[发明专利]一种二维形状匹配方法

说明书

本发明公开了一种二维形状匹配方法，属于计算机图形学领域。本发明的方法包括将每个待匹配二维形状的轮廓线划分为多个曲线段后计算每个二维形状轮廓曲线上各采样点的特征向量；同一曲线段上所有采样点的特征向量构成该曲线段的描述子，属于同一二维形状的多个曲线段的描述子构成该二维形状的描述子；根据两个二维形状的描述子的差值判断两者之间的匹配度，差值越小匹配度越高。本发明二维形状匹配方法，简单易编码实现，能够有效搜索二维形状匹配对，且对于二维形状的平移、旋转及缩放变换鲁棒，具有自动化程度高和结果准确度高的优点。

技术领域

本发明属于计算机图形学领域，涉及一种二维形状匹配方法。

背景技术

随着信息技术的蓬勃发展，产生了大量的多媒体信息，其中，图像成为最为直观和充分的表示方式之一。如何从这些纷繁复杂的图像信息中找到所需要的信息也就成为了当今计算机图形图像处理领域的研究热点。相较于图像中的颜色和纹理特征，图像中物体的形状特征更能反映图像内容的语义信息，是人类识别物体最主要的信息，因此形状特征在图像描述和相似度计算过程中起到了尤为重要的作用，使得二维形状匹配这一问题受到越来越多的重视。二维形状匹配是计算机视觉和计算机图形学等领域的一个热点问题及底层技术，在形状检索、图像检索、目标识别、对称检测等应用中起着重要的作用，二维形状匹配的结果和质量直接影响后续处理技术的效果。

二维形状匹配的核心问题包括形状描述和相似度计算两个方面。在形状描述中主要有基于轮廓的形状描述和基于区域的形状描述两种方法，基于这两种方法，生成二维形状的描述子；在相似度计算中按照一定的准则计算两个形状描述子之间的相似度，从而确定二维形状匹配对。目前，针对二维形状的描述，主要有以下几类方法：(1)单变量描述；(2)矩特征；(3)基于区域骨架的方法；(4)基于变换域的方法；(5)基于轮廓采样点的方法。

通过轮廓采样点的特征作为形状的描述子，然后将形状匹配问题转为轮廓点集之间的匹配问题能够获得更为丰富的形状信息，在形状匹配中取得了令人满意的匹配结果。在进行相似性度量时，现有方法则主要集中于计算形状描述子之间的距离或计算采样点的相似度矩阵，判断二维形状的匹配关系或识别相匹配的子曲线段。

传统基于轮廓采样点的方法通常需要计算采样点的几何不变量，几何不变量的计算往往会受到噪声的影响，且计算量较大，另外，采样点几何不变量的相似性度量存在多次调参的问题，因此针对受到噪声扰动、或轮廓线(轮廓线是由采样点构成)较不平滑的形状时，不易获得令人满意的效果。

参考文献：

[1]Haim J Wolfson.1990.On curve matching.IEEE Transactions on PatternAnalysisMachine Intelligence 12,5(1990),483–489

发明内容

针对上述现有技术中存在的问题，本发明的目的在于，提供一种二维形状匹配方法。

为了实现上述目的，本发明的二维形状匹配方法包括：

步骤一，将每个待匹配二维形状的轮廓线划分为多个曲线段后计算每个二维形状轮廓曲线上各采样点的特征向量；同一曲线段上所有采样点的特征向量构成该曲线段的描述子，属于同一二维形状的多个曲线段的描述子构成该二维形状的描述子；

所述将每个待匹配二维形状轮廓线划分为多个曲线段包括：

重复执行Step1和Step2将当前二维形状轮廓线划分为多个曲线段：

Step1，计算二维形状轮廓线上当前曲率最大采样点p的切向量所述切向量为p的k个近邻点决定的切向量，k≥1，采样点p和切向量构成直线l_p；