[发明专利]一种基于角点描述的两阶段局部轮廓匹配方法

说明书

本发明公开了一种基于角点描述的两阶段局部轮廓匹配方法，其特征是，包括以下步骤：对于给定的一个作为参考的局部轮廓及待匹配的完整轮廓，分别计算参考轮廓及待匹配轮廓上各轮廓点处的曲率值，并使用各向异性扩散滤波算法对曲率值进行平滑；对于每一个参考轮廓上的角点，计算该点到轮廓端点的曲率积分值，选取对应曲率积分值最大的角点为参考轮廓的主角点，并使用角点描述子进行描述；轮廓粗匹配阶段；轮廓精匹配阶段；综合考虑粗匹配与精匹配阶段的匹配误差。优点：采用轮廓的显著角点作为轮廓特征点，提取的特征点描述具有更强的代表性和判别性，提高了匹配的效率和准确率；将匹配过程分为粗匹配和精匹配两个阶段，明显提高检索速度。

技术领域

本发明涉及一种基于角点描述的两阶段局部轮廓匹配方法，属于形状或图像目标轮廓匹配技术领域。

背景技术

图像目标轮廓匹配是视觉认知和图像理解的重要研究内容。相比于颜色、亮度和纹理等基本视觉特征，目标的轮廓特征是一种高层次的视觉特征，被广泛应用于手势识别、异源图像匹配等众多检测识别系统中。当前，轮廓匹配方法的研究主要集中在实现两个完整轮廓间点对点的匹配，然而，实际图像场景中存在大量遮挡以及目标成像不完整等因素，难以提取完整的目标轮廓，导致针对完整轮廓的匹配方案实用性较差。

局部轮廓匹配旨在通过给定一个参考的局部轮廓，在众多的目标轮廓中寻找出与之最匹配的局部轮廓片段，据此确定参考轮廓所属类别。为了解决这个问题，Saber等人(E.Saber,Y.Xu,A.M.Tekalp,Partial shape recognition by sub-matrix matching forpartial matching guided image labeling,Pattern Recognition38(10)(2005)1560-1573.)选取轮廓上的曲率极值点作为特征点，通过比较参考轮廓和待匹配轮廓上局部连续几个特征点之间的距离矩阵寻找最佳的局部匹配。该方法虽然计算简单，但是对特征点提取的精度要求较高。Latecki等人(L.J.Latecki,V.Megalooikonomou,Q.Wang,D.Yu,Anelastic partial shape matching technique,Pattern Recognition 40(11)(2007)3069-3080.)通过离散曲线演化技术从轮廓上提取特征点，使用局部切线特征描述采样点并设计了一种最小方差匹配方法确定轮廓间特征点的对应关系。由于难以确定离散曲线演化方法的终止条件，并且所用的描述特征判别性不强，导致匹配的效果不佳。Michel等人(D.Michel,I.Oikonomidis,A.Argyros,Scale invariant and deformation tolerantpartial shape matching,Image and Vision Computing 29(7)(2011)459-469.)首先在每个轮廓点处等角度地引出若射线，记录它们与轮廓相交的线段长度，形成轮廓点的描述向量，再通过描述向量确定各轮廓点处的尺度。根据尺度信息采样得到轮廓特征点，并计算其描述向量，通过一种改进的DTW方法匹配参考轮廓与待匹配轮廓上的特征点。尽管该方法可以取得不错的匹配效果，但是需要对轮廓点进行两次描述以估计尺度和提取特征点描述子，导致匹配效率低下。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于角点描述的两阶段局部轮廓匹配方法，特别适用于实现复杂场景下的局部轮廓高效率匹配。

为解决上述技术问题，本发明提供一种基于角点描述的两阶段局部轮廓匹配方法，其特征是，包括以下步骤：

步骤1、对于给定的一个作为参考的局部轮廓及待匹配的完整轮廓，分别计算参考轮廓及待匹配轮廓上各轮廓点处的曲率值，并使用各向异性扩散滤波算法对曲率值进行平滑，提取轮廓上的显著角点；

步骤2、对于每一个参考轮廓上的角点，计算该点到轮廓端点的曲率积分值，选取对应曲率积分值最大的角点为参考轮廓的主角点，并使用角点描述子进行描述；