[发明专利]一种笔记本内结构图像矫正方法

权利要求书

1.一种笔记本内结构图像矫正方法，其特征在于，包括以下步骤：

步骤一：制作第一次出现机型的内结构模板图，在模板图上选取两个特征明显的定位区域，分别命名为定位区域1以及定位区域2，输入待处理图像、模板图像以及定位区域1和定位区域2；否则跳过此步骤；

步骤二：缩放模板图，计算模板图的SURF特征，同时计算待处理图像的SURF特征，进行特征匹配并计算仿射变换矩阵1；

步骤三：计算定位区域1和定位区域2处的形状特征，在待处理图像上寻找相匹配的形状特征，根据匹配结果得分进行排序，计算出仿射变换矩阵2；

步骤四：对仿射变换矩阵1和仿射变换矩阵2进行加权融合；

步骤五：对待处理图像使用融合后的仿射矩阵变换进行图像倾斜校正，完成对结构图像的纠偏；

所述步骤三中计算形状特征采用的方法为Hausdorff距离，然后根据Hausdorff距离匹配结果得分进行排序，并计算单应性矩阵，得到仿射变换矩阵2；

所述Hausdorff距离是描述两组点集之间相似程度的一种量度，假设有两组集合A＝{a₁,a₂,…,a_p}，和B＝{b₁,b₂,…,b_p}，则这两个点集合之间的Hausdorff距离定义为：

H(A,B)＝max(h(A,B),h(B,A))

其中，

h(A,B)＝max(a∈A)min(b∈B)||a-b||

h(B,A)＝max(b∈B)min(a∈A)||b-a||

||·||是点集A和B点集间的距离范式，H(A,B)为双向Hausdorff距离，是Hausdorff距离的最基本形式；h(A,B)和h(B,A)分别称为从A集合到B集合和从B集合到A集合的单向Hausdorff距离，即h(A,B)实际上首先对点集A中的每个点a_i到距离此点a_i最近的B集合中点b_j之间的距离||a_i-b_j||进行排序，然后取点距离中的最大值作为h(A,B)的值，同样得到h(B,A)，然后根据Hausdorff距离匹配结果得分进行排序，并计算单应性矩阵，得到仿射变换矩阵2；

所述步骤四中加权融合的具体过程为：仿射变换矩阵M1的权重为0.8，仿射变换矩阵M2的权重设为0.2，融合后仿射变换矩阵M即为：

M＝0.8*M1+0.2*M2。

2.根据权利要求1所述的一种笔记本内结构图像矫正方法，其特征在于，所述步骤一的具体步骤为：首先，采集带检测机型的整版图片；然后，进行人工校正旋转，并对整图中的背景区域进行裁剪，对内结构整版图部分进行保留；然后，在裁剪完成后的整图上，选取两个特征明显的定位区域1和定位区域2进行辅助纠偏。

3.根据权利要求1所述的一种笔记本内结构图像矫正方法，其特征在于，所述步骤二中计算模板图的SURF特征流程为：首先，提取特征点；然后，在尺度空间实现特征点定位；接着确定特征点方向；最后构建特征描述子实现特征提取。