遍历时，计算不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度；
基于计算的不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度，确定当前分层下模板边缘轮廓在待搜索边缘轮廓的轮廓匹配结果。
在上述实施例的基础上，可选地，在所述当前分层为金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括待搜索边缘轮廓的整个轮廓区域作为待匹配区域，以及初始化设置的尺度范围与角度范围分别作为待匹配尺度范围与待匹配角度范围；
在所述当前分层为非金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括根据在上一分层对应待搜索边缘轮廓中的轮廓匹配结果，按照预设匹配搜索映射方式在当前分层对应待搜索边缘轮廓进行映射确定。
在上述实施例的基础上，可选地，所述匹配搜索映射方式用于依据在上层对应待搜索边缘轮廓的轮廓匹配结果，映射出在下层对应待搜索边缘轮廓进行相似度匹配所使用的轮廓匹配搜索信息。
在上述实施例的基础上，可选地，所述装置还包括：
在确定所述下一分层位于金字塔次底层时，直接将当前分层的轮廓匹配搜索信息中待匹配尺度作为下一分层的轮廓匹配搜索信息中待匹配尺度，以使在下层的尺度映射调整的提前截止。
在上述实施例的基础上，可选地，所述装置还包括：
在确定所述当前分层位于非金字塔顶层时，当前分层的轮廓匹配搜索信息中待匹配角度范围修正为：跟随金字塔层数变角度步长从待匹配角度范围中变角度步长选择的多个待匹配角度。
在上述实施例的基础上，可选地，在确定所述当前分层位于非金字塔顶层时，将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历，包括：
控制当前分层的不同尺度不同旋转角度的模板边缘轮廓，在当前分层对应待搜索边缘轮廓上按照当前分层对应的边缘轮廓点间隔数进行间隔滑动遍历。
本申请实施例中所提供的图像匹配装置可执行上述本申请任意实施例中所提供的图像匹配方法，具备执行该图像匹配方法相应的功能和有益效果，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例中所提供的图像匹配方法。
图20是本发明实施例中提供的一种电子设备的结构示意图。如图20所示结构，本发明实施例中提供的电子设备包括：一个或多个处理器2010和存储装置2020；该电子设备中的处理器2010可以是一个或多个，图20中以一个处理器2010为例；存储装置2020用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器2010执行，使得所述一个或多个处理器2010实现如本发明实施例中任一项所述的图像匹配方法。
该电子设备还可以包括：输入装置2030和输出装置2040。
该电子设备中的处理器2010、存储装置2020、输入装置2030和输出装置2040可以通过总线或其他方式连接，图20中以通过总线连接为例。
该电子设备中的存储装置2020作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中所提供的图像匹配方法对应的程序指令/模块。处理器2010通过运行存储在存储装置2020中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中图像匹配方法。
存储装置2020可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储装置2020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置2020可进一步包括相对于处理器2010远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置2030可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置2040可包括显示屏等显示设备。
并且，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器2010执行时，程序进行如下操作：
确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
当然，本领域技术人员可以理解，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器510执行时，程序还可以进行本发明任意实施例中所提供的图像匹配方法中的相关操作。
本发明实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行图像匹配方法，该方法包括：
确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
可选的，该程序被处理器执行时还可以用于执行本发明任意实施例中所提供的图像匹配方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、无线电频率(RadioFrequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (14)

1.一种图像匹配方法，其特征在于，所述方法包括：
确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
2.根据权利要求1所述的方法，其特征在于，确定模板图像的模板边缘轮廓信息集，包括：
对模板图像进行金字塔自适应分层，得到多个分层的模板图像；以及，对每个分层的模板图像进行分尺度配置，并对分尺度的模板图像进行多旋转角度配置；
从每个分层的分尺度多旋转角度的模板图像集合中分别提取对应的模板边缘轮廓信息，以构建模板图像的模板边缘轮廓信息集；
其中，所述边缘轮廓信息包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。
3.根据权利要求2所述的方法，其特征在于，对模板图像进行金字塔自适应分层，得到多个分层的模板图像，包括：
依据模板图像的边缘梯度幅值与梯度方向，对模板图像中像素点进行非极大值抑制处理；以及，依据模板图像的梯度幅值自适应确定模板图像的滞后阈值；
依据模板图像的滞后阈值，对非极大值抑制处理的模板图像进行边缘点划分处理，得到模板图像的模板边缘轮廓图像；
基于模板图像的模板边缘轮廓图像中模板边缘轮廓点数对模板图像进行金字塔自适应分层得到多个分层的模板图像。
4.根据权利要求1所述的方法，其特征在于，确定待搜索图像的待搜索边缘轮廓信息集，包括：
依据对所述模板图像的金字塔分层数对待搜索图像进行金字塔分层，得到多个分层的待搜索图像；
从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，以构建待搜索图像的待搜索边缘轮廓信息集；
其中，所述边缘轮廓信息包括轮廓的重心位置、边缘轮廓点相对于轮廓重心的像素位置、边缘轮廓点梯度幅值以及边缘轮廓点横向梯度与纵向梯度。
5.根据权利要求4所述的方法，其特征在于，从每个分层的待搜索图像中提取对应的待搜索边缘轮廓信息，包括：
依据每个分层的待搜索图像的梯度幅值与梯度方向，对待搜索图像中像素点进行非极大值抑制；
对非极大值抑制的待搜索图像进行边缘点划分处理得到待搜索图像的待搜索边缘轮廓图像，以得到对应的待搜索边缘轮廓信息。
6.根据权利要求1所述的方法，其特征在于，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，包括：
基于当前分层的轮廓匹配搜索信息，分别将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历；
在分别使用不同尺度不同旋转角度的模板边缘轮廓滑动遍历时，计算不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度；
基于计算的不同尺度不同旋转角度的模板边缘轮廓与待搜索边缘轮廓之间的相似度，确定当前分层下模板边缘轮廓在待搜索边缘轮廓的轮廓匹配结果。
7.根据权利要求6所述的方法，其特征在于，
在所述当前分层为金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括待搜索边缘轮廓的整个轮廓区域作为待匹配区域，以及初始化设置的尺度范围与角度范围分别作为待匹配尺度范围与待匹配角度范围；
在所述当前分层为非金字塔顶层的情况下，当前分层的轮廓匹配搜索信息包括根据在上一分层对应待搜索边缘轮廓中的轮廓匹配结果，按照预设匹配搜索映射方式在当前分层对应待搜索边缘轮廓进行映射确定。
8.根据权利要求7所述的方法，其特征在于，所述匹配搜索映射方式用于依据在上层对应待搜索边缘轮廓的轮廓匹配结果，映射出在下层对应待搜索边缘轮廓进行相似度匹配所使用的轮廓匹配搜索信息。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定所述下一分层位于金字塔次底层时，直接将当前分层的轮廓匹配搜索信息中待匹配尺度作为下一分层的轮廓匹配搜索信息中待匹配尺度，以使在下层的尺度映射调整的提前截止。
10.根据权利要求1所述的方法，其特征在于，
在确定所述当前分层位于非金字塔顶层时，当前分层的轮廓匹配搜索信息中待匹配角度范围修正为：跟随金字塔层数变角度步长从待匹配角度范围中变角度步长选择的多个待匹配角度。
11.根据权利要求1所述的方法，其特征在于，在确定所述当前分层位于非金字塔顶层时，将当前分层的不同尺度不同旋转角度的模板边缘轮廓在当前分层对应待搜索边缘轮廓上进行滑动遍历，包括：
控制当前分层的不同尺度不同旋转角度的模板边缘轮廓，在当前分层对应待搜索边缘轮廓上按照当前分层对应的边缘轮廓点间隔数进行间隔滑动遍历。
12.一种图像匹配装置，其特征在于，所述装置包括：
模板信息确定模块，用于确定模板图像的模板边缘轮廓信息集；所述模板边缘轮廓信息集表征从模板图像提取的不同金字塔分层下的多尺度多旋转角度的模板边缘轮廓；
待搜索信息确定模块，用于确定待搜索图像的待搜索边缘轮廓信息集；所述待搜索边缘轮廓信息集表征根据所述模板图像的金字塔分层数，从所述待搜索图像提取的不同金字塔分层下的待搜索边缘轮廓；
轮廓相似匹配模块，用于针对自上而下的金字塔分层结构，基于当前分层的轮廓匹配搜索信息，将当前分层的模板边缘轮廓在当前分层的待搜索边缘轮廓上进行相似度匹配，得到当前分层的轮廓匹配结果；
轮廓下层匹配映射模块，用于依据当前分层的轮廓匹配结果，确定下一分层的模板边缘轮廓在下一分层对应待搜索边缘轮廓进行相似度匹配时使用的轮廓匹配搜索信息，用以跳到下一分层进行相似度匹配时使用，直至金字塔底层；
待搜索图像识别模块，用于依据在金字塔底层相似度匹配结束时的轮廓匹配结果，识别所述待搜索图像中模板图像指示的目标形状；
其中，所述轮廓匹配搜索信息包括模板边缘轮廓进行相似度匹配时的待匹配区域、待匹配尺度范围和待匹配角度范围；所述轮廓匹配结果包括模板边缘轮廓在待搜索边缘轮廓完成匹配时的重心位置、尺度与旋转角度。
13.一种电子设备，其特征在于，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现权利要求1-11中任一项所述的图像匹配方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-11中任一项所述的图像匹配方法。
CN202110209671.9A 2021-02-24 2021-02-24 图像匹配方法、装置、电子设备以及存储介质 Active CN113159103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110209671.9A CN113159103B (zh) 2021-02-24 2021-02-24 图像匹配方法、装置、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110209671.9A CN113159103B (zh) 2021-02-24 2021-02-24 图像匹配方法、装置、电子设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113159103A true CN113159103A (zh) 2021-07-23
CN113159103B CN113159103B (zh) 2023-12-05

Family

ID=76883883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110209671.9A Active CN113159103B (zh) 2021-02-24 2021-02-24 图像匹配方法、装置、电子设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113159103B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113869441A (zh) * 2021-10-10 2021-12-31 青岛星科瑞升信息科技有限公司 基于模板匹配的多尺度目标定位方法
CN114792373A (zh) * 2022-04-24 2022-07-26 广东天太机器人有限公司 一种工业机器人的视觉识别喷涂方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872475A (zh) * 2009-04-22 2010-10-27 中国科学院自动化研究所 一种扫描文档图像自动配准方法
CN102073874A (zh) * 2010-12-29 2011-05-25 中国资源卫星应用中心 附加几何约束的航天三线阵ccd相机多影像立体匹配方法
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法
CN110378376A (zh) * 2019-06-12 2019-10-25 西安交通大学 一种基于机器视觉的加油口目标识别定位方法
WO2021017361A1 (zh) * 2019-07-31 2021-02-04 苏州中科全象智能科技有限公司 一种基于边缘和梯度特征的模板匹配算法
CN112396640A (zh) * 2020-11-11 2021-02-23 广东拓斯达科技股份有限公司 图像配准方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872475A (zh) * 2009-04-22 2010-10-27 中国科学院自动化研究所 一种扫描文档图像自动配准方法
CN102073874A (zh) * 2010-12-29 2011-05-25 中国资源卫星应用中心 附加几何约束的航天三线阵ccd相机多影像立体匹配方法
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN105930858A (zh) * 2016-04-06 2016-09-07 吴晓军 一种带旋转、缩放的快速高精度几何模板匹配方法
CN110378376A (zh) * 2019-06-12 2019-10-25 西安交通大学 一种基于机器视觉的加油口目标识别定位方法
WO2021017361A1 (zh) * 2019-07-31 2021-02-04 苏州中科全象智能科技有限公司 一种基于边缘和梯度特征的模板匹配算法
CN112396640A (zh) * 2020-11-11 2021-02-23 广东拓斯达科技股份有限公司 图像配准方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴晓军;邹广华;: "基于边缘几何特征的高性能模板匹配算法", 仪器仪表学报, no. 07 *
张石;唐敏;董建威;: "基于小波金字塔和轮廓特征的医学图像配准", 计算机仿真, no. 05 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113869441A (zh) * 2021-10-10 2021-12-31 青岛星科瑞升信息科技有限公司 基于模板匹配的多尺度目标定位方法
CN113869441B (zh) * 2021-10-10 2022-09-27 青岛星科瑞升信息科技有限公司 基于模板匹配的多尺度目标定位方法
CN114792373A (zh) * 2022-04-24 2022-07-26 广东天太机器人有限公司 一种工业机器人的视觉识别喷涂方法及系统
CN114792373B (zh) * 2022-04-24 2022-11-25 广东天太机器人有限公司 一种工业机器人的视觉识别喷涂方法及系统

Also Published As

Publication number Publication date
CN113159103B (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
US7995055B1 (en) Classifying objects in a scene
CN104915949B (zh) 一种结合点特征和线特征的图像匹配方法
WO2022179002A1 (zh) 图像匹配方法、装置、电子设备以及存储介质
CN103218787B (zh) 多源异构遥感影像控制点自动采集方法
CN111598946B (zh) 一种物体位姿测量方法、装置及存储介质
Marie et al. The delta medial axis: a fast and robust algorithm for filtered skeleton extraction
CN110942515A (zh) 基于点云的目标物体三维计算机建模方法和目标识别方法
CN101650784B (zh) 一种利用结构上下文特征进行图像匹配的方法
CN113111212A (zh) 一种图像匹配方法、装置、设备及存储介质
CN108388902B (zh) 结合全局框架点与局部shot特征的复合3d描述子构建方法
CN112396640A (zh) 图像配准方法、装置、电子设备及存储介质
CN113838005B (zh) 基于维度转换的岩体裂隙智能识别与三维重构方法及系统
CN114529837A (zh) 建筑物轮廓提取方法、系统、计算机设备及存储介质
CN113159103B (zh) 图像匹配方法、装置、电子设备以及存储介质
CN111783722B (zh) 一种激光点云的车道线提取方法和电子设备
CN117292337A (zh) 遥感图像目标检测方法
CN113111741A (zh) 一种基于三维特征点的装配状态识别方法
CN114283343B (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN113420648B (zh) 一种具有旋转适应性的目标检测方法及系统
CN104268550A (zh) 特征提取方法及装置
CN111552751B (zh) 三维地标控制点生成及应用方法、生成及应用装置
CN113435479A (zh) 基于区域特征表达约束的特征点匹配方法与系统
Di Ruberto Generalized hough transform for shape matching
CN117745780A (zh) 一种基于孤立簇去除的室外大场景3d点云配准方法
CN111695377A (zh) 一种文本检测方法、装置和计算机设备

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
GR01 Patent grant
GR01 Patent grant