[发明专利]一种基于轮廓特征点匹配的二维形状检索方法及系统

说明书

本发明提供一种基于轮廓特征点匹配的二维形状检索方法及系统，均能实现如下步骤：提取目标二维图像的轮廓特征点，并利用所提取到的轮廓特征点组建两个特征点集V¹和V²；分别基于上述特征点集V¹和V²，并通过边兼容性矩阵及面积兼容性矩阵的使用，获取目标二维图像与用于形状检索的数据集中的每一个二维图像之间的相似度；比较所获取到的各相似度的大小，获取其中最大的相似度所对应的数据集中的二维图像,该获取到的数据集中的二维图像即为检索结果。本发明用于实现对二维形状检索问题的优化。

技术领域

本发明涉及计算机视觉和模式识别领域，具体涉及一种基于轮廓特征点匹配的二维形状检索方法及系统。

背景技术

随着当今世界信息化程度的提高，数字图像被广泛应用于很多领域。从图像的视觉特征来说，图像的形状特征信息是一种高级的视觉信息包含着图像丰富的语义信息，是图像极为重要的特征之一。通过对图像的形状特征的研究，可将其应用于二维形状检索。

二维形状检索过程为在一个大型数据库中识别与待检索形状的图像相似的图像的过程。二维形状检索已成为计算机视觉和模式识别领域的研究热点。

二维形状检索的关键点在于二维形状表示。在目前的二维形状检索策略中，其二维形状表示主要分为两类：基于轮廓的形状表示和基于区域的形状表示。

其中，基于轮廓的形状表示考虑的是边界特征，在现实应用中有出色表现。基于轮廓的形状表示这个问题研究至今，已有很多形状表示方法被提出。其中，早期基于轮廓的二维形状表示方法，主要利用面积、圆度等特征作为二维形状表示，但是不同的形状，其面积及圆度也可能相似或相等，致使二维形状检索的鲁棒性相对差，从而导致应用效果不理想。后来为了克服上述问题，Wang等人提出了高度函数方法(height function)，该方法是在图像轮廓上取点，构成样本集合，该样本集合上的点到其他所有样本点切线距离的有序排列构成一个向量，所有样本点构成的向量形成一个矩阵，作为二维形状表示，虽然该形状表示具有一定的健壮性，但是它要求轮廓样本点在轮廓上的顺序性，这增加了构建形状表示的复杂度。

为此，本发明提供一种基于轮廓特征点匹配的二维形状检索方法及系统，用于解决上述问题。

发明内容

针对现有技术的上述不足，本发明提供一种基于轮廓特征点匹配的二维形状检索方法及系统，用于实现对二维形状检索的优化。

本发明提供一种基于轮廓特征点匹配的二维形状检索方法，包括步骤：

S1：提取目标二维图像的轮廓特征点，并利用所提取到的轮廓特征点组建两个特征点集V¹和V²；目标二维图像为待检索形状的二维图像；

S2：分别基于上述特征点集V¹和V²，获取目标二维图像与用于形状检索的数据集中的每一个二维图像之间的相似度；

S3：比较所获取到的各相似度的大小，获取其中最大的相似度所对应的数据集中的二维图像，该获取到的数据集中的二维图像即为检索结果；

其中，步骤S2的实现方法为：遍历所述数据集中的每一个二维图像，并对遍历到的每一个二维图像，分别执行如下步骤S21-S29：

步骤S21、提取目标图像的轮廓特征点，采用与组建上述两个特征点集V¹和V²相同的方法，利用所提取到的目标图像的轮廓特征点组建两个特征点集V³和V⁴；其中，所述目标图像为当前遍历到的二维图像，特征点集V¹和V³中的轮廓特征点属于同一类轮廓特征点，特征点集V²和V⁴中的轮廓特征点属于同一类轮廓特征点；