[發(fā)明專利]一種基于sift算法的青銅器金文圖像識別方法

有效

• 申請?zhí)枺?/td>: 201911069702.4
• 申請日: 2019-11-05
• 公開（公告）號: CN111091133B
• 公開（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 王慧琴;王可;趙若晴;商立麗
• 申請（專利權(quán)）人: 西安建筑科技大學(xué)
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/74
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李鄭建

本發(fā)明公開了一種基于sift算法的青銅器金文圖像識別方法，首先，利用圖像分割方法采集青銅器金文拓片圖像數(shù)據(jù)，建立金文數(shù)據(jù)集；然后，利用改進(jìn)的sift特征提取算法檢測青銅器金文拓片圖像sift特征點(diǎn)，并對特征點(diǎn)進(jìn)行描述；最后，利用向量夾角余弦值的匹配方法對步驟二得到的拓片圖像特征點(diǎn)進(jìn)行特征點(diǎn)匹配，并得到圖像匹配結(jié)果。由于采用改進(jìn)的sift特征提取算法，通過降維降低了運(yùn)算復(fù)雜度，實(shí)時性得到大幅提升，在匹配準(zhǔn)確率及時間復(fù)雜度上明顯優(yōu)于傳統(tǒng)方法，更適于進(jìn)行青銅器金文圖像識別匹配。提高了金文圖像匹配值的精度，降低了時間復(fù)雜度，能有效地識別金文圖像。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，特別涉及一種基于sift算法的青銅器金文圖像識別方法。

背景技術(shù)

對于青銅器金文的研究，屬于古文字學(xué)的一項(xiàng)重要內(nèi)容。只有按照古文字學(xué)的科學(xué)的研究手段，具體地研究青銅器銘文在各歷史階段之字形特點(diǎn)、修辭、語句、文法的習(xí)慣及其演化過程，才能較深刻的理解此種文字。簡而言之，釋讀青銅器銘文要求研究者具有廣博的知識基礎(chǔ)和訓(xùn)練，是一項(xiàng)極具挑戰(zhàn)的任務(wù)。

sift算法采用一種基于尺度空間的、對圖像縮放、旋轉(zhuǎn)甚至仿射保持不變性的圖像局部特征描述算子提取特征點(diǎn)，在圖像處理領(lǐng)域應(yīng)用普遍。隨著計(jì)算機(jī)視覺的發(fā)展，基于圖像特征點(diǎn)的配準(zhǔn)方法是目前圖像匹配技術(shù)的主流方向和發(fā)展趨勢。因此，國內(nèi)外針對特征點(diǎn)的提取提出了很多算法。2006年Herbert?Bay等人提出了SURF算法，2011年StefanLeutenegger等人提出的BRSIK算法，Ethan?Ruble等人提出的0RB算法，以及AlexandreAlahi等人提出的FREAK算法，以上四種算法，在時間復(fù)雜度上均優(yōu)于sift算法，但sift算法之所以仍被廣泛應(yīng)用，是由于其算法的精確性在普遍情況下要優(yōu)于其他算法。國內(nèi)一些研究者乜提出了許多特征點(diǎn)檢測算法，楊幸芳提出了一種基于USN的特征檢測算法，王立中等人發(fā)明了一種基于圖像分塊的多尺度Harris特征檢測算法，這些新的方法在耗時上要低于原sift算法，但精確度上不如原sift算法。

基于此類原因，為了尋求一種保證精確性的情況下減小時間復(fù)雜度的算法，是申請人研究青銅器金文圖像識別的課題之一。

發(fā)明內(nèi)容

針對上述sift算法存在的缺陷或不足，本發(fā)明的目的在于，提供一種基于改進(jìn)的sift算法的青銅器金文圖像識別方法，該方法通過構(gòu)建圓形分區(qū)的特征描述符，降低特征向量維數(shù)，最后構(gòu)造sift特征描述符，計(jì)算多幅圖像中對應(yīng)特征點(diǎn)描述子的余弦相似度，來進(jìn)行圖像的識別匹配。以提高搜索效率和匹配精度。

為了實(shí)現(xiàn)上述任務(wù)，本發(fā)明采取如下的技術(shù)解決方案：

一種基于改進(jìn)的sift算法的青銅器金文圖像識別方法，其特征在于，包括以下步驟：

步驟一，利用圖像分割方法采集青銅器金文拓片圖像數(shù)據(jù)，建立金文數(shù)據(jù)集；

步驟二，利用改進(jìn)的sift特征提取算法檢測青銅器金文拓片圖像sift特征點(diǎn)，并對特征點(diǎn)進(jìn)行描述；

步驟三，利用向量夾角余弦值的匹配方法對步驟二得到的拓片圖像特征點(diǎn)進(jìn)行特征點(diǎn)匹配，并得到圖像匹配結(jié)果。

根據(jù)本發(fā)明，步驟一所述的圖像分割方法是，對青銅器金文拓片圖像進(jìn)行自動閾值二值化處理，尋找該行中黑色像素點(diǎn)大于某一設(shè)定閾值的所有行和列，進(jìn)行圖像分割處理，采集得到青銅器金文拓片圖像數(shù)據(jù)。

進(jìn)一步地，步驟二所述的利用改進(jìn)的sift特征提取算法進(jìn)行識別匹配的步驟如下：

a)首先以特征點(diǎn)作為中心，提取一個半徑為8的同心圓環(huán)區(qū)域作為特征點(diǎn)鄰域范圍，以兩個像素為單位，半徑依次遞減，把特征點(diǎn)鄰域劃分為4個單位的同心圓，每個格子代表一個像素點(diǎn)；

以同心圓的圓心為特征點(diǎn)，將特征點(diǎn)表示為M(p₁,p₂)，直徑最大為16，圓形區(qū)域可表示為：