欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2009101016097
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于Similarity-Pictorial结构模型的计算机视觉图像特征提取和匹配方法,其特征在于:所述计算机视觉图像特征提取和匹配方法包括以下步骤:*

1)、将待提取的计算机视觉图像建立PS模型,PS模型的代价函数L 包括appearance代价函数和结构代价函数,参照计算式(1):其中,ai(I,lj)表示appearance代价函数,是指当区域vi定位在位置l时与图像I的匹配度,tij(li,lj)表示结构代价函数,是指区域vi定位在li和区域vj定位在lj时与图像I的匹配度;

2)、在待提取的计算机视觉图像中,用顶点的绝对坐标li来表示顶点,并随机的选择其中的一个点作为原点,其他所有点和原点之间的相对关系是确定的,它们与原点的关系用以下向量表示:mi(x)=xi-x0 (3)mi(y)=yi-y0 (4)其中,x0,y0表示原点的x,y坐标,xi,yi表示其他点的坐标,n表示被训练的对象的个数,m就表示离原点的距离均值,D表示离原点的距离方差;

一旦m和D确定下来,PS模型中的结构代价函数tij(vi,vj)就随之确定;结构代价函数tij(li,lj)简化为ti(vi);结构代价函数ti(vi)通过对测试对象和训练对象进行比较得到:其中,xdi=mi(x)-m’i(x),m’i(x)表示测试图片中相应特征点的离原点的距离;同理,ydi=miy-m’iy;

3)、将基于自相似描述子的模板匹配算法引入PS模型,具体有:

3.1)、对每个需要检测的特征点建立模板描述子Ti;先训练模板,既在每幅被训练的图片上标记需要找的结构上的特征点qij,简写q;对每个被标记的特征点做自相似描述子dij计算,转化为相关性平面相Sq(x,y):其中,SSDq(x,y)是归一化的相关性平面,而varnoise是一个常数;varauto(q)表示以q为中心的附近区域中与A的最大的方差值;

相关性平面SSDq(x,y)转化到以q为中心的极坐标中,并且分成预设数量的位数,旋转每个位中的最大值,将所有旋转的最大值组成一个m×n的矩阵,即以q为中心的自相似描述子;

在计算完所有的被训练图片的特征点后,对所有相应的特征点的描述子,做平均值运算,得到每个特征的模板描述子为:其中,n表示被训练的图片数量,i表示每幅被训练图片上的第i个特征点,dij表示第j幅图上的第i个特征点的描述子;

Ti就是所有特征点的模板描述子;

3.2)、对所有测试图片做模板匹配算法:在模板匹配过程中,采用每2个像素点对测试图片进行描述子运算;

3.3)、在被测试图片上寻找与模板描述子较相似的所有点:通过对被测试描述子和Ti进行欧式距离计算,距离最小的描述子是相似区域,其中心点就是候选特征点,把中心点的坐标记录下来,并且把它与模板描述子之间的欧式距离也记录下来,记为ai(I,lj),然后对它归一化,确定appearance代价函数ai(I,lj);

*

4)、找出代价函数L 的最小值,即确定计算机视觉图像的匹配点。