[发明专利]一种基于度量信息的形状匹配方法

摘要

本发明属于计算机视觉领域，涉及到一种基于度量信息的形状匹配方法。首先，将形状轮廓点的度量信息作为特征描述子，建立轮廓点与整体形状之间的约束关系；其次，为增强本发明对形状局部特征对微小变形的适应性，将度量信息进行分段平滑处理；最后，将这种基于度量的方法进行推广，用欧氏距离、三角形半径等度量方式生成特征描述符。该方法的特点是生成的形状特征描述符相对简单，仅仅需要简单的分段建模和数据计算，就能够对平面目标性状进行描述及匹配操作，运算时间大大减少，增加了其通用性。本发明的方法具有平移、旋转不变性，且计算简单，维度较低，对于局部变形比较稳定。

主权项

1.一种基于度量信息的形状匹配方法，其特征包括以下步骤，步骤1.对原始图像利用边缘检测的方法提取轮廓；步骤2.在轮廓上进行均匀采样，采样点数为N；N个轮廓采样点表示为X={x₁,x₂,...,x_N}；步骤3.计算任一轮廓采样点x_i(i＝1,2,...,N)的度量信息；步骤3-1以x_i为起始点，逆时针扫描其他轮廓采样点，计算x_i到其它所有轮廓采样点的欧式距离（Euclidean Distance，ED）；步骤3-2从x_i点做轮廓的切线，当其它轮廓采样点在切线左侧，则距离为正，在切线右侧则距离为负；步骤3-3将上面计算得到的x_i点到其他轮廓采样点的距离形成如下特征向量D_i；D_i=(d_i，i,d_i，i+1,...,d_i,N,d_i，1,...,d_i，i-1)               （1）其中，d_i，j表示x_i到x_j的距离，d_i，i值为0；步骤4.生成分段形状特征描述符；步骤4-1指定一个局部平均的宽度S，然后将步骤3得到的特征向量D_i分成段，每一段的长度都是S，各段的轮廓采样点序号分别为：[1,S],[S+1,2S]，...,[N-S+1,N]；步骤4-2对每一段内的特征值计算加权平均值，其中表示S内每个轮廓点的权重，j=1,2,...,M表示轮廓点的分段数；dSij=1SΣt=(j-1)S+1jSαitdit---(2)]]>步骤4-3轮廓采样点x_i的新的特征向量可以表示为步骤5.对轮廓上所有的采样点x_i(i＝1,2,...,N)重复使用步骤4的操作计算其距离特征向量DS_i，构成距离特征矩阵DS(X)=(DS₁,DS₂,...,DS_N)；步骤6.对于特征矩阵DS(X)的每一行，采用行最大值进行规一化，规一化后的特征值在[-1,1]之间；dSij=dSijmaxt=1,2...N{|dStj|}---(3)]]>步骤7.计算形状之间的相似度；步骤7-1X和Y分别表示形状A和B的轮廓采样点集合。轮廓上任一采样点可表示为：x_i∈X(i=1,2,...,N)，y_j∈Y(j=1,2,...,L)，其中N和L为采样点个数；步骤7-2利用L₁度量公式进行特征向量比较：c(xi,yj)=Σt=1Mwt|dSxit-dSyjt|---(4)]]>w_t表示各个局部特征值的权重，计算方式为步骤7-3对于轮廓X={x_i}和Y={y_j}，通过步骤7-2公式的计算，可以得到相似性矩阵W：W=c(x1,y1).........c(xi,yj).........c(xN,yL)]]>步骤7-4寻找X和Y之间的对应关系g(x):X→Y，当轮廓点一一对应时最小；步骤7-5形状A和B之间的相似性表示为：