[發(fā)明專利]基于模板匹配的多尺度目標(biāo)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111174239.7
• 申請(qǐng)日: 2021-10-10
• 公開（公告）號(hào): CN113869441B
• 公開（公告）日: 2022-09-27
• 發(fā)明（設(shè)計(jì)）人: 王凱;夾尚豐;余振軍;何顯輝;孫洋;賈坤昊
• 申請(qǐng)（專利權(quán)）人: 青島星科瑞升信息科技有限公司
• 主分類號(hào): G06V10/74
• 分類號(hào): G06V10/74;G06V10/46
• 代理公司: 深圳紫晴專利代理事務(wù)所(普通合伙) 44646
• 代理人: 付欽偉

本發(fā)明公開了一種基于模板匹配的多尺度目標(biāo)定位方法，將所述初始模板圖像進(jìn)行不同尺度變換，獲取多個(gè)尺度層的模板圖像，構(gòu)建多尺度模板庫(kù)；基于所述多尺度模板庫(kù)，獲取最優(yōu)參考邊緣點(diǎn)；創(chuàng)建待處理圖像的圖像金字塔，從所述多尺度模板庫(kù)中選定最佳匹配模板；基于所述最優(yōu)參考邊緣點(diǎn)和所述最佳匹配模板，獲取所述待處理圖像的匹配結(jié)果。本發(fā)明通過構(gòu)建多尺度模板庫(kù)獲取最優(yōu)參考邊緣點(diǎn)，基于所述最優(yōu)參考邊緣點(diǎn)進(jìn)行圖像匹配，有效提高不同尺度變換后的待匹配圖像的匹配精度和匹配效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺圖像處理領(lǐng)域，尤其涉及一種基于模板匹配的多尺度目標(biāo)定位方法。

背景技術(shù)

圖像匹配是各類計(jì)算機(jī)視覺應(yīng)用的核心任務(wù)，圖像匹配結(jié)果對(duì)后續(xù)的圖像處理任務(wù)至關(guān)重要。目前，常采用的基于模板匹配的多尺度目標(biāo)定位方法為模板匹配方法，在對(duì)待匹配圖像進(jìn)行圖像匹配時(shí)，通常給定一個(gè)模板圖像，通過計(jì)算待匹配圖像與模板圖像之間的相似性度量來尋找與模板圖像對(duì)應(yīng)的區(qū)域。

經(jīng)典的模板匹配方法有很多，如差絕對(duì)值和(Sum of Absolute Difference，SAD)相關(guān)算法、差平方和(Sum of Squared Differences，SSD)相關(guān)算法、歸一化互相關(guān)(Normalized Cross-Correlation，NCC)匹配算法等。但是，圖像匹配的現(xiàn)實(shí)場(chǎng)景十分復(fù)雜，當(dāng)待匹配圖像發(fā)生尺度變化時(shí)，經(jīng)典的模板匹配算法往往無法進(jìn)行精確有效的圖像匹配。例如，歸一化互相關(guān)匹配算法的匹配性能穩(wěn)定，是應(yīng)用最為廣泛的算法之一，但該算法在匹配過程中需要逐像素計(jì)算相似性度量值，當(dāng)待匹配圖像發(fā)生明顯旋轉(zhuǎn)和尺度變化時(shí)，需要進(jìn)行大量運(yùn)算，造成圖像匹配效率明顯降低，無法滿足工業(yè)生產(chǎn)中圖像匹配的實(shí)時(shí)性要求。

因此，如何解決待匹配圖像尺度發(fā)生變化時(shí)匹配效率低的問題，是目前亟待解決的問題。

發(fā)明內(nèi)容

為解決相關(guān)技術(shù)問題，本申請(qǐng)?zhí)峁┝艘环N基于模板匹配的多尺度目標(biāo)定位方法。

本發(fā)明采用的技術(shù)方案為：

基于模板匹配的多尺度目標(biāo)定位方法，包括：

將初始模板圖像進(jìn)行不同尺度變換，獲取多個(gè)尺度層的模板圖像，構(gòu)建多尺度模板庫(kù)；所述多尺度模板庫(kù)至少包含每個(gè)模板圖像邊緣點(diǎn)信息；

基于所述多尺度模板庫(kù)，獲取最優(yōu)參考邊緣點(diǎn)；

創(chuàng)建待處理圖像的圖像金字塔，從所述多尺度模板庫(kù)中選定最佳匹配模板；

基于所述最優(yōu)參考邊緣點(diǎn)和所述最佳匹配模板，獲取所述待處理圖像的匹配結(jié)果。

進(jìn)一步地，所述將初始模板圖像進(jìn)行不同尺度變換，獲取多個(gè)尺度層的模板圖像，構(gòu)建多尺度模板庫(kù)，包括：

提取所述初始模板圖像的邊緣點(diǎn)，構(gòu)建第一點(diǎn)集p＝{(x_i，y_i)|i＝1，2，3，…，n}；其中，(x_i，y_i)為模板圖像邊緣點(diǎn)的坐標(biāo)，n為所述初始模板圖像的邊緣點(diǎn)個(gè)數(shù)；

計(jì)算所述第一點(diǎn)集中每個(gè)邊緣點(diǎn)對(duì)應(yīng)的梯度向量其中，m代表模板，t_i與u_i分別代表x和y方向的梯度向量；

將所述初始模板圖像進(jìn)行不同尺度變換，獲取多個(gè)尺度層的模板圖像，對(duì)于每個(gè)所述模板圖像，提取所述模板圖像的邊緣點(diǎn)，構(gòu)建第二點(diǎn)集p′_i；其中，p′_i＝Ap_i，A為二階變換矩陣；

計(jì)算所述第二點(diǎn)集中邊緣點(diǎn)對(duì)應(yīng)的梯度向量其中，m′代表經(jīng)過旋轉(zhuǎn)和尺度變換的模板，t′_i與u′_i分別代表x和y方向的梯度向量；