[发明专利]一种基于直方图控制点的图像配准目标检测方法

说明书

技术领域

本发明涉及图像配准领域，尤其是涉及了一种基于直方图控制点的图像配准目标检测方法。

背景技术

目标检测可用于检测图像中的人体以及动物的各个器官、部位，以及食物，家居用品等物品的颜色、种类，它是图像增强、图像恢复、特征提取、特征匹配、图像编码压缩和形状分析等的基础，在计算机视觉、医学图像处理，如肿瘤检测、病变定位、血管造影，还有地质勘探、航空侦察，场景理解、机器人的控制、导航以及材料力学等领域都具有广泛的应用。根据具体应用的不同，有的侧重于通过变换结果融合两幅图像，有的侧重于研究变换本身以获得对象的一些力学属性。图像配准技术经历了从静态到动态，从形态到功能，从平面到立体的飞速发展。迭代最近点(ICP)算法，基于点到模型的方法和点到点技术等，虽然证明了有良好的配准结果，但是这些方法的性能在严重闭塞和杂波以及类似的视觉干扰的情况下效果明显降低。

本发明提出了一种基于直方图控制点的图像配准目标检测方法，首先将直方图控制点(HoCP)特征的计算过程描述为缩放变量部分表示，用隐式B样条(IBS)表示点云，然后将这些尺度变化特征的辨别信息编码到迭代霍夫森林(IHF)检测算法中，最后，利用学习到的形状信息以粗略到精细的方式细化6D对象姿态估计，通过初始配准大致对准测试对象，通过迭代姿态细化进一步改进。本发明运用了迭代霍夫森林检测算法的控制点直方图的新型架构，能够估计给定候选2D边界框的遮挡和混乱对象的6D姿态，确保了对象姿态的细化，提高在严重闭塞和杂波以及类似的视觉干扰的情况下的配准效果。

发明内容

针对用户在严重闭塞和杂波以及类似的视觉干扰的情况下效果明显降低等问题，本发明的目的在于提供一种基于直方图控制点的图像配准目标检测方法，首先将直方图控制点(HoCP)特征的计算过程描述为缩放变量部分表示，用隐式B样条(IBS)表示点云，然后将这些尺度变化特征的辨别信息编码到迭代霍夫森林(IHF)检测算法中，最后，利用学习到的形状信息以粗略到精细的方式细化6D对象姿态估计，通过初始配准大致对准测试对象，通过迭代姿态细化进一步改进。

为解决上述问题，本发明提供一种基于直方图控制点的图像配准目标检测方法，其主要内容包括：

(一)缩放变量部分表示：直方图控制点(HoCP)；

(二)HoCP和迭代霍夫森林(IHF)检测算法的组合；

(三)6D对象姿态估计。

其中，所述的缩放变量部分表示：直方图控制点(HoCP)，给定一个正的深度图像，最初将其归一化为一个单位立方体，不同尺度的新点云被采样如下：

其中，

其中，X＝[X,Y,Z]是原始前景点云的坐标向量，是X的平均值，X_N＝[X_N,Y_N,Z_N]是归一化的前景像素，m是尺度的数量，α是比例因子，h是比例；常数s_i取实数以生成不同尺度的点云，从对应于初始归一化的s₀＝1开始。

进一步地，所述的用隐式B样条(IBS)表示点云，一旦生成一组尺度空间图像，首先用IBS的控制点全局地表示这些点云；IBS通过B样条张量积的组合来定义：

其中，{n_i,j,k}是定义大小为N×N×N的控制点阵的系数，B_i(x),B_j(y),B_k(z)是样条基函数；该定义可以重新表示为以下内积：

f(x)＝n^Te(x)＝e(x)^Tn(4)

其中，系数向量n包括控制值{n_i,j,k}，并且基向量e(x)取决于给定数据点，因为它对样条基函数乘积{B_i(x)B_j(y)B_k(z)}进行排序；公式(4)中的基向量为整个点云计算，系数向量n基于3L算法计算；通过以下混合函数构建样条基函数B_i(x),B_j(y),B_k(z)：

并重新定义公式(3)，以便确定被归一化为单位立方体[0 1]³的点云的控制点矢量n：

其中，

Δ＝1/(N-3)