基于圆投影的鲁棒匹配算法
2020-04-20赵爱罡
锦绣·下旬刊 2020年1期
关键词:特征
赵爱罡
摘 要:图像应用发展迅速,图像配准、识别、检测、跟踪等应用丰富,其核心离不开相似性匹配,即在实时场景中找到感兴趣的区域或物体,深度学习算法目前研究较多,其框架仍是提取特征进行识别。模板匹配算法发展最早,对后续智能算法研究有一定的促进作用,本文主要介绍一种对光照、角度、尺度鲁棒的匹配算法。
主要思路是把模板图像处理成多角度,多尺度的一系列图像模板,用这些模板分步骤地与待匹配图像做对比,找出匹配点。
一、处理模板图像
把360°按照间隔10°划分为36分,把尺度空间划分为10个等级(尺度变化参数为s=0.5,0.6,...,1.4,可根据实际需求调整),这样就生成了360个不同尺度和角度的模板,当然还要对所有的模板进行高斯平滑处理,减少误差带来的影响。如果用穷举法把所有的模板都和参考图像进行搜索匹配,那么时间消耗将是灾难性的。
二、确定变换尺度
把模板图像按照半径由小到大的顺序生成圆环区域,半径大小为r=2,4,...,30,在每一个圆环区域内,计算所有像素点灰度的平均值:
对于模板图像的任意角度旋转都是不变的,这样按照半径大小排列就形成了一个旋转不变的15维的向量(模板半径不足30可以补零,匹配时不计算在内),对第一步中所有尺度的模板图像都做相同处理,得到10个15维的旋转不变向量。接下来把参考图像中的每一个像素点,按照式(1)处理,生成一个三维数据矩阵:
这样参考图像中每个像素点都代表一个……
登录APP查看全文
