[发明专利]图像标签信息识别方法

权利要求书

1.一种图像标签信息识别方法，其特征在于，包括以下步骤：

步骤一，收集若干模板图像，建立模板图像库；

步骤二，对模板图像进行Hessian特征点检测，得到模板图像的特征点；对待识别的图像进行Hessian特征点检测，得到待识别图像的特征点；以左上角像素点为原点、横向向右为x轴正方向、纵向向下为y轴正方向分别对模板图像和待识别图像建立直角坐标系，得到模板图像的每个特征点和待识别图像的每个特征点的位置信息和尺度信息；

步骤三，对模板图像的每个特征点进行SURF特征提取和LBP特征提取，得到模板图像中每个特征点的SURF特征和LBP特征；对待识别的图像的每个特征点进行SURF特征提取和LBP特征提取，得到待识别图像中每个特征点的SURF特征向量和LBP特征向量；

步骤四，将待识别图像的SURF特征向量集合与模板图像的SURF特征向量集合进行SURF特征匹配，得到预匹配成功的模板图像；

步骤五，将待识别图像的LBP特征向量集合与预匹配成功的模板图像的LBP特征向量集合进行LBP特征匹配，得到二次匹配成功的模板图像；

步骤六，对二次匹配成功的模板图像进行加权处理，得到每个二次匹配成功的模板图像的权重值，其中权重值最大的模板图像就是与待识别图像最匹配的模板图像。

2.根据权利要求1所述的图像标签信息识别方法，其特征是，步骤二中所述的Hessian特征点检测，是：使用二维高斯滤波器对图像的每个像素点进行卷积，得到每个像素点在若干尺度空间的Hessian矩阵的元素，进而得到每个像素点分别在每个尺度空间中的Hessian矩阵行列式值，每个尺度空间中最大的Hessian矩阵行列式值和最小的Hessian矩阵行列式值所对应像素点就是该图像的特征点。

3.根据权利要求1所述的图像标签信息识别方法，其特征是，步骤三中所述的SURF特征提取，是：将图像中特征点进行主方向旋转，并将该特征点周围其所在尺度6倍的邻域分为4＊4的16块，对每一块中均匀分布的25个像素点进行haar小波变换，将得到的dx、|dx|、dy和|dy|分别累加，从而每一块得到4个特征值，该特征点周围其所在尺度6倍的邻域总共16＊4为64个特征值，这64个特征值就组成该特征点的SURF特征向量。

4.根据权利要求1所述的图像标签信息识别方法，其特征是，步骤三中所述的LBP特征提取，是：比较图像中每个特征点和其周围8个像素点的灰度值，灰度值大于或者等于该特征点灰度值的像素点的权重为10，灰度值小于该特征点灰度值的像素点的权重为00，从特征点的左上角的像素点开始逆向读取这8个像素点的权重，这些权重组成的8bit向量就是该特征点的LBP特征向量。

5.根据权利要求1所述的图像标签信息识别方法，其特征是，步骤四所述的SURF特征匹配，是：

1)分别得到待识别图像和模板图像中对应的每对特征点之间的SURF特征向量的欧式距离，当最小的欧式距离D₁和次小的欧式距离D₂的差值小于阈值T₁时，该模板图像中的该特征点标记为预匹配成功的特征点；否则，该特征点标记为预匹配不成功的特征点；

2)当模板图像中预匹配成功的特征点的数目与该模板图像中预匹配不成功的特征点的数目之比大于阈值T₂时，该模板图像标记为预匹配成功的模板图像。

6.根据权利要求5所述的图像标签信息识别方法，其特征是，所述的阈值T₂的取值范围是：0.15～0.3。

7.根据权利要求1所述的图像标签信息识别方法，其特征是，步骤五中所述的LBP特征匹配，是：

1)分别得到待识别图像和预匹配成功的模板图像中对应的每对特征点之间的LBP特征向量的欧式距离，当最小的欧式距离D′₁和次小的欧式距离D′₂的差值小于阈值T₁时，该预匹配成功的模板图像中的该特征点标记为二次匹配成功的特征点；否则，该特征点标记为二次匹配不成功的特征点；

2)当预匹配成功的模板图像中二次匹配成功的特征点的数目与该预匹配成功的模板图像中二次匹配不成功的特征点的数目之比大于阈值T₃时，该预匹配成功的模板图像标记为二次匹配成功的模板图像。