[发明专利]一种基于度量信息的形状匹配方法

说明书

技术领域

本发明属于计算机视觉领域，涉及形状描述及匹配，特别涉及到一种基于度量信息的形状匹配方法。

背景技术

形状匹配是计算机视觉里中的一个重要研究方向，与物体识别、字符识别、图像检索、医学图像分析等方向联系紧密。形状作为人类观察和识别物体的重要依据，一直以来就受到关注。而形状匹配的目的就是寻找一种简单、有效的形状特征描述方式，既能区分不同种类物体的形状差异，又能容忍同类物体中不同个体的形状变形。所以关键就是找到一个合适的平衡点，在区分性和变形性之间取得最佳效果。

目前比较常见的形状特征描述方法主要分成基于全局信息的方法和基于局部信息的方法。基于全局信息的形状描述方法主要关注形状整体特征，对于形状局部变形不敏感，但是也因此无法描述形状的细节特征，常见的方法包括傅里叶变换，小波变换等方法。相反，基于局部信息的形状描述方法则主要关注形状的局部特征，通常对形状的各个轮廓点都有精准的描述，但是对于局部的噪声和变形比较敏感，常见的方法包括曲率尺度空间，形状上下文（Shape Context，SC）等。针对全局方法和局部方法的互补性，有方法将两者有效结合，提出了Shape tree，Contour flexibility等描述方法，并取得了不错的效果。然而这种复合型的方法特征描述符生成复杂，计算复杂度高，形状匹配效率低，不利于在实际中应用。

哈尔滨工程大学的中国发明专利，申请号201210150026，“基于分数傅立叶变换的形状描述方法”,该专利是基于分数傅立叶变换，该方法保证了使得所描述的特征既和物体的边界轮廓有关，又与物体的内部区域有关，然而对形状的细节特征的描述稍有欠缺。

同济大学的中国发明专利，，申请号200910046267，“基于最小变形能的图像单向逐点匹配方法”，该专利基于轮廓特征匹配方法，计算量比较小，然而该方法需要事先指定起始的匹配点，在方法的自适应方面稍有欠缺，而且该方法对局部微小变形的区分度也不够。

发明内容

本发明提出了一种新的基于度量信息的形状描述及匹配方法，解决了现有技术的不足，该方法生成的形状特征描述符相对简单，仅需要度量信息进行描述。

本发明的技术方案包括如下步骤：

步骤1.对原始图像利用边缘检测的方法提取轮廓。

步骤2.在轮廓上进行均匀采样，采样点数为N。N个轮廓采样点表示为X={x₁,x₂,...,x_N}。

步骤3.计算任一轮廓采样点x_i(i＝1,2,...,N)的度量信息。

步骤3-1以x_i为起始点，逆时针扫描其他轮廓采样点，计算x_i到其它所有轮廓采样点的欧式距离（Euclidean Distance，ED）。

步骤3-2从x_i点做轮廓的切线，当其它轮廓采样点在切线左侧，则距离为正，在切线右侧则距离为负。

步骤3-3将上面计算得到的x_i点到其他轮廓采样点的距离形成如下特征向量D_i。

D_i=(d_i，i,d_i，i+1,...,d_i,N,d_i，1,...,d_i，i-1)            （1）

其中，d_i,j表示x_i到x_j的距离，d_i，i的值为0。

步骤3中对度量信息的计算可以用三角形的面积作为度量信息，即可以用以下步骤替换步骤3。具体操作方法如下：

步骤3-1.对于轮廓上的采样点x_i，点x_i-1和x_i+1分别是它的左右相邻点，轮廓上其它任一轮廓点x_j都能够和x_i-1及x_i+1构成一个三角形。设d₁表示x_i-1和x_j之间的欧式距离，d₂表示x_i+1和x_j之间的距离，d₃表示x_i-1和x_i+1之间的距离。