CN104166977B - 一种图像匹配相似性测度方法及其图像匹配方法 - Google Patents
一种图像匹配相似性测度方法及其图像匹配方法 Download PDFInfo
- Publication number
- CN104166977B CN104166977B CN201310184556.6A CN201310184556A CN104166977B CN 104166977 B CN104166977 B CN 104166977B CN 201310184556 A CN201310184556 A CN 201310184556A CN 104166977 B CN104166977 B CN 104166977B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- gradient
- calculate
- image matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种图像匹配相似性测度方法及其图像匹配方法，对尺寸相同的两幅图像A和B，分别计算它们在x和y方向上的梯度图，并提取相应的边缘图像，然后计算x方向上图像A和B的边缘图像之间的Hausdorff距离xMatch，以及y方向上图像A和B的边缘图像之间的Hausdorff距离yMatch，将作为最终的相似性测度结果。本发明在原有的Hausdorff距离匹配方法的基础上，进一步考虑了梯度矢量方向，利用了边缘的方向信息，丰富了参与匹配的信息维度，对图像匹配增加了有效的方向约束，有效提高了准确率和匹配精度，并对不同的图像具有更强的鲁棒性。
Description
技术领域
本发明属于计算机视觉技术领域，具体涉及一种图像匹配相似性测度方法及其图像匹配方法。
背景技术
图像匹配是指把不同的传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图中寻找相应的模式。
图像匹配技术是计算机视觉中相当重要的一门技术。它的应用领域极其广阔,如图像分析、目标识别、立体视觉、图像导航、运动分析以及三维重建等。
图像匹配相似性测度是度量图像匹配的标准：即通过比较图像I与其它若干图像的匹配相似性测度，可以判定I的最佳匹配图像；通过比较图像I与图像K中不同图像区域的匹配相似性测度，可以得到图像I在图像K中的最佳匹配位置。
图像匹配方法主要可分为基于点特征的图像匹配方法、基于边缘轮廓特征的图像匹配方法和基于区域特征的图像匹配方法。其中，基于边缘轮廓特征的匹配方法，由于边缘特征具有在不同成像条件下相对稳定、易于提取等特点，应用广泛，尤其在异类传感器图像匹配中是目前最常见的手段。
Hausdorff距离是描述两组点集之间相似程度的一种量度，它是两个点集之间距离的一种定义形式，非常适用于边缘图像等二值特征图像匹配。基于Hausdorff距离的边缘匹配方法具有以下优点：1）Hausdorff距离本身具备部分匹配的性质，从而对边缘残缺等具有良好的鲁棒性；2）Hausdorff距离具有较强的抗干扰能力，从而对边缘噪声等图像中小的扰动不敏感；3）不需要对边缘构造额外的描述；4）计算简单，匹配速度快。然而，该方法的缺陷在于，它仅仅利用了边缘点的位置信息，信息的单薄，使图像匹配容易产生错误和偏差。
发明内容
本发明的目的是提出一种图像匹配相似性测度方法，使图像匹配能更加准确有效，同时提供一种利用该图像匹配相似性测度方法的图像匹配方法。
为实现上述目的，本发明提供的图像匹配相似性测度方法的步骤如下：
（1）选定尺寸相同的图像A和B；
（2）分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；
（3）分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；
（4）计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；
（5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：
所述步骤（2）中x、y方向梯度的计算是采用梯度算子计算得到。
所述步骤（2）中x方向和y方向分别为水平方向和竖直方向。
所述步骤（3）是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图。
本发明提供的图像匹配方法的步骤如下：
1）按照目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B；
2）分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；
3）分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；
4）计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；
5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：并记录该相似性测度值；
6）重复步骤1）～5），直至滑窗遍历待匹配图像C中任意位置，得到一组各滑窗位置下的相似性测度值；
7）比较该组所有的相似性测度值，其中最小的相似性测度值对应的图像B即为匹配图像。
所述步骤2）中x、y方向梯度的计算是采用梯度算子计算得到。
所述步骤2）中x方向和y方向分别为水平方向和竖直方向。
所述步骤3）是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图。
本发明的图像匹配相似性测度方法通过计算两图像x、y方向上的梯度，再分别提取其二值化边缘图像并计算Hausdorff距离，综合两个方向上的Hausdorff距离作为最终的相似性测度。本发明在基于Hausdorff距离边缘匹配的基础上，考虑并利用了边缘的方向信息，丰富了参与匹配的信息维度，为图像匹配增加了方向约束，可以获得更好的匹配准确率和匹配精度，并对不同的图像具有更强的鲁棒性。另外，本发明还可用于图像识别、图像跟踪、图像导航等领域。
附图说明
图1为本发明图像匹配相似性测度方法流程示意图；
图2-1为实施例1仿真图像A；
图2-2为实施例1仿真图像B；
图3-1为实施例1图像Ax方向上的梯度图xGradA；
图3-2为实施例1图像Bx方向上的梯度图xGradB；
图3-3为实施例1图像Ay方向上的梯度图yGradA；
图3-4为实施例1图像By方向上的梯度图yGradB；
图4-1为实施例1图像Ax方向上的边缘图像xEdgeA；
图4-2为实施例1图像Bx方向上的边缘图像xEdgeB；
图4-3为实施例1图像Ay方向上的边缘图像yEdgeA；
图4-4为实施例1图像By方向上的边缘图像yEdgeB；
图5-1为实施例2仿真图像A2；
图5-2为实施例2仿真图像B2；
图5-3为实施例2的匹配结果示意图；
图6-1为实施例3仿真图像A3；
图6-2为实施例3仿真图像B3；
图6-3为实施例3的匹配结果示意图；
图7-1为实施例4仿真图像A4；
图7-2为实施例4仿真图像B4；
图7-3为实施例4的匹配结果示意图。
具体实施方式
本发明图像匹配相似性测度方法的流程如图1所示，具体步骤如下：
（1）选定尺寸相同的图像（或图像块、图像区域）A和B；
（2）分别计算它们x方向上的梯度图xGradA、xGradB，以及y方向上的梯度图yGradA、yGradB；x和y是任意两个相互垂直的方向；通常采用水平和竖直两个方向；x和y方向梯度的计算是采用梯度算子计算得到，也可以采用小波变换等其它方法，无论是哪种方法只要能够得到相应的梯度，都不影响本发明整体效果的实现；
（3）分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；这里可采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图像；
（4）计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；这里所说的Hausdorff距离，并不只限于原始的Hausdorff距离定义，还包括从原始的Hausdorff距离衍生出来的部分Hausdorff距离、平均Hausdorff距离、加权Hausdorff距离、LTS Hausdorff距离等所有的广义上的Hausdorff距离形式；
（5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：
下面以一个具体的实施案例1进行说明：
（1）选定尺寸相同的图像（或图像块、图像区域）A和B，如图2-1、2-2所示；
（2）使用Sobel梯度算子计算图像水平（x）和竖直（y）方向上的梯度。Sobel算子有两个3×3的卷积核，分别用于计算水平方向的和竖直方向的梯度分量：
分别得到两幅图像在x、y方向上的梯度幅值图，图像A在x和y方向上的梯度图分别为xGradA、yGradA，图像B在x和y方向上的梯度图分别为xGradB、yGradB；如图3-1、3-2、3-3、3-4所示；
（3）采用Canny算法（参见CANNY J.A computational approach to edgedetection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698.）对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图xGradA、yGradA、xGradB、yGradB依次对应的二值边缘图xEdgeA、yEdgeA、xEdgeB和yEdgeB，如图4-1、4-2、4-3、4-4所示；
（4）计算xEdgeA和xEdgeB之间的Hausdorff距离xMatch，本实施例xMatch=4.3549；以及yEdgeA和yEdgeB之间的Hausdorff距离yMatch，本实施例yMatch=3.3656；
这里Hausdorff距离采用LTS－HD的定义（参见Sim D G,Kwon O K,Park RH.Object matching algorithm using robust Hausdorff distance measures[J].IEEETransactions on Image Processing,1999,8(3):425～429）；
（5）计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：根据该公式计算最终得到本实施例图像A和图像B相似性测度结果nMatch=5.5038。
利用上述图像匹配相似性测度方法的图像匹配方法，该匹配方法是在图像匹配相似性测度方法的基础上，根据目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B；直至滑窗遍历待匹配图像C中任意位置，计算得到一组各滑窗位置下的相似性测度值；比较该组所有的相似性测度值，其中最小的相似性测度值对应的图像B即为匹配图像。如图5～图7为本发明图像匹配方法的三组实施例的仿真示例，直观展示了本发明图像匹配方法的过程。
最后所应说明的是：以上实施例仅用以说明而非限定本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解；依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种图像匹配相似性测度方法，其特征在于，该方法的步骤如下：
(1)选定目标图像A和与其尺寸相同的图像B；
(2)分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；
(3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；
(4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；
(5)计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：
所述步骤(2)中x、y方向梯度的计算是采用梯度算子计算得到。
2.根据权利要求1所述的图像匹配相似性测度方法，其特征在于：所述步骤(2)中x方向和y方向分别为水平方向和竖直方向。
3.根据权利要求1或2所述的图像匹配相似性测度方法，其特征在于：所述步骤(3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图。
4.一种利用权利要求1所述图像匹配相似性测度方法的图像匹配方法，其特征在于，该方法的步骤如下：
1)按照目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B；
2)分别计算图像A和B x方向和y方向上的梯度，从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB，所述x方向和y方向是任意两个相互垂直的方向；
3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB；
4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch；计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch；
5)计算[xMatch，yMatch]到[0，0]的距离nMatch，将其作为图像A和B最终的相似性测度，其计算公式如下：并记录该相似性测度值；
6)重复步骤1)～5)，直至滑窗遍历待匹配图像C中任意位置，得到一组各滑窗位置下的相似性测度值；
7)比较该组所有的相似性测度值，其中最小的相似性测度值对应的图像B即为匹配图像。
5.根据权利要求4所述的图像匹配方法，其特征在于：所述步骤2)中x、y方向梯度的计算是采用梯度算子计算得到。
6.根据权利要求4所述的图像匹配方法，其特征在于：所述步骤2)中x方向和y方向分别为水平方向和竖直方向。
7.根据权利要求4-6中任一项所述的图像匹配方法，其特征在于：所述步骤3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化，得到各梯度图对应的二值边缘图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310184556.6A CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310184556.6A CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104166977A CN104166977A (zh) | 2014-11-26 |
| CN104166977B true CN104166977B (zh) | 2017-10-10 |
Family
ID=51910768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310184556.6A Active CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104166977B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751459B (zh) * | 2015-03-27 | 2017-05-17 | 东南大学 | 多维特征的相似性度量优化方法及图像匹配方法 |
| CN106815553B (zh) * | 2016-12-13 | 2019-07-23 | 华中科技大学 | 一种基于边缘匹配的红外前视图像舰船检测方法 |
| CN111079565B (zh) * | 2019-11-27 | 2023-07-07 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
| CN113252045B (zh) * | 2021-06-25 | 2021-11-02 | 成都睿沿科技有限公司 | 设备定位方法、装置、电子设备及可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1949246A (zh) * | 2006-11-08 | 2007-04-18 | 中山大学 | 基于活动形状模型的多表情整脸轮廓检测方法 |
| CN1979528A (zh) * | 2005-12-02 | 2007-06-13 | 佳能株式会社 | 线检测方法及设备 |
| CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
| CN102842134A (zh) * | 2012-07-16 | 2012-12-26 | 西安电子科技大学 | 基于sar图像的快速景象匹配方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6701005B1 (en) * | 2000-04-29 | 2004-03-02 | Cognex Corporation | Method and apparatus for three-dimensional object segmentation |
| US6757418B2 (en) * | 2000-09-07 | 2004-06-29 | Siemens Corporate Research, Inc. | Method and system for automatic computed radiography (CR) image composition by white band detection and consistency rechecking |
| CN100419793C (zh) * | 2003-03-18 | 2008-09-17 | 皇家飞利浦电子股份有限公司 | 用于最佳匹配数据集的方法和装置 |
| FR2857131A1 (fr) * | 2003-07-01 | 2005-01-07 | Thomson Licensing Sa | Procede de recalage automatique d'un modele geometrique d'une scene sur une image de la scene, dispositif de mise en oeuvre et support de programmation. |
| EP1768563A4 (en) * | 2004-06-08 | 2009-09-16 | Canon Kk | IMAGE PROCESSING DEVICE AND METHOD USING TWO IMAGES |
| US8600193B2 (en) * | 2008-07-16 | 2013-12-03 | Varian Medical Systems, Inc. | Image stitching and related method therefor |
| JP5501084B2 (ja) * | 2010-04-28 | 2014-05-21 | 株式会社日立製作所 | 平面領域検出装置及びステレオカメラシステム |
| JP5414620B2 (ja) * | 2010-05-24 | 2014-02-12 | パナソニック株式会社 | 画像処理装置、画像処理方法、プログラム、及び集積回路 |
-
2013
- 2013-05-17 CN CN201310184556.6A patent/CN104166977B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1979528A (zh) * | 2005-12-02 | 2007-06-13 | 佳能株式会社 | 线检测方法及设备 |
| CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
| CN1949246A (zh) * | 2006-11-08 | 2007-04-18 | 中山大学 | 基于活动形状模型的多表情整脸轮廓检测方法 |
| CN102842134A (zh) * | 2012-07-16 | 2012-12-26 | 西安电子科技大学 | 基于sar图像的快速景象匹配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《Comparing face images using the modified Hausdorff distance》;B Takács;《Pattern Recognition》;19981231;第31卷(第12期);第3章和第4章 * |
| 《Face Recognition Using Line Edge Map》;Y Gao等;《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》;20020630;第24卷(第6期);764-779 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104166977A (zh) | 2014-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
| CN106504276B (zh) | 非局部立体匹配方法 | |
| CN104867126B (zh) | 基于点对约束和三角形网的有变化区域的合成孔径雷达图像配准方法 | |
| CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN103400384B (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
| CN103593849B (zh) | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 | |
| CN107563438A (zh) | 一种快速鲁棒的多模态遥感影像匹配方法和系统 | |
| CN109376744A (zh) | 一种surf和orb相结合的图像特征匹配方法及装置 | |
| CN103295232B (zh) | 基于直线和区域的sar图像配准方法 | |
| CN109961506A (zh) | 一种融合改进Census图的局部场景三维重建方法 | |
| CN107909018B (zh) | 一种稳健的多模态遥感影像匹配方法和系统 | |
| CN105701820A (zh) | 一种基于匹配区域的点云配准方法 | |
| CN109974743A (zh) | 一种基于gms特征匹配及滑动窗口位姿图优化的rgb-d视觉里程计 | |
| CN103345740B (zh) | 基于多投影图像配准的肺结节检测方法 | |
| CN105261014A (zh) | 一种多传感器遥感影像匹配方法 | |
| CN109559330A (zh) | 运动目标的视觉跟踪方法、装置、电子设备及存储介质 | |
| CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
| CN103679193A (zh) | 一种基于freak的高速高密度封装元器件快速定位方法 | |
| CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
| CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
| CN104166977B (zh) | 一种图像匹配相似性测度方法及其图像匹配方法 | |
| CN104331907B (zh) | 一种基于orb特征检测测量载体速度的方法 | |
| CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
| CN101488224A (zh) | 基于相关性度量的特征点匹配方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |