[發明專利]一種基于盲文的圖像配準方法

有效

• 申請號: 201910584762.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110310311B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 成都數之聯科技股份有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06V10/764;G06V10/28;G06V10/75
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 熊曦

1.一種基于盲文的圖像配準方法，其特征在于，所述方法包括：

在光學元器件表面印制盲文，采集兩張待配準的光學元器件的拍攝圖像，一張為低分辨率的在線圖像A；一張為高分辨率的離線圖像B；

識別圖像A和圖像B中的盲文基礎塊；

根據盲文基礎塊的識別結果，分別獲得圖像A和圖像B中的盲文塊；

構建并訓練盲文塊分類模型，基于盲文塊分類模型對獲取的盲文塊進行分類；

從圖像A的所有盲文中選擇4個分類置信度較高的盲文特征點作為圖像A的候選點，從圖像B的所有盲文中選擇4個分類置信度較高的盲文特征點作為圖像B的候選點，將圖像A的4個候選點與圖像B的4個候選點進行一一對應，獲得圖像A的盲文特征點與圖像B的盲文特征點的對應關系；

根據圖像A與圖像B的盲文特征點的對應關系，透射變換圖像A與圖像B，完成初步配準；根據圖像A與圖像B的局部特征進行配準，獲得圖像A與圖像B的對應關系，完成圖像A與圖像B的配準；

其中，所述識別圖像A和圖像B中的盲文基礎塊，具體包括：將盲文基礎塊圖像模板在目標圖像上滑動并逐一對比識別盲文基礎塊；

所述根據盲文基礎塊的識別結果，獲得圖像的盲文塊，具體包括：基于識別到的若干盲文基礎塊，將相鄰兩個盲文基礎塊之間的間距小于閾值的多個盲文基礎塊劃為同一簇，獲得若干個盲文基礎塊簇，將若干個盲文基礎塊簇中盲文基礎塊數量排名前3的盲文基礎塊簇記為A-C，取A-C這3組盲文基礎塊簇中所有盲文基礎塊坐標的均值作為簇中心，將以簇中心為中心的正方形提取出的盲文塊作為檢測到的盲文塊A-C；

所述根據圖像A與圖像B的局部特征進行配準，具體包括：對圖像進行預設操作，生成二值化圖像，將二值化的圖像B切分為小塊，進行分塊校準；將切分后的圖像B的圖像塊在二值化的圖像A中做一定范圍的移動，每次移動中做“與”操作后求和，并計算“與”操作后圖像中特征點區域的面積大小；

value = sum（logical_and（圖像B的特征點區域，圖像A的特征點區域））* “與”操作后圖像中特征點區域的面積大小；其中，value為特征點區域重合權重；

將value值最大的位置作為最佳偏移位置；

對于圖像中特征點區域小于預設范圍時，若出現特征點區域重合權重為0的情況，則將該特征點區域附近20個最大特征點區域的平均偏移位置作為該區域的偏移位置。

2.根據權利要求1所述的一種基于盲文的圖像配準方法，其特征在于，構建和訓練盲文塊分類模型，具體包括：

基于光學元器件表面印制的盲文，獲取盲文基礎塊之間的相對位置分布信息，即從圖像B的盲文塊中提取若干盲文基礎塊，隨機選擇提取的若干盲文基礎塊放入盲文基礎塊之間的相對位置分布中，形成一個完整的盲文；

對形成的每個盲文均進行旋轉處理，每個盲文旋轉生成多個對應旋轉后的盲文，旋轉后的盲文形成盲文數據集；

構建卷積神經網絡，利用盲文數據集訓練卷積神經網絡；

輸入卷積神經網絡對盲文中心位置信息進行回歸并對盲文塊分類。

3.根據權利要求2所述的一種基于盲文的圖像配準方法，其特征在于，隨機選擇提取的若干盲文基礎塊放入盲文基礎塊之間的相對位置分布中時，在盲文基礎塊之間的相對位置分布信息中增加預設偏移量，且對形成的完整盲文增加相應的預設偏移量。

4.根據權利要求2所述的一種基于盲文的圖像配準方法，其特征在于，所述方法還包括對盲文數據集進行尺寸縮小，用于消除高分辨率盲文和低分辨率盲文的差異。

5.根據權利要求1所述的一種基于盲文的圖像配準方法，其特征在于，對圖像做閾值分割、膨脹操作，生成二值化圖像。