一種基于射影不變量的形狀匹配方法
【專利摘要】本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，涉及到一種射影不變形狀特征描述符的構(gòu)造及匹配方法。本發(fā)明構(gòu)造了一種層次化的射影不變特征描述符，可用于射影變化下的形狀識(shí)別問題。本方法中每個(gè)采樣點(diǎn)都采用由粗到精的取點(diǎn)過程構(gòu)成該點(diǎn)的特征描述符，這樣既保證了全局幾何信息又保留了輪廓的上下文信息。并進(jìn)一步在此框架下提出了基于傳統(tǒng)的射影不變量交比及最新發(fā)現(xiàn)的射影不變量特征數(shù)的5點(diǎn)特征描述符。通過引入外點(diǎn)和比值提高了描述符的穩(wěn)定性及抗噪性。實(shí)驗(yàn)表明，本方法不僅對(duì)具有嚴(yán)重射影變形的形狀有較高的識(shí)別率，對(duì)相似度較高的形狀也有很好的區(qū)分效果。
【專利說明】—種基于射影不變量的形狀匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，涉及形狀描述，特別涉及到一種射影不變形狀特征描述符的構(gòu)造及匹配方法。
【背景技術(shù)】
[0002]形狀是刻畫物體和圖像的一個(gè)重要方式，因此形狀描述符的構(gòu)造及匹配在圖像識(shí)別和檢索過程中起著至關(guān)重要的作用。形狀描述符需要具有一定的區(qū)分性，因?yàn)楹芏嘈螤钤诰植烤哂幸欢ǖ南嗨菩?。而形狀在各種變化下的識(shí)別也是一大難點(diǎn)，因?yàn)樵诂F(xiàn)實(shí)生活中獲取的很多圖像由于拍攝角度問題，都有一定程度的變形問題。
[0003]經(jīng)典的形狀特征描述符主要是以輪廓上采樣點(diǎn)之間的位置關(guān)系來描述形狀，例如Shape Contex(SC)就是采用在極坐標(biāo)系下的柱狀圖距離以及方向信息，取得了較好的效果。之后陸續(xù)有一些方法對(duì)SC進(jìn)行了有效的改進(jìn)。提出了柱狀圖方向上下文算法，對(duì)圖像的翻轉(zhuǎn)情況有很好的處理效果。這類描述符的特點(diǎn)是能夠獲取形狀細(xì)節(jié)的變化，因此具有很強(qiáng)的區(qū)分效果。但是這類描述符無法處理包括仿射變換和射影變換在內(nèi)的各種變換，而這種變換在實(shí)際情況中是比較常見的。
[0004]為了能夠使形狀描述符適應(yīng)各種幾何變化，部分研究通過圖匹配的方法尋找圖像的變換關(guān)系進(jìn)而完成形狀的識(shí)別，也有通過距離、面積等幾何量設(shè)計(jì)相關(guān)的描述符，但都無法解決在仿射或射影變換下形狀的識(shí)別問題。此外，還有傅里葉描述符、協(xié)方差二次曲線法和局部幾何不變量等方法借助相應(yīng)的仿射不變量構(gòu)造形狀描述子。這些描述符都能處理仿射變化下的形狀識(shí)別，但是在射影變換下效果不佳。
[0005]蘇州大學(xué)的發(fā)明專利“基于PCA-SC算法的形狀匹配和目標(biāo)識(shí)別方法”，申請(qǐng)?zhí)?01310096658.2，利用PCA-SC算法進(jìn)行形狀特征的提取及匹配，但是該方法僅具有尺度不變性、旋轉(zhuǎn)不變性和平移不變性，無識(shí)別述在實(shí)際應(yīng)用中常見的仿射及射影變換下的形狀。
[0006]東華大學(xué)的發(fā)明專利一種基于Shape Context的人臉形狀匹配方法申請(qǐng)?zhí)?00710046676.4。提出了一種基于Shape Context的人臉形狀匹配方法,主要利用人臉形狀輪廓上采樣點(diǎn)之間的位置信息作為特征，無法處理實(shí)際監(jiān)測(cè)應(yīng)用中普遍存在的側(cè)臉等射影變換的情況。

【發(fā)明內(nèi)容】

[0007]為了使形狀描述子能夠適應(yīng)射影變化，本專利構(gòu)造了一種層次化的射影不變形狀特征描述符(hierarchical projective invariant contexts)一HPIC,通過由粗到精的選取采樣點(diǎn)，并結(jié)合相應(yīng)的射影不變量達(dá)到了描述射影變換下形狀的目的。這種層次化的描述方法能夠描述形狀從整體到局部的信息，因而在保證射影不變的同時(shí)對(duì)相似形狀也有較好的區(qū)分效果。本發(fā)明的技術(shù)方案包括如下步驟:
[0008]步驟1.對(duì)原始圖像利用邊緣檢測(cè)的方法提取輪廓；
[0009]步驟2.對(duì)形狀輪廓進(jìn)行均勻采樣,采樣點(diǎn)數(shù)為N ;N個(gè)輪廓采樣點(diǎn)表示為P ={Pi, P2....?PJ ;
[0010]步驟3.對(duì)每個(gè)采樣點(diǎn)Pi(i = 1，...，N)，采取由粗到精、由遠(yuǎn)及近的方式在其周圍選取其他4個(gè)采樣點(diǎn)和Pi組成一系列射影不變量；
[0011]步驟3-1 WPi為軸，在其左側(cè)選取兩個(gè)點(diǎn)(Pi+P^)，同理在右側(cè)也選取同樣間隔的兩個(gè)點(diǎn)(Pi+k，Pi+2k)，k為采樣間隔。這樣5個(gè)點(diǎn)利用步驟5或步驟6的方法一同構(gòu)成一個(gè)射影不變量/7
[0012]步驟3-2通過調(diào)整采樣間隔k，k的取值從L(L = N/5)到1，如圖1所示?？梢垣@取關(guān)于點(diǎn)Pi的L維特征向量,如公式(I)所示；
[0013]///ν? =(./,，'/,V.'/;1),(I)
[0014]步驟3-3通過歸一化的方式將#的值限制在-1到I之間。如果.// > I設(shè)置為值1，1-1設(shè)置為值-1。
[0015]步驟4.對(duì)N個(gè)采樣點(diǎn)采用同樣的方式可以獲取N個(gè)HPIC向量如公式(2)所示。
[0016]HPIC(P) = (HPIC1, HPIC2,...，HPICn) (2)
[0017]該矩陣HPIC⑵的維度是LXNJ i列是點(diǎn)Pi的特征向量。
[0018]步驟5.利用5點(diǎn)交比構(gòu)造射影不變量/廣；
[0019]步驟5-1首先在形狀輪廓上選取共面的5個(gè)采樣點(diǎn)(P1, P2, P3, P4, P5)，這5個(gè)點(diǎn)按照?qǐng)D2(a)的方式相互連接可以得到兩組4個(gè)共線點(diǎn)，分別為(P1, P2, X, Y)和(P5, P4, X, Z)；
[0020]步驟5-2計(jì)算得到兩組交比值，由公式(3) (4)得到
[
【權(quán)利要求】
1.一種基于射影不變量的形狀匹配方法，其特征包括以下步驟: 步驟1.對(duì)原始圖像利用邊緣檢測(cè)的方法提取輪廓； 步驟2.對(duì)形狀輪廓進(jìn)行均勻采樣，采樣點(diǎn)數(shù)為N ;N個(gè)輪廓采樣點(diǎn)表示為P ={P” P2....?PJ ； 步驟3.對(duì)每個(gè)采樣點(diǎn)Pi (i = 1，...，N)，采取由粗到精、由遠(yuǎn)及近的方式在其周圍選取其他4個(gè)采樣點(diǎn)和Pi組成一系列射影不變量: 步驟3-1 WPi為軸，在其左側(cè)選取兩個(gè)點(diǎn)(PmPp2k),同理在右側(cè)也選取同樣間隔的兩個(gè)點(diǎn)(Pi+k，Pi+2k)，k為采樣間隔；這5個(gè)點(diǎn)利用步驟5或步驟6的方法一同構(gòu)成一個(gè)射影不變量# ; 步驟3-2通過調(diào)整采樣間隔k，k的取值從L到1，L = N/5 ;獲取關(guān)于點(diǎn)Pi的L維特征向量，如公式⑴所示； IiP/C^(f；fU) 步驟3-3通過歸一化的方式將C的值限制在-1到I之間；如果# >1設(shè)置為值1，#<-1設(shè)置為值-1 ; 步驟4.對(duì)N個(gè)采樣點(diǎn)采用同樣的方式獲取N個(gè)HPIC向量如公式(2)所示:
【文檔編號(hào)】G06K9/00GK103914690SQ201410143546
【公開日】2014年7月9日 申請(qǐng)日期:2014年4月11日 優(yōu)先權(quán)日:2014年4月11日
【發(fā)明者】賈棋, 樊鑫, 羅鐘鉉, 劉宇, 徐秀娟, 呼延康, 劉斌 申請(qǐng)人:大連理工大學(xué)