[发明专利]一种基于局部动态规整的快速模板匹配方法

说明书

本发明公开了一种基于局部动态规整的快速模板匹配方法，可应用于工件定位、工业分拣和目标跟踪等领域。步骤如下：利用改进的环投影方法(IRPT)提取模板图像和测试子图的特征向量，然后初估相似度，筛选出候选测试子图，进而利用所提出的局部动态规整方法(LDTW)计算候选测试子图的相似度和缩放系数；取相似度值最高的测试子图，基于其对应的缩放系数，在测试图的对应位置裁剪出包含目标物体的最小区域，最终利用方向码方法(OC)计算该区域的旋转角度。较之于现有技术，本发明只需一张模板图像便可计算缩放系数和旋转角度，解决了常规算法需要大量不同缩放系数和旋转角度组合的模板图像才能计算缩放系数和旋转角度的难题，极大简化了算法。

技术领域

本发明涉及机器视觉定位技术领域，具体涉及到一种基于局部动态规整的快速模板匹配方法。

背景技术

模板匹配算法是机器视觉中的一项关键技术，利用给定的模板图像，在测试图像中识别和定位相似的测试子图(即目标工件)，在工件定位系统和产品质量检测系统中有着广泛的应用。随着工况越来越复杂，对模板匹配算法的实时性和鲁棒性提出了更高的要求。

常规的模板匹配方法通常面临着缩放、旋转、噪声以及光照变化等挑战，目前仍然缺少较好的解决方法。如专利文献1(CN105046271A)公开了一种基于模板匹配的MELF元件定位与检测方法，通过旋转和缩放原始模板图像得到大量模板图像，然后逐一利用每个模板图像来匹配测试图像，从而达到识别旋转角度和缩放系数的目的，但算法复杂度较高；又如专利文献2(CN108805220A)公开了一种基于梯度积分的快速模板匹配算法，将图像金字塔、提取轮廓点和梯度积分相结合，减少了数据计算的冗余，但该算法仍然依赖于大量不同缩放和旋转角度组合的模板图像才能识别工件的缩放系数和旋转角度；又如专利文献3(CN102254181A)公开了一种多阶微分环形模板匹配跟踪方法，该方法基于环形模板匹配准则实现了目标物体旋转角度的计算，但仍然无法计算目标物体的缩放系数，且该方法对光照变化鲁棒性差。综上所述，目前仍然缺少一种能够同时计算旋转角度和缩放系数，且算法复杂度较低，鲁棒性较好的模板匹配方法。

发明内容

为了提高模板匹配算法的实时性和鲁棒性，同时简化算法，本发明提供了一种基于局部动态规整的快速模板匹配方法。

本发明采用的技术方案如下：

一种基于局部动态规整的快速模板匹配方法，步骤如下：

步骤1.遍历测试图，提取与模板图像尺寸一样的测试子图，利用环投影算法提取测试子图和模板图像的环投影特征向量；

步骤2.以步骤1所得的环投影特征向量为输入，计算测试子图与模板图像的粗估相似度，并筛选出相似度大于一号设定阈值的测试子图，列为候选测试子图；

步骤3.针对步骤2所得的候选测试子图，利用局部动态规整算法，通过局部对齐环投影特征向量的曲线轮廓来计算相似度和图像缩放系数；

步骤4.测试图遍历完成后，取相似度的最大值，若该相似度的最大值大于或等于三号设定阈值，则对应的测试子图的坐标即为目标位置，同时根据对应的缩放系数从测试图中裁剪出包含目标物体的最小区域；

步骤5.利用方向码算法提取步骤4中所得最小区域和模板图像的方向码特征向量，然后基于方向码特征向量计算图像的旋转角度，最终得到目标位置、缩放系数和旋转角度。

优选的，所述步骤1中的环投影算法如下：模板图像尺寸记为M×N，以模板图像中心点(x₀，y₀)为原点建立极坐标系，任何一个像素表示为T(r，θ)，环投影特征向量表示为IRPT，

其中，R_max＝min(M/2，N/2)，s(r)是半径为r的圆环上的像素个数，T_min(r，θ)是圆环上所有像素强度的最小值。