[發明專利]基于Sift特征匹配和形狀上下文的試卷閱卷方法

有效

• 申請號: 201510848900.6
• 申請日: 2015-11-27
• 公開（公告）號: CN105488512B
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 唐金輝;李澤超;王學明;曹通
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱寶慶

1.一種基于Sift特征匹配和形狀上下文的試卷閱卷方法，其特征在于，包括：

步驟1，輸入兩張圖片，包括未作答試卷和已作答試卷；

步驟2，分別對圖片進行Sift特征匹配，其中，統計匹配的特征點集合為M{m₁,m₂,...m_i,...}，兩幅圖像的特征點分別為K₁{k₁₁,k₁₂,...}，K₂{k₂₁,k₂₂,...}；

步驟3，選取兩個不同的匹配特征點，計算旋轉角平均差值，對已作答試卷的圖片依照旋轉角平均差值旋轉；

步驟4，對旋轉后的已作答試卷的圖片，與未旋轉的已作答試卷的圖片進行Sift特征匹配，獲取兩幅圖像的特征點；

步驟5，對步驟4獲得的特征點，獲取特征點在x軸方向的差值和y軸方向的差值，根據差值對旋轉后的已作答試卷圖片進行平移；

步驟6，平移后的圖片和未作答試卷圖片相減獲取兩張圖片的不同區域；

步驟7，在上述不同區域中獲得答案區域；

步驟8，計算形狀上下文特征；

步驟9，對形狀上下文特征，根據手寫字母訓練集，分別提取像素特征，根據鄰近算法得到識別出來的類別；

步驟3包括：

步驟3.1，遍歷集合M，選取集合M中不同的任意元素m_i、m_j，i≠j；

步驟3.2，分別計算兩張圖片上的匹配特征點的梯度方向α_i、α_j，其中

α_i＝arctan(K₁[m_i(y)]-K₁[m_j(y)]/K₁[m_i(x)]-K₁[m_j(x)])

α_j＝arctan(K₂[m_i(y)]-K₂[m_j(y)]/K₂[m_i(x)]-K₂[m_j(x)])

其中，K₁[m_i(x)]、K₁[m_i(y)]、K₁[m_j(x)]、K₁[m_j(y)]、K₂[m_i(x)]、K₂[m_i(y)]、K₂[m_j(x)]、K₂[m_j(y)]分別為兩幅圖片匹配的特征點的縱橫坐標；

步驟3.3，重復執行步驟3.1和3.2，獲取集合M的所有兩個元素組合的梯度方向；

步驟3.4，計算旋轉角平均差值所述K為集合M的所有兩個元素組合數，k為集合M的所有兩個元素組合的索引值；

步驟8包括：

步驟8.1，通過邊緣檢測和輪廓追蹤算法分別得到步驟7得到的未作答和已作答的兩張圖片的特征點集合P{p₁,p₂,...,p_n}，Q{q₁,q₂,...,q_n}；

步驟8.2，對于集合P中的每個特征點p_i，i∈[1,n]，在集合Q中找到與其匹配的代價最小的特征點q_j，j∈[1,n]；

步驟8.3，將整個平面空間從方向上平均劃出12個方向，同時在半徑上均勻的劃分3份，整個平面被劃分為36個區域，統計特征點落在每個區域的個數；

步驟8.4，計算特征點p_i與匹配的代價最小的特征點q_j兩點的匹配代價cost值其中h_i(.)為未作答圖片中特征點p_i的形狀直方圖，h_j(.)為已作答圖片中特征點q_j的形狀直方圖；

步驟8.5，采用TPS形狀變換獲取形狀距離

其中D_sc(P,Q)表示兩個形狀之間的代價，T(.)表示TPS形狀變換，m、n表示P、Q集合元素個數，p、q表示P、Q集合的元素；

步驟8.6，根據最優匹配算法得到最優解。

2.根據權利要求1所述的方法，其特征在于，步驟8.6的最優匹配算法為匈牙利算法。