[发明专利]基于梯度信息的模板匹配方法

说明书

本发明公开了一种基于梯度信息的模板匹配方法，包括：提取模板图像的边缘梯度信息，筛选关键点集；对各关键边缘点的梯度方向进行近似处理；提取待匹配图像的边缘梯度信息；得到目标边缘点的近似梯度方向；获取待匹配点集；以待匹配点集内单个点为中心点，确定邻域，将中心点的近似梯度方向分别复制到其邻域内其他点上；将单个点所对应的近似梯度方向组成的集合记为集合A；遍历待匹配点集内所有点，得到各点的特征数，最大值记为匹配值，判断匹配值是否大于预设值，若否，匹配失败；若是，匹配值所对应的待匹配点集内具体点为匹配结果，完成待匹配图像的匹配；当待测目标存在旋转、缩放、遮挡等问题时，本方法具有准确性高，实时性好的特点。

技术领域

本发明涉及图像定位识别技术领域，具体涉及一种基于梯度信息的模板匹配方法。

背景技术

模板匹配是根据模板图像到另一幅图像中寻找与模板图像相似的子区域的过程；在实际应用中，由于待匹配图像中的物体产生旋转、缩放、被遮挡等问题，导致模板图像和待匹配图像不能完全吻合，为了处理上述模板匹配问题，现阶段常用的处理方法是，逐角度生成一系列模板图像集，然后在模板匹配时，分别使用模板图像集中的每个图像对待匹配图像进行匹配，这种方法需要使用多个模板进行匹配，逐一比较，过程繁琐，耗时较长，大大限制了模板匹配技术的应用。

发明内容

使用图像梯度作为几何特征进行相似度匹配，具有抗非线性光照变化的能力、鲁棒性强，在机器视觉、目标追踪、物体识别等诸多领域有重要应用：基于图像梯度的模板匹配方法是：在模板图像中提取边缘点作为匹配的几何特征，并基于模板图像的边缘点梯度与待匹配图像各像素点梯度进行最佳相似度位置搜索，可辅助图像金字塔分层处理的方式对匹配进行加速。

本发明提出一种基于梯度信息的模板匹配方法，适用于各类型图像的目标匹配、查找，特别是当待测目标存在旋转、缩放、遮挡等问题时，本方法相比于现有方法具有准确性高，实时性好的特点。

具体方案如下：

一种基于梯度信息的模板匹配方法，包括以下步骤：

1)提取模板图像的边缘梯度信息，得到模板图像中各个模板边缘点的幅度值和梯度方向G^M；将全部模板边缘点或筛选出的部分模板边缘点记为关键点集，将所述关键点集内所有点记为关键边缘点；

2)对关键点集中的各关键边缘点的梯度方向G^M进行近似处理，得到近似梯度方向G^M1：

G^M1＝round(G^M/angleStep)angleStep

其中，angleStep为预设的角度步长且其能整除360°；round(G^M/angleStep)表示四舍五入到最接近的整数；

3)提取待匹配图像的边缘梯度信息，得到待匹配图像中各个边缘点的幅度值和梯度方向；利用与步骤2)相同的计算过程，得到目标边缘近似梯度方向；

将所有待匹配图像中边缘点所组成的集合记为待匹配点集；

以待匹配点集内单个点为中心点，确定邻域，将中心点所对应的近似梯度方向分别复制到其邻域内其他点上；遍历待匹配点集内所有点；

将所述待匹配点集内的单个点所对应的原有近似梯度方向和复制来的近似梯度方向组成的集合记为集合A；

4)分别计算待匹配点集内某一点所对应的集合A内所有近似梯度方向与关键点集内某一点所对应的近似梯度方向的余弦相似度，取最大值，标记为分数值；采用相同方法分别计算待匹配点集内同一点与关键点集内其余点的分数值；将所有分数值加和、求取平均值，记为该待匹配点集内具体点的特征数；