[发明专利]数字图像中基于梯度与颜色特征的直线自动匹配方法

说明书

技术领域

本发明涉及计算机视觉中的图像特征自动匹配领域，特别是数字图像中直线自动匹配方法。

背景技术

特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等领域有重要应用。近年来，以尺度不变特征转换(Scale-invariant featuretransform，简称SIFT)技术的提出为标志，图像特征点自动匹配技术取得了较大进展。但是，由于直线长度不易统一描述，并且直线附近纹理一般不丰富，直线自动匹配技术提出的较少。

目前已有的主要直线匹配方法主要有如下几种，第一种是基于颜色直方图的方法，该方法仅利用直线附近的颜色信息构造直方图并进行匹配，无法适用于颜色特征不明显的灰度图像、遥感图像等；第二种是均值标准差直线描述子(MSLD)的方法，这种方法在进行直线匹配时，仅利用了图像中的梯度信息构造直线描述子进行匹配，没有使用颜色信息，对颜色特征显著的图像类型匹配性能不佳；第三种是直线聚类(Line Signatures)方法，该方法利用直线夹角与长度比值来进行直线匹配，依赖于直线端点的准确提取，但对于纹理丰富图像的图像类型，一般直线检测算法很难获得端点的准确位置，该方法在仅适用于场景简单的图像类型；第四种是基于特征点匹配的方法，该方法需要首先进行特征点匹配，然后利用特征点提供的位置约束进行直线匹配，但对于纹理简单的图像类型，特征点匹配算法能够获得的匹配对数较少，导致算法最终的性能较差。

在图像识别等具体应用中，一般无法提前确定图像类型，并且一些任务场景需同时处理多种类型的图像，这就要求直线匹配算法能够应用于各种图像类型。而现有的直线匹配方法只局限于特定的图像类型，不具有通用性。

发明内容

本发明针对现有技术中存在的问题提供一种数字图像中基于梯度与颜色特征的直线自动匹配方法，该方法能够适用多种图像类型的直线自动匹配，而不限于特定的图像类型。

为了实现本目的，本发明提供了一种数字图像中基于梯度与颜色特征的直线自动匹配方法，包括以下步骤：

步骤S1：采集图像并输入计算机；

步骤S2：利用已有直线提取技术提取图像中的直线段；

步骤S3：将所述直线为中轴线的矩形区域确定为直线邻域，并其划分为7个矩形子区域；

步骤S4：将直线邻域内各点的高斯梯度与其所在矩形子区域的平均梯度分别进行内积玉外积运算，获得各点的梯度特征；

步骤S5：将直线邻域内各点的颜色对其所在矩形子区域的平均颜色进行归一化，获得各点的颜色特征；

步骤S6：计算各子区域的梯度均值与标准差向量，将各子区域的梯度均值向量组成一个向量并归一化获得直线的梯度均值描述向量，将各子区域的梯度标准差向量组成一个向量并归一化获得直线的梯度标准差描述向量；

步骤S7：计算各子区域的颜色均值与标准差向量，将各子区域的颜色均值向量组成一个向量并归一化获得直线的颜色均值描述向量，将各子区域的颜色标准差向量组成一个向量并归一化获得直线的颜色标准差描述向量；

步骤S8：分别计算直线四个描述向量之间的欧式距离，然后赋予不同的权重系数后求和，获得直线之间的相似度；

步骤S9：基于预先设置的匹配准则，利用直线之间的相似度进行直线匹配，将相似度数值大于0.3的匹配作为错误匹配去除，输出结果。

本发明提供的数字图像中直线自动匹配方法，不需要已知任何其它先验条件，同时利用直线邻域内各点的梯度与颜色两种特征，提取子区域特征的均值和标准差来构造直线的描述向量，然后通过计算描述向量之间的距离并加权求和后获得直线的相似性，最后基于预先设置的匹配准则准则进行直线匹配。匹配过程中能够通过调整描述向量的加权系数使该方法适用于不同类型的图像，与借助先验条件或仅基于一种图像特征的已有方法相比，本发明提供的方法具有更加广泛的适用范围，具备通用性。

附图说明

图1所示为本发明数字图像中基于梯度与颜色特征的直线自动匹配方法的流程图。

具体实施方式

如图1所示为本发明数字图像中基于梯度与颜色特征的直线自动匹配方法的流程图，包括：采集图像并输入计算机，提取图像中的直线段，确定直线邻域并划分子区域，计算邻域内各点的梯度特征，计算邻域内各点的颜色特征，基于梯度特征获得直线的均值与标准差描述向量，基于颜色特征获得直线的均值与标准差描述向量，计算直线之间的相似度，进行直线匹配并输出结果。

各步骤的具体实施细节如下：

步骤S1：采集图像并输入计算机。利用数码相机拍摄同一场景不同视角下的两幅或多幅图像，输入计算机。