[發明專利]一種魯棒的基于最近鄰特征點匹配的多尺度模板匹配方法

有效

• 申請號: 202010597667.X
• 申請日: 2020-06-28
• 公開（公告）號: CN111709434B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 楊憲強;張智浩
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06V10/56
• 分類號: G06V10/56;G06V10/74;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張利明

1.一種魯棒的基于最近鄰特征點匹配的多尺度模板匹配方法，其特征在于，該方法具體包括：

步驟一、對模板圖像T和被搜索圖像S分別進行像素特征提取，獲取模板特征集F_T和目標特征集F_S；

步驟二、在模板特征集F_T中搜索目標特征集F_S中的每個目標特征的最鄰近特征，獲取每個目標特征在模板特征集F_T中的最鄰近特征；

步驟三、利用目標特征集F_S中每個目標特征的最鄰近特征，計算被搜索圖像S中每個像素點與模板圖像T的初始匹配相關系數；

步驟四、利用步驟三所述的初始匹配相關系數，對被搜索圖像S中的像素點進行篩選，獲取匹配像素點坐標集；

步驟五、對被搜索圖像S的尺寸進行縮放，計算不同尺寸下匹配像素點坐標集中每個像素點的相關系數，獲取相關系數最大的像素點的坐標及對應的縮放尺寸，將所述相關系數最大的像素點的坐標及對應的縮放尺寸作為模板匹配最優的檢測結果，完成一次圖像匹配；

步驟三中所述計算被搜索圖像S中每個像素點與模板圖像T的初始匹配相關系數的具體方法為：

通過公式：

計算獲得搜索位置坐標點(i_s,j_s)的初始匹配相關系數為C₀(i_s,j_s)，其中|{}|為計算集合中點的個數，(nn_x(i″_s,j″_s),nn_y(i″_s,j″_s))為特征f_s(i″_s,j″_s)在F_T中最近鄰特征的像素坐標，(i″_t,j″_t)為模板圖像的像素點集P中的點；

P＝{(i″_t,j″_t),i″_t＝0,1,…,w-1,j″_t＝0,1,…,h-1}，

Q為被搜索圖像重疊區域的像素點集，

Q＝{(i″_s,j″_s),i″_s＝i″_sl,i″_sl+1,…,i″_sr,j_s″＝j″_sl,j″_sl+1,…,j″_sr}，

i″_sl＝max(i_s-w₂,0)，

i″_sr＝min(i_s+w-1-w₂,W-1)，

j″_sl＝max(j_s-h₂,0)，

j″_sr＝min(j_s+h-1-h₂,H-1)，

(i_s,j_s)為搜索位置坐標點，w是模板圖像寬度，當w為偶數，w₂＝w/2，當w為奇數，w₂＝(w-1)/2，當h為偶數，h₂＝h/2，當h為奇數，h₂＝(h-1)/2，W為被搜索圖像S的寬度，H為被搜索圖像S的高度；

步驟四中利用步驟三所述的初始匹配相關系數，對被搜索圖像S中的像素點進行篩選的具體方法為：

S′＝{(i′_s,j′_s),C₀(i′_s,j′_s)≥0.7×C_0m}

計算實現，其中，S′為匹配像素點坐標集，C_0m為所有初始搜索位置相關系數的最大值，C₀(i′_s,j′_s)為坐標點(i′_s,j′_s)的初始匹配相關系數，(i′_s,j′_s)為搜索位置坐標點；

步驟五中所述計算不同尺寸下匹配像素點坐標集中每個像素點的相關系數的具體方法為：

通過公式：

計算獲得尺度為α搜索位置坐標點為(i′_s,j′_s)時模板匹配相關系數C(α,i′_s,j′_s)，其中，尺度α的選取范圍為0.5到2，步長為0.1，其中，Q′為被搜索圖像重疊區域的像素點集；

Q′＝{(i″′_s,j″′_s),i″′_s＝i″′_sl,i″′_sl+1,…,i″′_sr,j″′_s＝j″′_sl,j″′_sl+1,…,j″′_sr}，

i″′_sl＝max(i′_s-w₁,0)，

j″′_sl＝max(j_s-h₁,0)，

為向下取整函數，

Ι[]為指示函數。