一種圖像匹配方法和裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及圖像匹配技術領域，具體涉及一種圖像匹配方法和裝置。
【背景技術】
[0002]在計算機視覺研究中，圖像匹配是一個非?；镜膬热?。由于圖有著非常好的表現(xiàn)力，并且可以保存圖像中的重要信息，因而近些年來，圖匹配作為圖像匹配的一種方法廣泛應用于社交網(wǎng)絡、數(shù)據(jù)分析、復雜物體識別以及視頻分析等領域。
[0003]可以應對非剛性物體以及發(fā)生形變的圖像匹配有著更加廣泛的通用性。但是由于其在數(shù)學上是二次分配問題，也就是NP難的，故有很多方法對其進行了嘗試。然而，如何保證圖匹配過程中特征點和邊的不冗余性以及如何正確進行匹配都是需要進一步解決。

【發(fā)明內容】

[0004]本申請?zhí)峁┮环N能夠保證圖像匹配過程中特征點的不冗余性以及圖像的正確匹配的圖像匹配方法和裝置。
[0005]根據(jù)第一方面，一些實施例中提供一種圖像匹配方法，包括步驟:獲取一幀模板圖像;獲取多幀目標圖像;根據(jù)所述模板圖像獲取一組模板特征，所述一組模板特征包括多個模板特征;基于每幀目標圖像的像素灰度特征，從每幀目標圖像中提取一組目標特征，并且所述一組目標特征包括多個目標特征;根據(jù)模板圖像的所述一組模板特征和每幀目標圖像的一組目標特征，計算模板圖像與每幀目標圖像的圖像相似度，獲得多個圖像相似度;根據(jù)所述多個圖像相似度，獲得所述多個圖像相似度的最大值;獲得所述最大值對應的目標圖像，以所述最大值對應的目標圖像為與所述模板圖像匹配的圖像。
[0006]根據(jù)第二方面，一種實施例中提供一種圖像匹配裝置，包括:第一圖像獲取單元，所述第一圖像獲取單元用于獲取模板圖像;第二圖像獲取單元，所述第二圖像獲取單元用于獲取多幀目標圖像;模板特征獲取單元，所述模板特征獲取單元用于根據(jù)所述模板圖像獲取一組模板特征，其中所述一組模板特征包括多個模板特征；目標特征提取單元，所述目標特征提取單元用于基于每幀目標圖像的像素灰度特征從每幀目標圖像中提取一組目標特征，并且所述一組目標特征包括多個目標特征;相似度計算單元，所述相似度計算單元用于根據(jù)模板圖像的所述一組模板特征和每幀目標圖像的一組目標特征，計算模板圖像與每幀目標圖像的圖像相似度，獲得多個圖像相似度;匹配單元，所述匹配單元根據(jù)所述多個圖像相似度，獲得所述多個圖像相似度的最大值，并獲得所述最大值對應的目標圖像，以所述最大值對應的目標圖像為與所述模板圖像匹配的圖像。
[0007]上述實施例的圖像匹配方法和裝置中，通過模板特征與目標特征之間的相似度分別計算模板圖像與每個目標圖像之間的圖像相似度來進行圖像匹配，可以保證圖像匹配過程中特征的不冗余性，保證圖像的正確匹配，提高圖像匹配的準確度。
【附圖說明】
[0008]圖1為本發(fā)明一些實施例的圖像匹配方法的流程示意圖；
[0009]圖2為本發(fā)明一些實施例的模板圖像及模板特征點的示意圖；
[0010]圖3為本發(fā)明一些實施例的目標圖像的示意圖；
[0011]圖4為圖3中的圖像及從中搜索出的與圖2中的模板特征點相匹配的匹配特征點的示意圖；
[0012]圖5為本發(fā)明一些實施例的圖像匹配裝置的框圖結構示意圖。
【具體實施方式】
[0013]下面通過【具體實施方式】結合附圖對本發(fā)明作進一步詳細說明。
[0014]本發(fā)明的實施例涉及圖像匹配的方法和裝置。例如，一些實施例中，該圖像匹配方法和裝置可以用于從多幀圖像中識別出與另一幀圖像或者該另一幀圖像中的特定目標相同或者近似的目標。本文中，將作為識別的標的的圖像(例如，前述的“另一幀圖像”)稱之為“模板圖像”，前述特定目標稱之為“感興趣目標”，而將需要從中識別出與模板圖像或者感興趣目標相同或者近似的圖像稱之為“目標圖像”。
[0015]本發(fā)明的實施例中，一般地，可以以模板圖像為模板，從模板圖像中獲得表征該模板圖像或者其中的感興趣目標的特征(本文中稱之為“模板特征”)，這些模板特征可以是可以表征該模板圖像或者該感興趣目標的點(本文中稱之為“模板特征點”)和/或邊(本文中稱之為“模板特征邊”)；此外，從目標圖像中提取特征(本文中稱之為“目標特征”)，該目標特征也可以是點(本文中稱之為“目標特征點”)和/或邊(本文中稱之為“目標特征邊”)；然后，根據(jù)模板特征和目標特征，計算模板圖像與每幀目標圖像之間的相似度，并比較獲得的相似度的大小，以相似度的最大值對應的目標圖像為與模板圖像相匹配的匹配圖像。本發(fā)明的一些實施例中，這里所說的“邊”可以是圖像中兩個點之間的線段。
[0016]圖1為本發(fā)明一些實施例的圖像匹配方法的流程示意圖。如圖1所示，在步驟10，可以獲取模板圖像。本發(fā)明的實施例中，模板圖像可以是當前實時通過各種成像裝置獲得的圖像，也可以是預先已經獲得并且存儲在使用本發(fā)明的圖像匹配方法和裝置的系統(tǒng)的存儲器中的圖像。因此，步驟10中，可以通過各種成像裝置獲得模板圖像，也可以從存儲器中讀出模板圖像。
[0017]獲得了模板圖像之后，在步驟11中，可以根據(jù)該模板圖像獲取一組模板特征。這些模板特征可以是該模板圖像或者該模板圖像中的感興趣目標的圖像中有特別的特征(位置、灰度、角度等等)、將蘊含模板圖像或者感興趣目標的信息和特性、可以表征該模板圖像或者感興趣目標的點和/或邊。該組模板特征可以包括多個模板特征，其體現(xiàn)了模板圖像或者感興趣目標的特征。
[0018]本發(fā)明的一些實施例中，該組模板特征可以通過接收用戶的輸入而獲得。例如，用戶可以通過輸入裝置在模板圖像上點擊選擇模板圖像或者感興趣目標的特征。本發(fā)明實施例的圖像匹配裝置接收用戶的輸入，并根據(jù)用戶的輸入獲得一組模板特征。
[0019]本發(fā)明的另一些實施例中，該組模板特征也可以由本發(fā)明的圖像匹配裝置根據(jù)模板圖像或者感興趣目標的像素灰度特征(例如，灰度均值、梯度、方差、灰度分布特征、等等)從模板圖像中提取出來。
[0020]本發(fā)明的實施例中，前述的“一組模板特征”可以包含用戶輸入的或者從模板圖像中提取出的特征的全部，也可以只包含用戶輸入的或者從模板圖像中提取出的特征中的一部分。
[0021]圖2顯示了本發(fā)明一些實施例中的模板圖像，其中感興趣目標為該模板圖像中的汽車。圖2中，點A1、A2、A3、A4、A5、A6、A7、A8、A9和AlO是用戶輸入的或者根據(jù)感興趣目標(圖2中為汽車)的像素灰度特征提取出的模板特征點。圖2中，為了能夠清楚地顯示，模板特征點Al-AlO被示意性地表示為不同大小的圓。應當理解，這些圓只是為了示意性地表示模板特征點，而并非對模板特征點的大小、位置、形狀等等的限制。圖2中，還可以以點A1、A2、A3、A4、A5、A6、A7、A8、A9和A1中任意兩個點之間的線段作為模板特征邊。
[0022]本發(fā)明的一些實施例中，以圖2作模板圖像，以圖3(下文詳述)作為一個目標圖像，圖2中的汽車作為感興趣目標，根據(jù)本發(fā)明實施例的圖像匹配方法和裝置，可以將圖3與圖2中的汽車進行匹配。
[0023]圖1的實施例中，在步驟20，可以獲取多幀目標圖像。與步驟10中類似，目標圖像可以是當前實時通過各種成像裝置獲得的圖像，也可以是預先已經獲得并且存儲在使用本發(fā)明的圖像匹配方法和裝置的系統(tǒng)的存儲器中的圖像。因此，步驟20中，可以通過各種成像裝置獲得目標圖像，也可以從存儲器中讀出目標圖像。
[0024]圖3顯示了本發(fā)明一些實施例中獲取的目標圖像。
[0025]獲得了目標圖像之后，在步驟21中，可以基于目標圖像的像素灰度特征，從每幀目標圖像中提取一組目標特征。從目標圖像中提取目標特征的方法可以使用本領域中多種適合的圖像特征提取方法。例如，一些實施例中，可以使用最大穩(wěn)定極值區(qū)域法(MSER)、尺度不變特征變換法(SIFT)、海森算子(Hess ian)法、哈里斯仿射法(Harris Affine)或者直方圖屬性關聯(lián)圖(HARG)法從每幀目標圖像中提取一組目標特征。
[0026]本發(fā)明的實施例中，前述的“一組目標特征”可以包含從目標圖像中提取出的特征的全部，也可以只包含從目標圖像中提取出的特征的一部分。
[0027]獲得了模板圖像的模板特征和每幀模板圖像的目標特征之后，在步驟30中，可以根據(jù)模板圖像的該一組模板特征和每幀目標圖像的該組目標特征，計算出模板圖像與每幀目標圖像的圖像相似度，從而獲得多個圖像相似度。
[0028]本發(fā)明的一些實施例中，對于每一幀目標圖像，在計算其與模板圖像的圖像相似度時，可以按照下列步驟進行(