專利名稱：一種二維單射曲面數(shù)據(jù)的特征提取與匹配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種二維單射曲面數(shù)據(jù)的特征提取和匹配方法，特別涉及一種基于 Reeb圖的二維單射曲面數(shù)據(jù)的特征提取和匹配方法。
背景技術(shù)：
隨著科學(xué)技術(shù)不斷發(fā)展，信息爆炸時代來臨，二維單射曲面信息越來越多，例如地 形圖、三維光譜、水體的溫度或物質(zhì)分布圖等等。大量的二維單射曲面信息的數(shù)據(jù)庫相繼建 成。顯然，人工檢索存在費(fèi)用昂貴、耗時長、漏檢率高的缺點(diǎn)。利用計算機(jī)進(jìn)行檢索，往往是 最好的選擇。但對于一個龐大的數(shù)據(jù)庫，如果逐點(diǎn)比對，計算機(jī)檢索時間仍然過長。為了縮 短檢索時間，可對數(shù)據(jù)進(jìn)行特征提取，然后用特征進(jìn)行檢索。這種方法除了顯著縮短檢索時 間外，還可以克服不同儀器的系統(tǒng)誤差對檢索結(jié)果造成的負(fù)面影響。二維單射曲面數(shù)據(jù)可以表示為xy平面的單射函數(shù)，即可以用函數(shù)表示為g = f (x, y)(1)本發(fā)明提出了一種可表示為xy平面的單調(diào)函數(shù)的二維單射曲面數(shù)據(jù)特征提取 和匹配方法。目前國內(nèi)外已經(jīng)存在一些二維單射曲面數(shù)據(jù)特征的提取方法，其中Goldgof 等在((Feature extraction and terrain matching〉〉，1988，Proceedings of Computer Society Conference On Computer Vision & Pattern Recognition，pp. 899-204 中提出 利用高斯曲率極值點(diǎn)作為地形的特征，但這種方法對噪音很敏感，特征不夠穩(wěn)定。Yu等在 ((A novel contour-based 3D terrain matching algorithm using wavelet transform)), 2004，Pattern Recognition Letters, vol. 25，pp. 87-99 中提出利用少數(shù)等高線作為整個 3D地形的特征，但少數(shù)等高線并不能很好地描述整體的地形，而采用更多的等高線則會提 高復(fù)雜度。已有的對二維單射曲面數(shù)據(jù)特征提取的方法，大部分都是基于點(diǎn)、線、面等特征。 但這些特征描述的都是具體的細(xì)節(jié)，因而使得獲得的特征不夠穩(wěn)定。Reeb圖是由法國Georges Reeb首次提出的，之后就被成功地應(yīng)用在三維形狀造 型、體可視化等領(lǐng)域中。Reeb圖包含了數(shù)據(jù)的骨架和拓?fù)浣Y(jié)構(gòu)信息。拓?fù)浣Y(jié)構(gòu)代表的是數(shù) 據(jù)的整體信息，并且對具體的細(xì)節(jié)并不敏感。Hilaga等在《Topology matching for fully automatic similarity estimation of 3D shapes)), In Proceedings of SIGGRAPH 2001, ComputerGraphics Proceedings, Annual Conference Series, pp. 203-212 中提出了使用 多分辨率Reeb圖(MRG)來表示三維模型的特征。MRG是用多個Reeb圖描述了三維模型拓 撲結(jié)構(gòu)信息。由于MRG是基于近似測地線形成的，使得MRG受三維模型表面細(xì)節(jié)的影響較 大，并且計算了多個Reeb圖，也使得算法復(fù)雜度高。
發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種新型的二維單射曲面數(shù)據(jù)的特征提取和匹配方法，使 得提取的特征容易計算，并且穩(wěn)定性強(qiáng)。本發(fā)明的技術(shù)方案如下
一種二維單射曲面數(shù)據(jù)的特征提取和匹配方法，其特征在于該方法包含如下步 驟1)將二維單射曲面數(shù)據(jù)投影到Xy平面，獲取一幅灰度與g值成正比的灰度圖像， 將圖像的灰度值歸一化到區(qū)間W，255]，并利用高斯窗口對圖像進(jìn)行平滑操作，以減弱圖像 中的噪音；2)從圖像中提取特征點(diǎn)集，以特征點(diǎn)集中的每一個特征點(diǎn)作為參考點(diǎn)，按照灰度 值是否與該特征點(diǎn)相等，在圖像中繪制通過該特征點(diǎn)的等灰度線，以及繪制同一等灰度線 上特征點(diǎn)之間的連線，等灰度線以及特征點(diǎn)之間的連線將圖像劃分成一系列的區(qū)域塊，根 據(jù)區(qū)域塊之間的包圍和相鄰關(guān)系構(gòu)造一個Reeb圖；2. 1)以圖像中的每一個灰度值作為灰度參考值，獲得一系列等灰度線，所述灰度 參考值至少對應(yīng)一條等灰度閉合曲線，所述等灰度線上的所有像素點(diǎn)的灰度值都相等；2.2)按逆時針方向遍歷等灰度線上的像素點(diǎn)，計算每一個像素點(diǎn)所在位置的曲 率，設(shè)P為設(shè)定長度的等灰度線上的弧線段鄰域U (P，S)內(nèi)的曲率極小值點(diǎn)，且曲率小于0， 如果該鄰域內(nèi)所有像素點(diǎn)的曲率都小于0，則記ρ為凹點(diǎn)，所述曲率K在像素點(diǎn)E處的計算 公式如下
τ,K —-
IIF-EII其中F為像素點(diǎn)E按逆時針方向在等灰度線上的下一個相鄰像素點(diǎn)，Δ θ指的是 以逆時針旋轉(zhuǎn)方向為正方向，像素點(diǎn)E處的切線向量旋轉(zhuǎn)到像素點(diǎn)F處的切線向量的旋轉(zhuǎn) 角度，角度的取值范圍為[-η，η ]，E處的所述切線向量的計算公式為(xF-xE，yF_yE)，χ、y 分別為像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，F(xiàn)處的所述切線向量的計算公式為(X<rXF，yG-yF)，G為像 素點(diǎn)F按逆時針方向在等灰度線上的下一個相鄰像素點(diǎn)，I |F-E| I指的是像素點(diǎn)F與像素 點(diǎn)E之間的距離；2. 3)通過步驟2. 2)獲得一個凹點(diǎn)集，如果兩個凹點(diǎn)之間的距離小于設(shè)定的值，則 稱這兩個凹點(diǎn)相鄰，若凹點(diǎn)Tl與凹點(diǎn)T2相鄰，凹點(diǎn)T2與凹點(diǎn)T3相鄰，則稱凹點(diǎn)Tl與凹點(diǎn) T3也相鄰，根據(jù)凹點(diǎn)之間相鄰的關(guān)系從而將凹點(diǎn)集劃分成一些凹點(diǎn)子集，去掉包含凹點(diǎn)數(shù) 小于設(shè)定數(shù)目的凹點(diǎn)子集，對于每一個保留的凹點(diǎn)子集，如果所述凹點(diǎn)子集中存在兩個凹 點(diǎn)，這兩個凹點(diǎn)之間的距離小于設(shè)定的值，且它們屬于同一條等灰度線，并且它們?yōu)樵摪键c(diǎn) 子集中灰度值的最大值點(diǎn)，則這兩個凹點(diǎn)就是圖像的兩個特征點(diǎn)，所述特征點(diǎn)在凹點(diǎn)子集 中，應(yīng)該是成對出現(xiàn)的，所有的特征點(diǎn)則構(gòu)成特征點(diǎn)集。3)選取高度和位置作為典型的細(xì)節(jié)特征，將這兩個細(xì)節(jié)特征作為Reeb圖中的每 個結(jié)點(diǎn)的屬性，所述高度是指該結(jié)點(diǎn)所代表的圖像區(qū)域塊內(nèi)灰度最高值與灰度最低值之 差，所述位置是指該結(jié)點(diǎn)所代表的圖像區(qū)域塊的中心位置，所述中心位置的具體計算公式 如下
M
1 ν-1
_ 8] (X, y) center =^ i
= 1 其中N指的是所述圖像區(qū)域中像素點(diǎn)的個數(shù)，(Ly)i指的是像素點(diǎn)i的坐標(biāo)，(χ, y)center指的是所述圖像區(qū)域中心像素點(diǎn)的坐標(biāo)；
4)對于需要匹配的兩個數(shù)據(jù)，通過計算兩個對應(yīng)的A Reeb圖和B Reeb圖之間的 相似度來求得這兩個數(shù)據(jù)之間的相似度4. 1)將A Reeb圖中的根結(jié)點(diǎn)a與B Reeb圖中的根結(jié)點(diǎn)b相匹配，根結(jié)點(diǎn)指的是 Reeb圖中沒有父結(jié)點(diǎn)的結(jié)點(diǎn)，得到一個匹配對，并計算所述匹配對的相似度，具體公式如 下
權(quán)利要求
一種二維單射曲面數(shù)據(jù)的特征提取和匹配方法，其特征在于該方法包含如下步驟1)將二維單射曲面數(shù)據(jù)投影到xy平面，獲取一幅灰度與g值成正比的灰度圖像，將圖像的灰度值歸一化到區(qū)間
，并利用高斯窗口對圖像進(jìn)行平滑操作，以減弱圖像中的噪音；2)從圖像中提取特征點(diǎn)集，以特征點(diǎn)集中的每一個特征點(diǎn)作為參考點(diǎn)，按照灰度值是否與該特征點(diǎn)相等，在圖像中繪制通過該特征點(diǎn)的等灰度線，以及繪制同一等灰度線上特征點(diǎn)之間的連線，等灰度線以及特征點(diǎn)之間的連線將圖像劃分成一系列的區(qū)域塊，根據(jù)區(qū)域塊之間的包圍和相鄰關(guān)系構(gòu)造一個Reeb圖；3)選取高度和位置作為典型的細(xì)節(jié)特征，將這兩個細(xì)節(jié)特征作為Reeb圖中的每個結(jié)點(diǎn)的屬性，所述高度是指該結(jié)點(diǎn)所代表的圖像區(qū)域塊內(nèi)灰度最高值與灰度最低值之差，所述位置是指該結(jié)點(diǎn)所代表的圖像區(qū)域塊的中心位置，所述中心位置的具體計算公式如下 <mrow><msub> <mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo> </mrow> <mi>center</mi></msub><mo>=</mo><mfrac> <mn>1</mn> <mi>N</mi></mfrac><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>N</mi></munderover><msub> <mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo> </mrow> <mi>i</mi></msub> </mrow>其中N指的是所述圖像區(qū)域中像素點(diǎn)的個數(shù)，(x，y)i指的是像素點(diǎn)i的坐標(biāo)，(x，y)center指的是所述圖像區(qū)域中心像素點(diǎn)的坐標(biāo)；4)對于需要匹配的兩個數(shù)據(jù)，通過計算兩個對應(yīng)的A Reeb圖和B Reeb圖之間的相似度來求得這兩個數(shù)據(jù)之間的相似度4.1)將A Reeb圖中的根結(jié)點(diǎn)a與B Reeb圖中的根結(jié)點(diǎn)b相匹配，根結(jié)點(diǎn)指的是Reeb圖中沒有父結(jié)點(diǎn)的結(jié)點(diǎn)，得到一個匹配對，并計算所述匹配對的相似度，具體公式如下其中dis(a位置，b位置)表示的是根結(jié)點(diǎn)a與根結(jié)點(diǎn)b的位置屬性的歐式距離；4.2)如果兩個結(jié)點(diǎn)相匹配，則繼續(xù)對它們的子結(jié)點(diǎn)之間進(jìn)行兩兩匹配，構(gòu)成一個完全二分圖，從所述二分圖中提取一個結(jié)點(diǎn)距離之和最小的子圖，從而構(gòu)成兩個結(jié)點(diǎn)的子結(jié)點(diǎn)之間的匹配對，每個結(jié)點(diǎn)至多在一個匹配對中出現(xiàn)，且匹配對中的兩個結(jié)點(diǎn)來自兩個不同的Reeb圖；4.3)計算步驟4.1)和步驟4.2)中得到的所有的匹配對的相似度之和，所述相似度之和就是所述A Reeb圖與所述B Reeb圖之間的相似度，即兩個數(shù)據(jù)之間的相似度。FSA00000294479700012.tif
2.如權(quán)利要求1所述的一種二維單射曲面數(shù)據(jù)的特征提取和匹配方法，其特征在于， 所述步驟2)中特征點(diǎn)集提取操作包括如下步驟2. 1)以圖像中的每一個灰度值作為灰度參考值，獲得一系列等灰度線，所述灰度參考 值至少對應(yīng)一條等灰度閉合曲線，所述等灰度線上的所有像素點(diǎn)的灰度值都相等；2. 2)按逆時針方向遍歷等灰度線上的像素點(diǎn)，計算每一個像素點(diǎn)所在位置的曲率，設(shè) P為設(shè)定長度的等灰度線上的弧線段鄰域U (p，s)內(nèi)的曲率極小值點(diǎn)，且曲率小于0，如果該 鄰域內(nèi)所有像素點(diǎn)的曲率都小于0，則記ρ為凹點(diǎn)，所述曲率K在像素點(diǎn)E處的計算公式如 下
全文摘要
一種二維單射曲面數(shù)據(jù)的特征提取和匹配方法，該方法首先將二維單射曲面數(shù)據(jù)投影到灰度值與數(shù)據(jù)值成正比的灰度圖像，并將圖像中的灰度值歸一化到區(qū)間
中，然后從圖像中提取特征點(diǎn)集；以特征點(diǎn)集中的每一個特征點(diǎn)作為參考點(diǎn)，在圖像中繪制通過該特征點(diǎn)的等灰度線，且在圖像中連接同一等灰度線上的特征點(diǎn)，這些等灰度線以及特征點(diǎn)之間的連線將圖像劃分成連續(xù)的區(qū)域塊，根據(jù)區(qū)域塊之間的包圍和相鄰關(guān)系構(gòu)造一個Reeb圖。對于需要匹配的兩個二維單射曲面數(shù)據(jù)，通過匹配兩個Reeb圖中的結(jié)點(diǎn)，計算結(jié)點(diǎn)之間的相似度，所有匹配結(jié)點(diǎn)的相似度之和為兩個二維單射曲面數(shù)據(jù)之間的相似度。本發(fā)明所提供的方法使得提取的特征容易計算，并且穩(wěn)定性強(qiáng)。
文檔編號G06T7/00GK101957992SQ20101050055
公開日2011年1月26日 申請日期2010年9月30日 優(yōu)先權(quán)日2010年9月30日
發(fā)明者劉永進(jìn), 吳靜, 羅曦 申請人:清華大學(xué)