[發明專利]基于斜率差分布的形狀匹配與物體識別方法

在審

• 申請號: 201911360618.8
• 申請日: 2019-12-25
• 公開（公告）號: CN113033592A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 王振洲
• 申請（專利權）人: 山東理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于斜率差分布的形狀匹配與物體識別方法。通過計算物體中心到物體輪廓上所有點的距離得到一維距離分布，通過離散傅立葉變換在頻域對一維距離分布進行濾波，再計算濾波后的一維距離分布的斜率差分布，通過令斜率差分布的導數等于零求解出斜率差分布的谷值位置與峰值位置，將這些谷值位置與峰值位置映射到物體輪廓上得到二維斜率差特征點，利用歸一化后的二維斜率差特征點對每類物體形狀建模，通過計算在線檢測到的二進制物體的歸一化二維斜率差特征點與每類物體形狀模型的歸一化二維斜率差特征點的最小距離和，識別出被檢測二進制物體的類別。

技術領域

本發明涉及二進制物體的形狀匹配與識別技術，特別是涉及通過計算物體中心到物體輪廓上所有點的距離得到一維距離分布，通過離散傅立葉變換在頻域對一維距離分布進行濾波，再計算濾波后的一維距離分布的斜率差分布，通過令斜率差分布的導數等于零求解出斜率差分布的谷值位置與峰值位置，將這些谷值位置與峰值位置映射到物體輪廓上得到二維斜率差特征點，利用歸一化后的二維斜率差特征點對每類物體形狀建模，通過計算在線檢測到的二進制物體的歸一化二維斜率差特征點與每類物體形狀模型的歸一化二維斜率差特征點的最小距離和，識別出被檢測二進制物體的類別。

背景技術

本發明涉及一種二進制物體的形狀匹配與識別技術。二進制物體的形狀識別是模式識別的重要研究內容，傳統的二進制物體形狀識別技術很多，如基于傅里葉描述子的形狀識別方法， 基于主分量分析的形狀識別方法，基于不變性距的形狀識別方法等。然而這些傳統的方法的識別精度不高，嚴重限制了物體目標識別的應用與發展。本發明基于斜率差分布特征點進行形狀匹配與物體識別，斜率差分布是近幾年申請人提出的一種新的一維分布特征點計算方法，它被成功地應用到閾值選取與聚類領域，與傳統方法相比取得了顛覆性的精度超越，請參見文獻Z.Z. Wang, “A new approach for segmentation andquantification of cells or nanoparticles,” IEEE T Ind. Inform., 12(3): 962-971, (2016)。Z.Z. Wang, “Determining the clustering centers by slopedifference distribution,”IEEE Access, 5, 10995-11002,(2017)。本發明將斜率差分布的應用擴展到對二維物體輪廓的特征點求解，通過在一維距離分布上求解一維斜率差特征點再映射到二維物體輪廓上的方法，成功地獲得一系列二維斜率差特征點，大量實驗表明基于斜率差分布的形狀匹配與物體識別方法也具有顛覆傳統物體識別方法的精度與潛力。

發明內容

本發明的目的是針對現有的物體形狀識別方法精度偏低，無法滿足一些高精度識別應用的要求，提供一種基于斜率差分布的形狀匹配與物體識別方法，通過斜率差特征點對物體形狀進行建模，并且利用每類形狀模型中斜率差特征點與被檢測形狀的斜率差特征點最小距離和進行物體識別。

為了實現上述發明的目的，本發明采用下述技術方案實現：

該方法通過計算物體中心到物體輪廓上所有點的距離得到一維距離分布，通過離散傅立葉變換在頻域對一維距離分布進行濾波，再計算濾波后的一維距離分布的斜率差分布，該方法通過計算一維距離分布的斜率差分布以及斜率差特征點，并且利用一維距離分布點與物體輪廓點的一一對應關系，將一維斜率差特征點映射到物體輪廓上得到二維斜率差特征點，利用歸一化后的二維斜率差特征點對每類物體形狀建模，通過計算在線檢測到的二進制物體的歸一化二維斜率差特征點與每類物體形狀模型的歸一化二維斜率差特征點的最小距離和，識別出被檢測二進制物體的類別。

本發明與現有技術相比，有如下優點：

本發明的基于斜率差分布的形狀匹配與物體識別方法，能夠魯棒地計算出物體形狀的斜率差特征點，通過匹配歸一化的斜率差特征點進行物體識別，不僅識別準確率明顯高于現有物體識別技術，效率也有所提高。

附圖說明

圖1為本發明的工作流程圖。

具體實施方式