[发明专利]一种基于阴阳离散点采样模型的形状匹配定位方法及装置

说明书

技术领域

本发明涉及图像匹配识别领域，尤其涉及一种数字图像中进行形状匹配定位的方法及装置。

背景技术

利用目标的区域、边界信息实现从复杂图像中识别和定位目标的形状匹配由于最符合人眼认知和区分目标的一般规律，因而得到图像处理、计算机视觉领域大批学者长时间广泛的研究。一个形状匹配模型包括场景图的中间表达、形状模板和匹配方式三个要素。在希望通过形状匹配快速检测目标的应用当中，对场景图中间表达的要求主要是稳定性，即该中间表达应尽可能不受拍摄过程中光照变化、斑点噪声、细微几何变形的影响；对形状模板的要求主要是代表性和可分性，即该模板最能代表本类目标又最能将和其他类目标区分开来；对匹配方式的要求主要是计算的快速性。

形状匹配从场景图中间表达角度可分为基于边缘的形状匹配和基于区域的形状匹配两类。基于边缘的形状匹配往往要求明确的点对点边缘响应，而边缘检测是一个艰难的分类决策，对噪声和光照变化敏感。为了增强边缘图作为中间表达的稳定性，有方法将边缘碎片进行编组，编组后的曲线可分性更强，比孤立的边缘碎片具有更少的潜在匹配，这使得匹配相对容易进行，能够在遮挡及边缘缺失情况下工作。另一些方法则通过在过分割的分割图中进行形状匹配来避免点与点的边缘响应，取得对细小形状变化和空间改变的适应能力。然而这些方法通常都具有较高的计算复杂度，难以满足实时在线检测的需求。基于区域的匹配不需要明确的边缘响应，对局部形状的扭曲、遮挡鲁棒性更强，但缺乏重要的形状细节，对复杂形状难以稳定提取、表达及精确匹配，其分类能力在复杂场景中受到限制。

申请人在先的专利CN201110349510A中公开了一种基于阴阳离散点采样模型的图像分析方法，其根据图像中待检测目标的类型、尺寸及噪声干扰程度选择采样算子、采样半径及邻域灰度均匀度评判阈值，然后再利用上述采样算子、采样半径及邻域灰度均匀度评判阈值，然后通过对图像进行采样计算，获取相应的阴采样图和阳采样图，最后在所述阴采样图和阳采样图中利用离散点编组方法探测相应的目标。该方法同时考虑了基于目标区域和基于目标边界两类方法的优势，用阴采样图获取目标图像中目标的边界信息，用阳采样图获取目标图像中目标的区域信息，阴、阳采样图共同反映了图像中目标区域向目标边缘的过渡过程，同时采样半径可以根据目标尺寸的变化进行切换，使得计算速度大幅提高，对目标的尺寸变化也有较强的适应性。

但是，该方法中，未充分利用已知形状的先验知识，应用范围受到局限的不足。例如离散点编组方法只能按照N维周边方向贡献度描述的连通性对具有一定连通关系的离散点进行编组，如果离散点的连通性由于复杂背景的干扰发生中断，离散点编组就无法进行下去，同时编组结果常常因为复杂背景的干扰提取不出期望的形状，或者说提取出太多不需要的中心线，导致其在图像匹配中面对复杂背景下的线、面组合形状无法快速提取和准确区分，使得图像匹配识别率不高。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于阴阳离散点采样模型的形状匹配定位方法，其通过从样本图像的阴离散点采样图或阳离散点采样图中提取形状轮廓模板，实现对检测图像的匹配而识别出待检测形状，解决目前图像识别检测中复杂背景下的线、面组合形状的快速提取和准确区分问题。

为实现上述目的，按照本发明的一个方面，提供一种基于阴阳离散点采样模型的形状匹配定位方法，其通过阴离散点采样图或阳离散点采样图中提取的形状轮廓模板实现图像匹配，其特征在于，该方法包括：

从样本图像中的阴离散点采样图或阳离散点采样图中提取形状轮廓模板的第一步骤；

对提取的形状轮廓模板进行优选，获得最优形状轮廓模板的第二步骤：以及

获取实际图像的阴离散点采样图或阳离散点采样图，将其与对应的最优形状轮廓模板进行匹配，从而识别图像的第三步骤；

其中，所述第三步骤中，对进行匹配具体通过对计算所述实际图像的阴离散点采样图或阳离散点采样图与对应的最优形状轮廓模板的密度估计的匹配率算子获得。

作为本发明的改进，利用阴离散点采样图进行所述密度估计的匹配率算子：