[发明专利]基于边缘方向和梯度特征的图像匹配方法

说明书

本申请提供一种基于边缘方向和梯度特征的图像匹配方法，其包括：对离线模板图像进行训练，具体为：确定高低阈值参数，对模板图像去噪；确定模板图像金字塔层数和各层的旋转角度步长；扩展模板图像并进行图像金字塔变化；扩展模板图像金字塔中各层图像；对扩展图像进行0角度特征提取；旋转金字塔中各层图像的特征；利用训练后的离线模板图像对在线待测图像进行匹配，具体为：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；对金字塔中最高层图像进行粗匹配；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。本申请能够快速、精确地进行图像匹配。

技术领域

本申请属于图像处理技术领域，具体涉及一种基于边缘方向和梯度特征的图像匹配方法。

背景技术

图像匹配，是指根据模板图像所包含的颜色、纹理、形状或它们的组合特征等信息，在待测图像中寻找与模板图像相同或相似的图像区域的过程。图像匹配技术广泛应用于工业自动化领域中的目标产品定位和表面缺陷检测等、医学领域中的图像结构信息融合、遥感图像领域中的多电磁波段图像信息融合以及机器视觉领域中的字符识别和运动追踪等。

根据图像匹配的基本原理，图像匹配算法主要分为以下三类：基于灰度的匹配算法、基于特征的匹配算法和基于关系的匹配算法。其中，基于灰度的匹配算法主要是计算模板图像与待测图像的灰度值相似度。这种匹配算法具有匹配方法简单，匹配精度较高的特点，但是其需要处理的数据量大，计算复杂，很难达到实时匹配的要求；另外，其对噪声较为敏感，当外界条件发生变化或目标图像出现缺损、遮挡等都会对匹配精度产生较大的影响。基于特征的匹配算法首先提取模板图像的特征，然后生成特征描述子，最后根据描述子的相似程度对模板图像和待测图像进行匹配。这种匹配算法所提取的特征主要是点特征、边缘特征和区域特征等；其中，区域特征的提取耗时且复杂，商用较少。基于关系的匹配算法主要应用在人工智能领域的图像处理中，这种匹配算法的进展缓慢。

在工业环境图像匹配中，待测图像容易受光照强度变化的影响，也会因为环境问题出现模糊图像，同时待测图像的自遮挡和互遮挡、图像噪声、图像的位置变化(平移和旋转)等，使图像匹配结果精度不高、正确率低、速度不够快、稳定性差。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种基于边缘方向和梯度特征的图像匹配方法。

根据本申请实施例的第一方面，本申请提供了一种基于边缘方向和梯度特征的图像匹配方法，其包括以下步骤：

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；

对粗匹配后的待测图像进行精匹配；