[发明专利]基于斜率差分布的形状匹配与物体识别方法

权利要求书

1.一种适用于对二进制物体进行形状匹配与物体识别的方法，其特征是通过计算物体中心到物体轮廓上所有点的距离得到一维距离分布，通过离散傅立叶变换在频域对一维距离分布进行滤波，再计算滤波后的一维距离分布的斜率差分布，通过令斜率差分布的导数等于零求解出斜率差分布的谷值位置与峰值位置，将这些谷值位置与峰值位置映射到物体轮廓上得到二维斜率差特征点，利用归一化后的二维斜率差特征点对每类物体形状建模，通过计算在线检测到的二进制物体的归一化二维斜率差特征点与每类物体形状模型的归一化二维斜率差特征点的最小距离和，识别出被检测二进制物体的类别。

2.按照权利要求1所述的方法，其特征在于二进制物体中心的计算方法，是通过形态学腐蚀的方法对二进制物体进行迭代腐蚀直至被腐蚀物体的面积小于某个提前设定或提前计算的面积阈值，然后通过最终的被腐蚀物体的像素均值计算出物体中心。

3.按照权利要求1所述的方法，其特征在于一维距离分布是通过计算物体中心到物体轮廓上每个点的距离，最后所有的距离依次排列形成一维距离分布，一维距离分布上的点与物体轮廓上的点是一一对应的。

4.按照权利要求1所述的方法，其特征在于通过一维距离分布计算斜率差分布之前要对一维距离分布进行滤波，滤波方法可以是时域滤波也可以是频域滤波。

5.按照权利要求1所述的方法，其特征在于斜率差的计算方法是通过对一维距离分布上任意点的左侧N个临近点拟合一条直线得到左斜率，再通过对一维距离分布上任意点的右侧N个临近点拟合一条直线得到右斜率，右斜率减掉左斜率得到该点的斜率差，最后所有点的斜率差排列在一起形成斜率差分布。

6.按照权利要求1所述的方法，其特征在于斜率差特征点的求解方法是令斜率差分布的导数等于零求解出斜率差分布的谷值位置与峰值位置，将这些谷值位置与峰值位置映射到物体轮廓上得到二维斜率差特征点。

7.按照权利要求1所述的方法，其特征在于物体的形状模型是由人工选择的二维斜率差特征点组成，人工选择标准是选择具有一般性与代表性的二维斜率差特征点，所有二维斜率差特征点要进行归一化。

8.按照权利要求1所述的方法，其特征在于物体的识别方法是通过计算在线检测到的二进制物体的归一化二维斜率差特征点与每类物体形状模型的归一化二维斜率差特征点的最小距离和，识别出被检测二进制物体的类别。