[发明专利]一种图像匹配相似性测度方法及其图像匹配方法

说明书

技术领域

本发明属于计算机视觉技术领域，具体涉及一种图像匹配相似性测度方法及其图像匹配方法。

背景技术

图像匹配是指把不同的传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图中寻找相应的模式。

图像匹配技术是计算机视觉中相当重要的一门技术。它的应用领域极其广阔,如图像分析、目标识别、立体视觉、图像导航、运动分析以及三维重建等。

图像匹配相似性测度是度量图像匹配的标准：即通过比较图像I与其它若干图像的匹配相似性测度，可以判定I的最佳匹配图像；通过比较图像I与图像K中不同图像区域的匹配相似性测度，可以得到图像I在图像K中的最佳匹配位置。

图像匹配方法主要可分为基于点特征的图像匹配方法、基于边缘轮廓特征的图像匹配方法和基于区域特征的图像匹配方法。其中，基于边缘轮廓特征的匹配方法，由于边缘特征具有在不同成像条件下相对稳定、易于提取等特点，应用广泛，尤其在异类传感器图像匹配中是目前最常见的手段。

Hausdorff距离是描述两组点集之间相似程度的一种量度，它是两个点集之间距离的一种定义形式，非常适用于边缘图像等二值特征图像匹配。基于Hausdorff距离的边缘匹配方法具有以下优点：1）Hausdorff距离本身具备部分匹配的性质，从而对边缘残缺等具有良好的鲁棒性；2）Hausdorff距离具有较强的抗干扰能力，从而对边缘噪声等图像中小的扰动不敏感；3）不需要对边缘构造额外的描述；4）计算简单，匹配速度快。然而，该方法的缺陷在于，它仅仅利用了边缘点的位置信息，信息的单薄，使图像匹配容易产生错误和偏差。

发明内容

本发明的目的是提出一种图像匹配相似性测度方法，使图像匹配能更加准确有效，同时提供一种利用该图像匹配相似性测度方法的图像匹配方法。

为实现上述目的，本发明提供的图像匹配相似性测度方法的步骤如下：

（1）选定尺寸相同的图像A和B；

（2）分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；

（3）分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；

（4）计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；

（5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：

所述步骤（2）中x、y方向梯度的计算是采用梯度算子计算得到。

所述步骤（2）中x方向和y方向分别为水平方向和竖直方向。

所述步骤（3）是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图。

本发明提供的图像匹配方法的步骤如下：

1）按照目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B；

2）分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；

3）分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；

4）计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；

5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：并记录该相似性测度值；

6）重复步骤1）～5），直至滑窗遍历待匹配图像C中任意位置，得到一组各滑窗位置下的相似性测度值；

7）比较该组所有的相似性测度值，其中最小的相似性测度值对应的图像B即为匹配图像。

所述步骤2）中x、y方向梯度的计算是采用梯度算子计算得到。

所述步骤2）中x方向和y方向分别为水平方向和竖直方向。