[发明专利]一种基于自适应ROI划分的多目标快速图像匹配方法

说明书

本发明公开了一种基于自适应ROI划分的多目标快速图像匹配方法，属于数字图像处理技术领域。在位姿变化、灰度不均等复杂场景下，本发明针对含有多个待定位目标且呈阵列式分布的待测视野大、目标工件数量多、匹配精度要求高的图像进行匹配定位，采用自适应ROI划分方法提高匹配速度与效率；针对复杂场景图像匹配定位精度差的问题，基于Canny边缘检测的目标分割算法准确分割目标和背景并抑制目标表观灰度不均的干扰；最后，使用均方误差作为评价指标对优选特征和匹配精度做直观地比较，辅助匹配特征的选择与定位精度的评估。本发明有效提升了阵列式分布多目标图像的匹配效率，同时，本算法也具有较高的匹配定位精度，能够取得良好的图像匹配效果。

技术领域

本发明涉及一种基于自适应ROI划分的多目标快速图像匹配方法，属于数字图像处理技术领域。

背景技术

图像匹配是数字图像处理领域的一种常用技术，在目标识别、图像检索、文字识别、人脸识别、医学图像分析、机器人导航等众多领域有着广泛应用。图像模板匹配方法大致可分为两大类：基于灰度值的匹配方法和基于特征提取的匹配方法两大类。假设待搜索图像S的尺寸为M×N，模板图像T的尺寸为P×Q。模板在待搜索图像上平移，待搜索图像S中被模板图像T覆盖区域为子图S_ij(i,j为子图左上角第一个点在待搜索图像S中的坐标)。常用的基于灰度值的匹配方法是归一化交叉算法。为求得最优匹配点，此种算法的时间复杂度是O(MNPQ)。当图像中含有第二个待定位目标时，常用方法是在待匹配图中屏蔽最优匹配点附近区域后，做第二次遍历性搜索，算法的时间复杂度是O[(M-P)(N-Q)PQ]。

针对工业应用场景下工件在图像中呈阵列式分布的情况，如图1、2所示，定子轮齿齿面由线性扫描相机展开为阵列式多目标图像，需要完成每个齿的精确定位；多个SD卡规律排列在料盘中，由面阵相机拍摄的图像亦为阵列式多目标图像，需完成每个SD卡的精确匹配定位。此类图像具有待测视野大、目标工件数量多、匹配精度要求高的特性。

使用传统图像匹配算法定位目标存在计算量大、时间复杂度高和定位精度差等问题。有效缩小搜索区域能够显著提高匹配速度，如期刊论文“陈皓,马彩文,陈岳承,孙小林,唐自力.基于灰度统计的快速模板匹配算法[J].光子学报,2009,38(06):1586-1590”中通过统计特征直线灰度值及搜索图同一灰度对应像素数目，划分模板匹配的搜索区域，但是该方法对于灰度变化较大及噪音污染较重的情况，匹配速度会有所下降。

由于材料和工艺等原因，阵列式图像中各目标表观干扰多，存在灰度不均等问题，准确提取待匹配目标有利于提高匹配准确度，如期刊论文“周小萌,吴静静,安伟.一种鲁棒的非均匀光场中SD卡形态识别算法[J].传感技术学报,2019,32(04):549-554”中通过改进OSTU算法对光照不均图像进行阈值分割，该方法能够有效分割出由表面氧化导致灰度不均的目标，但是当图像中存在与目标灰度接近的背景时很难将两者区分，进而影响匹配精度；期刊论文“余瑞星,吴虞霖,曹萌,张莹.基于边缘与角点相结合的目标提取与匹配算法[J].西北工业大学学报,2017,35(04):586-590”中对可见光图像进行Canny边缘检测配合形态学处理以增强目标边缘信息，但其对背景边缘未做到有效削弱，仅去除部分较小面积的连通域。如果采用上述方法进行图像匹配，则因为工件呈阵列式分布的图像所具有的特性，势必存在匹配效率低、定位精度差的问题。

自适应ROI划分是一种自动且快速的在目标图像中获取较小尺寸的感兴趣区域的方法，其在降低处理复杂度，提高运算速度、准确度和适用性方面具有优势，如期刊论文“王国军,黄亚新,赵启林,张冬冬.基于自适应区域的光斑中心鲁棒性研究[J/OL].激光技术:1-11[2020-03-10].”中通过对整副图像进行模板匹配的方式确定ROI，该方法能够对于单目标图像自适应划分出ROI进而协助后续操作的展开，但在多目标图像中使用该方法存在着ROI划分效率低乃至划分不完全的问题。

发明内容