專利名稱：一種基于幾何圖形特征點(diǎn)形狀描述子的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，具體的涉及一種基于幾何圖形特征點(diǎn)形狀描述子的方法。
背景技術(shù)：
形狀描述子在物體識(shí)別中是一個(gè)十分重要的手段。形狀描述子就是將物體的形狀特征化，可以廣泛的應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域的多種情況，如機(jī)器人導(dǎo)航，特征識(shí)別，圖像檢索，事件檢測(cè)等。形狀描述子往往會(huì)因?yàn)椴煌潭鹊膸缀巫儞Q和噪聲以致描述形狀的準(zhǔn)確度降低，圖像識(shí)別精度下降。在過去的幾十年間，，為了從形狀中得到更豐富的信息和尋找對(duì)于多樣的幾何變換和噪聲干擾更加穩(wěn)定的形狀描述方法，人們一直致力于形狀描述子的研究。形狀描述子可以分為兩類:基于區(qū)域的方法和基于輪廓的方法。基于區(qū)域的方法，主要是利用形狀某一區(qū)域的全局特征來建立形狀描述子，但是全局特征對(duì)于局部的變化比較敏感，當(dāng)圖像的局部發(fā)生一定的改變時(shí)，這類方法的識(shí)別精度會(huì)下降?；谳喞姆椒?，主要是利用圖像的邊界來建立形狀描述子。由于圖像的邊界被視為一條封閉光滑的曲線，因此基于輪廓的方法往往只應(yīng)用于簡(jiǎn)單的幾何變換，如相似變換，并且對(duì)于描述局部特征的描述子，還會(huì)受限于噪聲的干擾。近些年來，為了增強(qiáng)對(duì)局部變化和噪聲干擾的魯棒性，將全局特征和局部特征結(jié)合起來的方法成為了一種趨勢(shì)，同時(shí)，為了適用于多樣的幾何變換，利用射影不變量建立形狀描述子，也成為了一條途徑。但由于新的射影不變量的發(fā)現(xiàn)相對(duì)困難，現(xiàn)有的基于射影不變量建立形狀描述子的方法也僅是少量涉及。目前，基于射影不變量的形狀描述子中，比較成熟的是交比譜形狀描述子。但是交比譜未能充分利用形狀內(nèi)部輪廓的信息和描述子的每一個(gè)分量涉及的圖像內(nèi)部區(qū)域僅僅局限于邊界上點(diǎn)與點(diǎn)之間的連線附近，同時(shí)，在匹配階段必須使用點(diǎn)對(duì)點(diǎn)的動(dòng)態(tài)匹配算法，尤其是當(dāng)處理復(fù)雜形狀的時(shí)候，計(jì)算復(fù)雜度較高，。

發(fā)明內(nèi)容
本發(fā)明提供了一種基于新的幾何不變量(稱為特征數(shù))建立形狀描述子，針對(duì)現(xiàn)有方法的局限性，利用新的幾何不變量特征數(shù)替換交比，對(duì)形狀進(jìn)行新的特征描述，彌補(bǔ)了之前方法的不足。同時(shí)，提高了匹配算法，使得匹配時(shí)間極大縮短，增強(qiáng)了應(yīng)用性。本發(fā)明的技術(shù)方案如下:一種基于幾何圖形特征點(diǎn)形狀描述子的方法，是一種新的幾何不變量——特征數(shù)，即在幾何圖形各邊上的特征點(diǎn)按照新的算法計(jì)算得到的一個(gè)值，且其在射影變換下保持不變。具體包括以下步驟:第一步，特征數(shù)的定義在射影空間中，P1, P2,...，Pr+1是r+1個(gè)互不相同的點(diǎn)，各邊PiPw, (i=l, 2，...^+I1Prt2=P1)上存在互不相同的點(diǎn)cf:, or,…,(t),所有的點(diǎn)稱為該三角形的特征點(diǎn)集。
根據(jù)幾何學(xué)的相關(guān)基礎(chǔ)理論，該三角形的特征點(diǎn)集中任意一點(diǎn)Op都可由其所在邊的三角形頂點(diǎn)Pi, pi+1線性表出，即:
權(quán)利要求
1.一種基于幾何圖形特征點(diǎn)形狀描述子的方法，其特征包括以下步驟: 第一步，定義特征數(shù) 在射影空間中，P1, P2,…，Pr+1是r+1個(gè)互不相同的點(diǎn)，各邊PiPw, (i=l, 2，...，r+l，Pw=P1)上存在互不相同的點(diǎn)L, 0;H)，定義所有的點(diǎn)為該三角形的特征點(diǎn)集；該三角形的特征點(diǎn)集中任意一點(diǎn)Gi)都可由其所在邊的三角形頂點(diǎn)Pi，Pi+1線性表出，
2.根據(jù)權(quán)利要求1所述的方法，采用基于輪廓的形狀描述方法，結(jié)合三角形上的特征數(shù)和直線上的特征數(shù)，對(duì)圖像進(jìn)行特征描述，其特征包括以下步驟: 第一步，圖像輪廓上樣本點(diǎn)的提取 將圖像轉(zhuǎn)換為灰度圖，利用Canny算子提取輪廓，得到圖像的凸包，在凸包上均勻取樣，得到樣本點(diǎn)集P=汜，P2，- ,PJo第二步，三角形上特征數(shù)的構(gòu)造與計(jì)算 從第一步中得到的樣本點(diǎn)集P中選取三點(diǎn)Pi, Pj，Pk，若三點(diǎn)共線，則其特征數(shù)為O ;若三點(diǎn)不共線，則可構(gòu)成A PiPjPk,該三角形的每條邊與圖像輪廓都存在不同數(shù)量的交點(diǎn)，基于權(quán)利要求1中三角形特征數(shù)的定義，由此可提取該三角形上的特征點(diǎn)并按照公式(3)計(jì)算得到特征數(shù)CN(PiJpPk)；
全文摘要
一種基于新的幾何不變量(稱為特征數(shù))的形狀描述子，屬于計(jì)算機(jī)視覺領(lǐng)域，是將全局特征和局部特征相結(jié)合的基于輪廓的形狀描述子。對(duì)圖像的凸包均勻取樣，得到一系列的樣本點(diǎn)。按照特征數(shù)的定義，樣本點(diǎn)間依次選取三點(diǎn)得到一系列特征數(shù)值，構(gòu)成一個(gè)特征向量，即該圖像的形狀描述子。該描述子充分利用了形狀內(nèi)部輪廓的信息，描述子的每一個(gè)分量所描述的內(nèi)容能夠覆蓋形狀的某一區(qū)域，提高對(duì)形狀的描述能力和精確程度，并由于其本身為射影不變量，可適用于在多種幾何變換，另外，對(duì)于不同程度噪聲的干擾，也具有很強(qiáng)的穩(wěn)定性。在匹配階段，用首點(diǎn)匹配代替點(diǎn)對(duì)點(diǎn)的動(dòng)態(tài)匹配，極大的提高了識(shí)別時(shí)間?；谔卣鲾?shù)的形狀描述子具有較強(qiáng)的緊致性，穩(wěn)定性和較高的實(shí)用價(jià)值。
文檔編號(hào)G06K9/46GK103208003SQ20131013163
公開日2013年7月17日 申請(qǐng)日期2013年4月12日 優(yōu)先權(quán)日2013年4月12日
發(fā)明者羅鐘鉉, 樊鑫, 賈棋, 羅代耘, 周歆辰 申請(qǐng)人:大連理工大學(xué)