[发明专利]基于边缘方向和梯度特征的图像匹配方法

权利要求书

1.一种基于边缘方向和梯度特征的图像匹配方法，其特征在于，包括以下步骤：

对离线模板图像进行训练；

利用训练后的离线模板图像对在线待测图像进行匹配；

所述对离线模板图像进行训练的过程为：

确定高低阈值参数，并对模板图像进行去噪处理；

确定模板图像金字塔层数和模板图像金字塔各层的旋转角度步长；

对模板图像进行扩展并对扩展后的模板图像进行图像金字塔变化；

对模板图像金字塔中各层图像进行扩展；

对模板图像金字塔中各层图像的扩展图像进行0角度特征提取；

对提取的金字塔中各层图像的特征进行旋转；

所述利用训练后的离线模板图像对在线待测图像进行匹配的过程为：

对待测图像进行图像扩展；

对扩展后的待测图像进行图像金字塔变化；

对扩展后的待测图像的金字塔中最高层图像进行粗匹配，其过程为：

首先，提取待测图像的金字塔中最高层图像的待搜索区域中的图像特征；其中，待搜索区域为待测图像的金字塔中最高层图像的边界减去相应扩展区域；

其次，将模板图像的金字塔中最高层的图像特征与待测图像的金字塔中最高层图像的特征进行相似性度量计算，得到所有可能的匹配点位置、角度和匹配得分；所述进行相似性度量计算时，所述相似性度量的加速终止条件为：

式中，score_m表示m个特征点的相似度之和，m≤n；

式中，m表示已计算的模板图像特征点数目；s^min表示用户设定的最小匹配得分；g表示用户设定的贪婪数，取值范围是0～1；k表示用户设定的最小匹配得分s^min的系数，k的取值范围为0～1；系数k能够满足不同待测图像金字塔中各层图像的匹配得分的需求；n表示模板图像该金字塔层某角度下特征点的总数目，分别表示模板图像在特征点i处沿着X和Y方向的梯度值，和分别表示待测图像在特征点(u+Xi，v+Yi)处沿着X和Y方向的梯度值；表示模板图像在特征点i处的方向梯度的模，表示待测图像在特征点(u+Xi，v+Yi)处的方向梯度的模；

如果score_m满足相似性度量的加速终止条件，则剩下n-m个特征点的相似度不再进行计算，在当前位置处终止相似性度量计算；

对粗匹配后的待测图像进行精匹配；

对待测图像的目标点进行排序和筛选，得到待测图像中待匹配目标的坐标、角度和匹配得分。

2.根据权利要求1所述的基于边缘方向和梯度特征的图像匹配方法，其特征在于，所述对离线模板图像进行训练的过程还包括对旋转变换后的特征信息进行记录；所述特征信息包括特征的坐标、X和Y方向梯度以及梯度的模。

3.根据权利要求1或2所述的基于边缘方向和梯度特征的图像匹配方法，其特征在于，所述确定模板图像的金字塔层数的具体过程为：

首先，根据模板图像的宽和高，通过下式计算得到模板图像扩展后的长：

Length＝2ⁱ＞MAX(ImgWidth,ImgHeight)，

式中，i为整数，且i≥4；ImgWidth表示模板图像的宽，ImgHeight表示模板图像的高，Length表示模板图像扩展后的长，模板图像扩展后得到的图像为正方形，其宽和高均等于模板图像扩展后的长Length；

其次，根据模板图像扩展后的长Length，通过下式初步计算得到图像金字塔的层数NumLevels，

最后，判断模板图像金字塔的各层图像的特征点数目是否小于或等于预设特征点数目阈值；

如果模板图像金字塔中第N+1层图像的特征点数目小于或等于预设特征点数目阈值，第N层图像的特征点数目大于预设特征点数目阈值，且第N层图像的特征点数目是第0～N层图像的特征点数目中最少的，则将模板图像金字塔的层数确定为N层；

采用下式确定模板图像金字塔中各层图像的旋转角度步长：

AngleStep_r＝user_AngleStep*2^r,r＝0,1,2,L,NumLevels，

式中，user_AngleStep表示用户设定的旋转角度步长。