[发明专利]一种模板图像边缘点优化方法

权利要求书

1.一种模板图像边缘点优化方法，其特征在于，选取多张待匹配图像，分别提取模板图像和各张待匹配图像中的边缘点；

利用模板图像中的边缘点A_i信息对各张待匹配图像中的边缘点进行匹配，在每张待匹配图像中找到匹配点D_ij及各匹配点对应的匹配分数值S_ij；i表示第i个边缘点，1≤i≤m，m表示模板图像中边缘点的总个数；j表示第j张待匹配图像，1≤j≤n，n表示待匹配图像的总张数；

计算第i个边缘点的权重Vote_i：

其中，

遍历每个边缘点，剔除权重值小于预设值的点，将剩余边缘点记为优化后的模板图像边缘点。

2.如权利要求1所述的模板图像边缘点优化方法，其特征在于：所述预设值为0.5～0.8。

3.如权利要求1所述的模板图像边缘点优化方法，其特征在于：在提取模板图像和各张待匹配图像中的边缘点之前，预先对模板图像和待匹配图像进行图像预处理，包括滤波、增强、均衡化处理。

4.如权利要求1所述的模板图像边缘点优化方法，其特征在于，提取图像中边缘点的方法为canny边缘检测方法或sobel边缘检测方法。

5.如权利要求1所述的模板图像边缘点优化方法，其特征在于：将所述优化后的模板图像边缘点进行聚类处理，得到K个边缘点聚类结果；

在单个边缘点聚类结果中，计算任意相邻两点之间的距离，统计距离均值L，计算步长系数p取值范围2～5；

若则：统计各边缘点梯度方向的均值，将均值记为该类边缘点集的主方向；查找该类边缘点集中的首个边缘点，将其存储为起始点，沿所述主方向，以步长s＝L/c进行最近邻搜索，将邻域内的距离起始点最远的边缘点存储为新的起始点、其他边缘点剔除，以新的起始点继续进行最近邻搜索，直到遍历完该类边缘点集的所有点，将被存储为起始点的各个边缘点记为该类边缘点集中的最终边缘点；

否则：直接将当前边缘点聚类结果中的各个边缘点记为最终边缘点，并跳转到下一个边缘点聚类结果中，计算步长系数c，并再次判断；直到遍历完K类边缘点集，得出每类边缘点集中的最终边缘点；将所有最终边缘点汇总为模板图像中的最终边缘点。

6.如权利要求5中所述的模板图像边缘点优化方法，其特征在于：所述聚类方法包括K-means++聚类方法和K-means聚类方法。