[发明专利]一种基于圆投影的快速图像匹配方法

说明书

一种基于圆投影的快速图像匹配方法，首先利用圆的各向同性和投影特征，将二维灰度图像转换为一维旋转不变性的表示形式，使用原始均值投影和方差投影相结合的混合圆投影计算子图特征向量，并对模板和搜索子图分别计算出来的混合圆投影向量使用归一化相关系数计算匹配相似度；然后，使用图像金字塔技术进行加速，使用顶层局部聚类和逐层候选点筛选，确定目标位置；最后，对得到的匹配目标，使用环形移动和角度直方图估计，计算出匹配目标的旋转角度，完成对目标的匹配。本发明方法的旋转估计优于其他同类方法，且可以在旋转、偏移、光照变化场景图像中获得准确、鲁棒的结果。各种实验结果表明，本发明方法适用于工业场景中的图像匹配。

技术领域

本发明属于计算机机器视觉技术领域，用于对图像中的物体进行匹配，具体为一种快速的基于圆投影的图像匹配方法。

背景技术

模板匹配是基于已知的模板在待匹配图中找到最佳匹配位置的过程，是数字图像处理中一个重要内容，已广泛应用于工业对位、目标检测识别、跟踪等。近年来模板匹配研究已经有一些有效的算法(如文献[1])。但现有的模板匹配过程大多将模板与场景图像进行卷积，计算模板与场景图像之间的相似度以确定位置(如文献[2])。由于相关性的计算量很大，因此需要低成本的相关性算法进行实时处理，文献[3]中提出了大量相关类型的算法。这些方法大多分为两类：1)对模板和场景图像都使用图像金字塔，并通过自顶向下搜索来执行匹配(如文献[4])；2)采用两次搜索算法，在第一次搜索过程中使用亚模板在粗网格中搜索，第二次在先前发现的候选点附近搜索更好的匹配(如文献[5])。但是，当检测目标发生旋转时，以上算法将不再有效。

近年来国内外学者相继提出了一些可以任意旋转的方法。Lowe(文献[6])提出了一种尺度不变特征变换(SIFT)，它利用检测区域的梯度分布，具有缩放和旋转不变性，但是当图像特征点过少或出现重复结构时，基于SIFT的匹配容易失败，且运算量大。文献[7]提出一种将SIFT和旋转不变LBP结合的图像匹配方法，提高了运算速度，但是当图像细节纹理过多时，该算法匹配性能将显著降低。基于圆投影的旋转不变性，Tang(文献[8])提出了用圆的各向同性和投影特征进行任何角度匹配，但原始的圆投影匹配计算量较大。后续不断有学者对圆投影算法改进。Tsai(文献[9])使用环形投影技术表示多通道图像中的模板，通过计算彩色环形投影信息之间的NCC来快速选择候选模板，然后通过旋转模板来估计旋转。为了减少计算复杂度，文献[10]使用了一种快速检测到相似候选项的消除策略。文献[11]将原始圆投影向量改进，使得改进后的圆投影匹配算法对光照、噪声、对比度变化有更好的鲁棒性。文献[12]提出了两阶段匹配方法，利用第一阶段环形投影的矢量和选择候选点，然后对第一阶段存留的候选点使用旋转不变属性进行Zernike矩模板匹配。文献[14]将圆投影和序贯相似性检测结合起来，通过跳跃大量匹配点，减少非匹配点的计算量。文献[15]提出了一种扩展的圆投影算法(Extended RPT，E-RPT)，通过添加辅助点约束的方法来有效提高匹配精度。但是上述算法忽略了圆投影向量本身对于同质区域无法识别的问题，同时具有计算复杂度较高、识别率较低等缺点。

参考文献

[1]Zitová,B.；Flusser,J.Image registration methods:A survey.ImageVis.Comput.2003,21,977–1000.

[2]J.K.Aggarwal,L.S.Davis,W.N.Martin,Correspondence process indynamic scene analysis,Proc IEEE 69(5)(1981)562}572.

[3]J.P.Secilla,N.Garcia,Template location in noisy pictures,SignalProcess.14(1987)347}361.

[4]Tanimoto,S.L.Template matching in pyramids.Comput.Graph.ImageProcess.1981,16,356–369.