[发明专利]一种图像验证方法、装置及计算机可读存储介质

说明书

本发明提供了一种图像验证方法、装置及计算机可读存储介质。本发明提供的图像验证方法，在图像验证中引入了分级跟踪的处理方式，根据优先级的高低顺序，在待验证图像中依次对不同优先级别的代表特征点分别进行跟踪，不同级别的代表特征点中引入了图像内容发生不同程度变形或位置偏移的影响，从而能够增强图像验证的鲁棒性，提高图像验证准确性。另外，本发明实施例还在分级跟踪中基于几何约束关系判断跟踪结果的可靠性，进一步提高了图像验证结果的准确性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像验证方法、装置及计算机可读存储介质。

背景技术

图像验证通常用于验证某个待验证图像是否与模板图像相匹配，并可以输出待验证图像与模板图像的匹配度参数(也可以称为置信度参数)，该匹配度参数用于表示该待验证图像与模板图像的匹配程度，或者用于表示该待验证图像与模板图像相同的可信程度。图像验证广泛应用于工业领域以及监控领域，例如，对工业生产线上的产品零部件图像进行验证，判断该零部件图像是否符合预定的设计要求；又例如，对视频监控采集的实时图像进行验证，判断实时图像是否符合预设的场景图像等。

目前，基于相关系数的直方图算法，基于汉明距离的图像感知哈希算法，模板匹配和峰值信噪比/结构相似性(PSNR/SSIM，Peak Signal to Noise Ratio/StructuralSimilarity)等方法都可以用于图像验证。

发明人发现，以上各种方法在图像验证中存在着以下不足：

直方图算法：在图像的内容和细节不稳定时，图像的灰度直方图的差异较大，容易在图像验证中引发错误。

图像感知哈希算法：哈希算法通常是基于图片的灰度值和平均值进行运算的，在图像的内容或细节发生变化时，其运算结果的差异也会出现较大偏差。

模板匹配方法：模板匹配的结果通常不是很稳定，而且当图像发生移位或内容发生改变时容易发生误判。

PSNR/SSIM方法：通常用于图像质量评估，当图像内容发生变化或图像发生偏移时，评估结果会有很大差异。

因此，需要一种图像验证算法，能够在图像内容可能发生变形和/或位置偏移的情况下，仍然具有较好的准确性。

发明内容

本发明实施例要解决的技术问题是提供一种图像验证方法及装置，提高图像验证的准确性。

根据本发明实施例的一个方面，提供了一种图像验证方法，包括：

从每个样本图像中分别选取M个相互对应的区域，将所述区域作为特征点，得到M组特征点，提取每个特征点的图像特征和位置坐标，其中，每组特征点包括有每个样本图像中相互对应的一个特征点，所述M大于或等于2；

根据每个特征点的图像特征，对每组特征点进行聚类处理，将每组特征点划分为N个分类，确定每个分类的优先级和代表特征点，并将所述M组特征点中同一优先级的分类的代表特征点合并，得到具有不同优先级的N级代表特征点，其中，每级代表特征点包括有M个代表特征点；

按照优先级的高低顺序，在待验证图像中依次跟踪各级代表特征点，得到跟踪结果。

此外，根据本发明的至少一个实施例，确定每个分类优先级，包括：

根据每个分类中特征点的占比，设置每个分类的优先级，其中，所述优先级与所述占比正相关；或者，

根据每个分类的代表特征点与模板图像中对应的模板特征点间的位置偏移，设置每个分类的优先级，其中，所述优先级与所述位置偏移负相关。

此外，根据本发明的至少一个实施例，确定每个分类的代表特征点，包括：

根据每个分类的中心点，生成该分类的代表特征点；