专利汇可以提供一种基于多边形广义霍夫变换的图像匹配方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于多边形广义 霍夫变换 的图像匹配方法,该方法包括:(1)离线阶段:(1.1)对模板图像进行边缘提取和多边形拟合;(1.2)利用局部三 角 特征以及 顶点 与模板图像参考点的矢量关系,构建R-Table表;(2)在线阶段:(2.1)对目标图像进行边缘提取和多边形拟合;(2.2)对目标图像进行投票,票数最高的 位置 点作为与模板图像上的参考点对应的匹配点,以确定模板图像的多边形的顶点与目标图像的多边形的顶点的对应关系,同时确定模板图像与目标图像之间发生平移、旋转和缩放的参数。本方法能够在RFID制造装备以及LED制造装备中用于物体的实时 定位 ,并且有很好的鲁棒性和 精度 。,下面是一种基于多边形广义霍夫变换的图像匹配方法专利的具体信息内容。
1.一种基于多边形广义霍夫变换的图像匹配方法,其特征在于,该方法包括如下步骤:
(1)离线阶段,该步骤具体包括以下子步骤:
(1.1)对模板图像进行边缘提取,并基于边缘提取结果来执行多边形拟合,并且该模板图像上设有参考点,以用于在目标图像中找到与此参考点对应的匹配点,从而将模板图像与目标图像的对应关系转化为参考点与匹配点的对应关系;
(1.2)针对步骤(1.1)所拟合多边形,提取它的各个顶点及其邻近两顶点之间的局部三角特性,同时提取上述各个顶点与所述模板图像参考点之间的矢量关系,由此共同构建R-Table表也即局部三角矢量关系表;
(2)在线阶段,该步骤具体包括以下步骤:
(2.1)对目标图像同样进行边缘提取,并边缘提取结果来执行多边形拟合;
(2.2)利用目标图像的多边形的每个顶点与其邻近两顶点的局部三角特征,以及步骤(1.2)中构建的R-Table表对目标图像进行投票,票数最高的位置点作为与模板图像上的参考点对应的匹配点,以确定模板图像中的多边形与目标图像中的多边形的对应关系,同时确定模板图像与目标图像之间发生平移、旋转和缩放的参数。
2.如权利要求1所述基于多边形广义霍夫变换的图像匹配方法,其特征在于,所述步骤(1.1)具体过程如下:
采用Canny算子对模板图像进行边缘提取和采用优势点删除的多边形拟合算法进行多边形拟合,在模板图像IT(x,y)中获得NT个多边形;模板图像的第k个多边形的第i个顶点
其中k=1,2,...,NT, 是模板图像中第k个多边形的顶点的 总个数,
和 分别是 在X轴和Y轴上的坐标。
3.如权利要求2所述的基于多边形广义霍夫变换的图像匹配方法,其特征在于,所述步骤(1.2)具体过程如下:
(1.2.1)以模板图像的中心,或者模板图像几何轮廓的重心为参考点Pref,并且Pref=(Txr,Tyr),其中Txr和 Tyr分别是参考点Pref在X轴和Y轴上的坐标;
表示从顶点 到参考点Pref的矢量,并且
(1.2.2)对于模板图像中的NT个多边形中的每一个多边形执行以下操作:
获得矢量 其 中,
和 分别是第k个多边形的其中一个顶点 和与其相邻的两顶点
构成的矢量;
将矢量 和 中长度较小的矢量记作 长度较大的矢量记作
获得 和 的夹角 其是一个对于旋转
和缩放不变的局部特征;
获得主索引 其中Δβ为 的角度步长,
Δβ,2Δβ,...,π,fround(·)表示四舍五入取整函数;
获得二次索引 以用于区分具有相同主索引βindex的三角形,其
中, 表示 和 的模的比即 Δε表示 的比率步长,
获得矢量 与 的夹角
获得矢量 与 的夹角
(1.2.3)利用局部三角特征以及多边形顶点与模板图像中的参考点的矢量关系,将所有与主索引角βindex和二次索引εindex对应的 储
存作为R-Table表的内容,则获得R-Table表。
4.如权利要求3所述的基于多边形广义霍夫变换的图像匹配方法,其特征在于,所述步骤(2.2)具体过程如下:
(2.2.1)分别建立旋转角度矢量Γrot(φr)、缩放参数矢量Γscale(λr)和二维霍夫计数空间HCSpos(xr,yr);HCSpos(xr,yr)用于确定模板图像IT(x,y)相对于目标图像IS(x,y)发生平移、旋转和缩放的参数;其中,xr和yr表示二维霍夫计数空间HCSpos(xr,yr)中的点在X轴和Y轴上的坐标,并且二维霍夫计数空间HCSpos(xr,yr)中的点与目标图像中的点一一对应;
φr表示模板图像相对于目标图像的旋转角度;λr表示模板图像和目标图像之间的缩放参数;
在目标图像IS(x,y)中通过拟合获得NS个多边形,目标图像IS(x,y)的第m个多边形的第j个顶点为 其中m=1,2,...,NS, 是目标图像中
第m个多边形的顶点的总个数, 和 是 在X轴和Y轴上的坐标;
(2.2.2)对于目标图像中中NS个多边形中的每一个多边形执行以下操作:
获得 其 中 和
分别是目标图像的第m个多边形的其中一个顶点 和与其相邻的两顶点
构成的矢量;
将矢量 和 中长度较小的矢量记作 长度较大的矢量记作
获得矢量 和 之间的夹角为
获得 和 的长度比
利用步骤(1.2)的R-Table表中的 得到 旋转角度 后的矢
量
另外,通过 得到模板图像中的参考点(Txr,Tyr)在二
维霍夫计数空间HCSpos(xr,yr)中的位置点,进而通过该位置点,得到目标图像上与参考点(Txr,Tyr)对应的投票候选点的坐标(Sxr,Syr);其中, 表示从顶点
到投票候选点的参考矢量 λr表示模板图像和目标图像之间的缩放参数,并且获得模板图像和目标图像之间的旋转参数
(2.2.3) 利 用 HCSpos(Sxr+τx,Syr+τy) = HCSpos(Sxr+τx,Syr+τy)+Wpos(τx,τy)进行投票,其中Wpos(τx,τy)是投票候选点对应的位置权重,其采用了一个高斯核,并且其中,τx和τy为设定的长方形区域的长度和宽
度,投票候选点位于长方形区域的中心;投票候选点的周边面积为τx×τy的长方形区域内的点会在二维霍夫计数空间HCSpos(xr,yr)中被投票,投票候选点中得到票数最高的点即为与模板图像上的参考点对应的匹配点,匹配点的坐标为 通过以 及 分别
对φr和λr进行投票,分别得到票数最高的值,即为匹配点的旋转角度 和缩放参数最后得到匹配点的平移、旋转和缩放参数 其中,Δλ和Δφ分
别是设定的投票候选点的缩放和旋转的投票步长,Wscale和Wrot分别是设定的投票候选点的缩放权重和旋转权重。
5.如权利要求4所述基于多边形广义霍夫变换的图像匹配方法,其特征在于,所述步骤(2.2.3)在缩放参数 下通过最小平方拟合法来获得位置参数和旋转角度,具体过程如下:
模板图像和目标图像的相似度在 的3×3×3的三维空间邻域中计算,
通过最小二乘法来获得二次曲线的参数进行拟合,其中二次曲线的表达式为f(x,y,φ)=
2 2 2
a0+a1x+a2y+a3φ+a4x+a5xy+a6xφ+a7y+a8yφ+a9φ,得到 邻域中f(x,y,φ)的最大值,进而在缩放参数λr下得到拟合后的坐标 和旋转角度
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于计算机视觉的虚拟测绘设备 | 2020-05-14 | 494 |
基于根据mDIXON调查的自动规划的高效心脏MR工作流 | 2020-05-23 | 999 |
用于辅助2D‑3D图像配准的方法及系统 | 2020-05-25 | 213 |
一种基于广义滑模估计器的机组变桨容错控制方法 | 2020-05-26 | 691 |
一种单频雷达成像方法和装置 | 2020-05-17 | 312 |
一种基于多边形广义霍夫变换的图像匹配方法 | 2020-05-24 | 216 |
一种工程试件快速标识方法和系统 | 2020-05-19 | 286 |
一种医学图像中计算心胸比的方法 | 2020-05-21 | 695 |
一种有源电力滤波器无传感器控制方法 | 2020-05-11 | 712 |
多端口能源路由器自-互-群多层次稳定辨识与回稳方法 | 2020-05-12 | 929 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。