[发明专利]基于直线二分法的不规则区域自动匹配方法

权利要求书

1.一种数字图像中基于直线二分法的不规则区域自动匹配方法，其特征在于，包括步骤：

步骤S1：从不同角度拍摄同一场景两幅不同图像并输入计算机；

步骤S2：利用已有区域检测技术进行区域检测，如使用MSER技术；

步骤S3：计算每个区域G的最大对称位置P_C，具体方式为，以区域G内的任一位置P为中心，引出18条直线L_i将整个圆周等分为36份；记G内直线L_i两侧的像素数分别为N_L(i)，N_R(i)，定义为P处的不对称性；将区域G内不对称性最小的位置P_C确定为区域G的最大对称位置；

步骤S4：计算区域G内各点的特征向量，具体方式为，利用高斯梯度模板计算区域G内各点的梯度向量，记G内点X(x，y)处的高斯梯度为[d_x，d_y]，G内各点的平均梯度为[V_x，V_y]，计算点X(x，y)处的特征向量s＝[s₁，s₂]，其中s₁＝d_x·V_x+d_y·V_y，s₂＝d_x·V_y-d_y·V_x；

步骤S5：利用梯度幅值极值计算区域关键点，具体方式为，记区域G内任一点X(x，y)处的梯度幅值为E(x，y)，在阈值T约束下，将在3×3邻域内梯度幅值为极大值的点作为区域G内的关键点，即满足如下条件：

E(x，y)＞T，E(x，y)＞E(x+1，y+1)，E(x，y)＞E(x-1，y-1)，

E(x，y)＞E(x-1，y)，E(x，y)＞E(x+1，y)，E(x，y)＞E(x，y-1)，

E(x，y)＞E(x，y+1)，E(x，y)＞E(x-1，y+1)，E(x，y)＞E(x+1，y-1)；所述阈值T的具体确定方法为：T＝Mean(E)+k·Std(E)，Mean(E)与Std(E)分别表示所述区域内各点梯度幅值的均值与标准差，比例系数k的取值范围为2～3：

步骤S6：计算区域G内关键点对应的区域描述向量，具体方式为，记步骤S5获得区域G的关键点分别为P₁，P₂...P_n，关键点P_i与区域G的对称位置P_C确定的直线将区域G分为两个子区域，对两个子区域内各点的梯度幅值求和，记梯度幅值求和较大、较小的子区域分别为G_B、G_S；在两个子区域内区分正负对步骤S4获得的各点特征向量分量进行累加，可获得关键点P_i对应的8维区域描述向量V_i＝[v_i1，v_i2，...，v_i8]，其中vi1=Σs1(X)>0andX∈GBs1(X),]]>vi2=Σs1(X)<0andX∈GBs1(X),]]>vi3=Σs2(X)>0andX∈GBs2(X),]]>vi4=Σs2(X)<0andX∈GBs2(X),]]>vi5=Σs1(X)>0andX∈GSs1(X),]]>vi6=Σs1(X)<0andX∈GSs1(X),]]>vi7=Σs2(X)>0andX∈GSs2(X),]]>vi8=Σs2(X)<0andX∈GSs2(X);]]>

步骤S7：计算各关键点区域描述向量的均值与标准差获得区域描述子，具体方式为，记G内关键点P₁，P₂...P_n确定的区域描述向量分别为V₁，V₂，...，V_n，将V₁，V₂，...，V_n各分量的均值组成一个向量并进行归一化获得G的8维均值向量V_M＝[v_M1，v_M2，...v_M8]/||v_M1，v_M2，...，v_M8|，其中||·||表示向量取模运算；将V₁，V₂，...，V_n各分量的标准差组成一个向量并进行归一化获得区域G的8维标准差向量V_S＝[v_S1，v_S2，...，v_S8]/||v_S1，v_S2，...，v_S8||，其中将均值向量V_M与标准差向量V_S组成一个向量并进行归一化可获得区域G的16维区域描述子D＝[V_M，V_S]/||[V_M，V_S]||；

步骤S8：利用区域描述子进行区域匹配，具体方式为，记第1幅图像中待匹配区域G₁₁，G₁₂、...，G_1m的区域描述子分别为D₁₁，D₁₂、...，D_1m，第2幅图像中的待匹配区域G₁₁，G₂₂、...，G_2n的描述子分别为D₂₁，D₂₂、...，D_2n，对于D₁₁，D₁₂、...，D_1m中的任一区域描述子D_1i，找到D₂₁，D₂₂、...，D_2n中与D_1i欧氏距离最小的区域描述子D_2i，如果D_1i同时也是D₁₁，D₁₂、...，D_1m中与D_2j欧氏距离最小的区域描述子，则G_1i与G_2j为一对匹配区域。