[发明专利]一种基于最小外接矩形垂直内距离比例的形状描述与检索方法

权利要求书

1.一种基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征在于：含有以下步骤，

步骤1、提取出目标图像的边缘特征，采用轮廓提取算法提取轮廓特征；

步骤2、根据提取出目标图像的轮廓特征，构造最小外接矩形；

步骤3、轮廓上某一点向最小外接矩形的四个边作垂线，形成轮廓点垂直内距离集合，计算所有轮廓点的垂直内距离比例，作为垂直内距离比例描述子；

步骤4、将轮廓点垂直内距离比例划分为K个网格，平滑归一化每一个网格，形成特征描述矩阵；

步骤5、采用L1范数度量每列垂直内距离比例特征描述矩阵之间的距离，得到代价矩阵；

步骤6、采用动态规划算法对代价矩阵进行相似度匹配；

2.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征在于：所述步骤1中采用Canny算子提取出目标图像边缘特征。

3.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征在于：所述步骤2中调用convhull()函数计算轮廓凸包，求得最大和最小水平和垂直坐标的四个点(x1,y1),(x2,y2),(x3y3),(x4,y4)，构造形状的四个切线L1,L2,L3,L4；如果一条或两条线与一侧重合，则计算由四条线确定的矩形区域面积S，并保存为当前最小值S_min；否则，当前S→∞，顺时针旋转线条，直到其中一条线与多边形的边缘重合，计算新矩形的面积S_new并将其与当前最小值S_min进行比较；如果S_new＜S_min，更新S_min，重复该步骤，直到线的角度旋转超过90°，输出当前矩形最小区域。

4.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征在于：所述步骤3中采用图像的点乘运算求图像内部与某一轮廓点P_i四条垂线的交线，计算交线像素点n_i，然后再计算四条垂线的像素点数量n，垂直内距离比例为R_i＝n_i/n，依次计算形状上各采样轮廓点的内距离比例R_i，得到垂直内距离比例描述子，含有以下步骤：

步骤3.1、由步骤2所求得的四个点，构造最小外接矩形，使用im2bw()函数二值化处理，计算像素点为1的个数作为外接矩形的周长c＝2n；

步骤3.2、对于目标轮廓点集Q，构成I＝(m,2)的矩阵；

步骤3.3、迭代i，从i＝1到m，对于每一个轮廓点(x,y)，向外接矩形作垂线，使用阈值函数im2bw()，得到该点的内距离垂线矩阵I₁；由矩阵的点乘运算，I₂＝Z·*I₁，求I₂像素为1的个数作为内距离n_i；则第i个内距离比例为以此作为垂直内距离比例描述子，直到i＝m，迭代结束。

5.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征是：所述步骤4中将垂直内距离比例划分为K个网格，统计落在每个网格内的个数所占整个采样点数量的比例，得到形状特征描述矩阵将垂直内距离比例划分为k个网格；在实际应用中，整数k的取值范围为9～11；采用归一化的方法计算每个网格中的垂直内距离比例的个数所占整个采样点的数量整个目标图像轮廓的垂直内距离比例特征描述矩阵为

6.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征是：所述步骤5采用L1范数计算度量每列垂直内距离比例特征描述矩阵之间的距离，得到代价矩阵；计算数据库中所有N个模板图像的垂直内距离比例特征描述矩阵；将目标图像轮廓的每一列特征描述矩阵与模板图像的每一列特征描述矩阵采用L1范数距离度量，得到t×t的代价矩阵M；假设p_j、q_c是两个形状Z₁、Z₂的第j个轮廓点和第c个轮廓点，则这两个点的匹配代价为：

7.根据权利要求1所述的基于最小外接矩形垂直内距离比例的形状描述与检索方法，其特征是：所述步骤6含有以下步骤，

步骤6.1、采用动态规划算法计算匹配代价矩阵M的最佳映射关系，获得目标图像轮廓与模板图像轮廓的相似度；

步骤6.2、计算每一个模板图像轮廓与目标图像轮廓的相似度，最小相似度对应的模板即为匹配图像，达到目标识别和形状检索的目的；

步骤6.3、动态规划算法主要目的在于获得形状Z₁，Z₂的轮廓点索引最佳对应映射π:j→c，该映射应使得形状距离为最小，即d的值越小，则目标图像与模板图像相似度越大。