[发明专利]图像目标匹配定位方法、存储介质和计算机

权利要求书

1.一种图像目标匹配定位方法，其特征在于，其包括：

将模板图像中的边缘点线段化得到边缘线段集合，对得到的边缘线段集合中的每条线段进行描述得到线段描述符；

将检测图像中的边缘点线段化得到边缘线段集合，对得到的边缘线段集合中的每条线段进行描述得到线段描述符；

将模板图像中的线段描述符与检测图像中的线段描述符进行匹配筛选，得到所述模板图像中的线段描述符与所述检测图像中的线段描述符之间的配对关系；和

基于所述模板图像中的线段描述符与所述检测图像中的线段描述符之间的配对关系计算所述模板图像与所述检测图像之间的仿射变化矩阵，得到所述模板图像在所述检测图像中的坐标映射关系。

2.如权利要求1所述的图像目标匹配定位方法，其特征在于，所述将模板图像中的边缘点线段化得到边缘线段集合包括：

对模板图像进行边缘计算得到所述模板图像的综合边缘梯度图像；

将所述模板图像的综合边缘梯度图像进行阈值化操作；和

将阈值化后的综合边缘梯度图像中的边缘点线段化得到边缘线段集合；

所述将检测图像中的边缘点线段化得到边缘线段集合包括：

对检测图像进行边缘计算得到所述检测图像的综合边缘梯度图像；

将所述检测图像的综合边缘梯度图像进行阈值化操作；和

将阈值化后的综合边缘梯度图像中的边缘点线段化得到边缘线段集合。

3.如权利要求2所述的图像目标匹配定位方法，其特征在于，所述对模板图像进行边缘计算得到所述模板图像的综合边缘梯度图像包括：

利用索贝尔算子对所述模板图像进行水平卷积计算得到所述模板图像的水平边缘梯度图像；

利用索贝尔算子对所述模板图像进行垂直卷积计算得到所述模板图像的垂直边缘梯度图像；和

将所述模板图像的水平边缘梯度图像和垂直边缘梯度图像相加得到所述模板图像的综合边缘梯度图像；

所述对检测图像进行边缘计算得到所述检测图像的综合边缘梯度图像包括：

利用索贝尔算子对所述检测图像进行水平卷积计算得到所述检测图像的水平边缘梯度图像；

利用索贝尔算子对所述检测图像进行垂直卷积计算得到所述检测图像的垂直边缘梯度图像；和

将所述检测图像的水平边缘梯度图像和垂直边缘梯度图像相加得到所述检测图像的综合边缘梯度图像。

4.如权利要求2所述的图像目标匹配定位方法，其特征在于，

在对所述模板图像进行边缘计算前，还包括：

对所述模板图像进行灰度化处理以及预处理，所述预处理包括下列处理中的一种或多种：双边滤波、消除图像噪点和平滑图像；

在对检测图像进行边缘计算前，还包括：

对所述待检测图像进行灰度化处理以及预处理，所述预处理包括下列处理中的一种或多种：双边滤波、消除图像噪点和平滑图像。

5.如权利要求2所述的图像目标匹配定位方法，其特征在于，所述将所述模板图像的综合边缘梯度图像进行阈值化操作包括：将低于第一梯度阈值的像素置零。

6.如权利要求2所述的图像目标匹配定位方法，其特征在于，

所述将阈值化后的综合边缘梯度图像中的边缘点线段化得到边缘线段集合包括：

遍历阈值化后的综合边缘梯度图像中大于第一梯度阈值的边缘点，将其存入一个链表数据结构中，并按梯度从大到小进行排序，将链表前百分之一的像素作为种子像素，对其邻域内预期梯度方向小于第二梯度阈值的边缘像素点进行聚类，经过反复迭代，将边缘点线段化，并设置最小长度阈值，去除长度较短的线段。

7.如权利要求1所述的图像目标匹配定位方法，其特征在于，对得到的边缘线段集合中的每条线段利用ORB描述算法生成具有主方向和半径长度的线段描述符，所述线段描述符的主方向由边缘线段的梯度方向决定，所述线段描述符的半径长度由线段长度决定。