[發(fā)明專利]一種基于盲文的圖像配準(zhǔn)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910584762.3
• 申請(qǐng)日: 2019-07-01
• 公開（公告）號(hào): CN110310311B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 成都數(shù)之聯(lián)科技股份有限公司
• 主分類號(hào): G06T7/33
• 分類號(hào): G06T7/33;G06V10/764;G06V10/28;G06V10/75
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 熊曦

本發(fā)明公開了一種基于盲文的圖像配準(zhǔn)方法，所述方法包括：在光學(xué)元器件表面印制盲文，采集兩張待配準(zhǔn)的光學(xué)元器件的拍攝圖像，一張為在線低分辨率圖像，一張為離線高分辨率圖像；識(shí)別盲文基礎(chǔ)塊；使用kNN尋找包含盲文基礎(chǔ)塊最多的3個(gè)盲文簇；利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)盲文進(jìn)行分類，將盲文的位置作為參考點(diǎn)，通過透射變換實(shí)現(xiàn)低分辨率圖像與高分辨率圖像的初步配準(zhǔn)，最后利用局部平移距離的回歸實(shí)現(xiàn)精細(xì)化配準(zhǔn)；本發(fā)明實(shí)現(xiàn)了在圖像信息極少情況下的圖像配準(zhǔn)，并結(jié)合圖像中光學(xué)元器件損傷點(diǎn)細(xì)節(jié)信息，進(jìn)一步實(shí)現(xiàn)精細(xì)化配準(zhǔn)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別領(lǐng)域，具體地，涉及一種基于盲文的圖像配準(zhǔn)方法。

背景技術(shù)

圖像配準(zhǔn)是圖像處理研究領(lǐng)域中的一個(gè)典型問題和技術(shù)難點(diǎn)，其目的在于比較或融合同一對(duì)象在不同條件下獲取的圖像，例如來自不同采集設(shè)備，取自不同時(shí)間，不同拍攝視角的圖像。具體地說，將描述同一對(duì)象的兩張圖像，通過空間變換把一張圖像映射到另一張圖像，使得兩張圖像同一空間位置的點(diǎn)一一對(duì)應(yīng)起來，實(shí)現(xiàn)信息融合。

圖像配準(zhǔn)的方法大致分為三類：一類是基于灰度和模板的匹配方法，這類方法直接通過相關(guān)運(yùn)算等方式計(jì)算相關(guān)值尋求最佳匹配位置，比如模板匹配是在目標(biāo)圖像中尋找與模板圖像相似的子圖像，而基于灰度的匹配算法是通過空間二維滑動(dòng)模板進(jìn)行匹配，不同匹配算法主要體現(xiàn)在相關(guān)準(zhǔn)則選擇不同。第二類是基于特征的匹配方法，先提取圖像的特征，生成特征描述子，再根據(jù)描述子的相似程度匹配兩張圖像的特征。圖像的特征主要分為點(diǎn)、線(邊緣)、區(qū)域(面)等特征，也可以分為局部特征和全局特征。區(qū)域(面)特征提取比較麻煩、耗時(shí)，因此主要用點(diǎn)特征和邊緣特征。第三類是基于域變換的匹配方法，如傅里葉變換，沃爾什變換，小波變換等。

這些傳統(tǒng)的圖像配準(zhǔn)方法僅適用于圖像信息較多的情況，一旦圖像信息較少，如光學(xué)元器件圖、星圖，則相應(yīng)的特征較少，這些方法將難以根據(jù)少量的、難表達(dá)的特征完成圖像配準(zhǔn)。

發(fā)明內(nèi)容

本發(fā)明提出一種傳統(tǒng)方法與深度學(xué)習(xí)結(jié)合的圖像配準(zhǔn)方法，可以在圖像信息極少的情況下實(shí)現(xiàn)圖像配準(zhǔn)，結(jié)合圖像中光學(xué)元器件損傷點(diǎn)細(xì)節(jié)信息，進(jìn)一步實(shí)現(xiàn)精細(xì)化配準(zhǔn)。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了一種基于盲文的圖像配準(zhǔn)方法，所述方法包括：

在光學(xué)元器件表面印制盲文，采集兩張待配準(zhǔn)的光學(xué)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(shí)別圖像A和圖像B中的盲文基礎(chǔ)塊；

根據(jù)盲文基礎(chǔ)塊的識(shí)別結(jié)果，分別獲得圖像A和圖像B的盲文塊；

構(gòu)建并訓(xùn)練盲文塊分類模型；

從圖像A所有盲文中選擇若干個(gè)盲文特征點(diǎn)作為候選點(diǎn)，與圖像B進(jìn)行匹配，獲得圖像A的盲文特征點(diǎn)與圖像B的盲文特征點(diǎn)的對(duì)應(yīng)關(guān)系；

首先根據(jù)圖像A與圖像B的盲文特征點(diǎn)的對(duì)應(yīng)關(guān)系，透射變換圖像A與圖像B，完成初步配準(zhǔn)；然后根據(jù)圖像A與圖像B的局部特征實(shí)現(xiàn)精細(xì)化配準(zhǔn)，獲得圖像A與圖像B的對(duì)應(yīng)關(guān)系，完成圖像精細(xì)化配準(zhǔn)。

進(jìn)一步的，所述識(shí)別圖像A和圖像B的盲文基礎(chǔ)塊，具體包括：將盲文基礎(chǔ)塊圖像模板在目標(biāo)圖像上滑動(dòng)并逐一對(duì)比識(shí)別盲文基礎(chǔ)塊。

進(jìn)一步的，根據(jù)盲文基礎(chǔ)塊的識(shí)別結(jié)果，獲得圖像的盲文塊，具體包括：基于識(shí)別到的若干盲文基礎(chǔ)塊，將相鄰兩個(gè)盲文基礎(chǔ)塊之間的間距小于閾值的多個(gè)盲文基礎(chǔ)塊劃為同一簇，獲得若干個(gè)盲文基礎(chǔ)塊簇，將若干個(gè)盲文基礎(chǔ)塊簇中盲文基礎(chǔ)塊數(shù)量排名前3的盲文基礎(chǔ)塊簇記為A-C，因?yàn)橥干渥儞Q只需要3組最準(zhǔn)確的對(duì)應(yīng)特征點(diǎn)，取A-C這3組盲文基礎(chǔ)塊簇中所有盲文基礎(chǔ)塊坐標(biāo)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(cè)到的盲文塊A-C。

進(jìn)一步的，構(gòu)建和訓(xùn)練盲文塊分類模型，具體包括：