[发明专利]基于SIFT和HOUGH的指针型仪表示数读取方法

说明书

本发明公开了一种基于SIFT和HOUGH的指针型仪表示数读取方法，属于图像处理中的特征提取的研究领域。本发明的方法根据SIFT所匹配的特征点，识别图像中仪表相对模版图像的的旋转角度，并进行仪表盘位置的粗定位。优化HOUGH变换方法，精确定位仪表盘的位置和指针所在直线，与模板图像中最小刻度的斜率进行比较，计算出图像中仪表指针与模板图像中指针的角度，并减去旋转的角度，根据模板图像中最大刻度与最小刻度的差值与角度差，计算出仪表的示数。本发明解决了传统的识别方法对于图像中仪表的放置位置及背景有着严格的要求，不适用于实际应用的问题，其识别精度较高，环境适应性强，具有较高的实用性。

技术领域

本发明涉及一种基于SIFT和HOUGH相结合的指针型仪表示数读取方法，属于图像特征提取技术领域。

背景技术

图像的特征表现为一幅图像中，有明显光暗变换的地方，例如，图像中的角、轮廓、光线、点等信息。

关于图像特征提取技术，其主要目的就是将图像中有益的特征提取出来，例如之前所提及到的点、线、轮廓、光线等等特征，与此同时，尽量减少由于外界环境干扰所造成的噪音的影响。早在上个世纪七十年代，Moravec就提出了角点特征这个概念，不过当时，他将其称呼为“兴趣点”，但是Moravec角点检测具有很多局限性，例如它不具备旋转不变性，对噪声敏感等。在1988年，Harris提出一种新型的角点特征算法，且该算法对于图像的旋转和灰度变化具有高度不变性，并且性能要优于Moravec角点检测。图像特征提取技术在近几十年来一直处于高速发展阶段，并且取得了极大的进步。在2004年，Lowe提出了SIFT算法(尺度不变特征变换算法)描述子，SIFT算法是图像特征提取领域里程碑式的发现。2006年，Bay沿着Lowe的思路，提出了SURF(全称Speed Up Robust Features(加速稳健特征))局部特征。通过积分图像和Haar(哈尔)小波相结合，SURF进一步提高了特征的提取速度。这些方法对于处理图像识别问题具有很好的鲁棒性，但此类显性特征缺少全局信息。

SIFT算法全称尺度不变特征变换，是由Lowe提出的一种局部特征描述算子。它将图像中检测到的特征点用一个128维的特征向量进行描述，该特征向量具备对图像的缩放、平移、旋转不变的特性。从其命名中可以看出，该算法对于光照、仿射和投影变换等各种干扰因素也有一定的抗干扰性，是一种非常优秀的局部特征描述算法。

霍夫变换(HOUGH)是图像处理技术中的一种特征提取方法，在设定所需检测的形状后，该算法通过对参数空间内各个特征点进行拟合并统计，结合投票算法，将图像中符合所设定识别的形状的集合输出作为霍夫变换的结果。

现有的指针型仪表类型图像示数读取的方法，对于图像要求较高，需要仪表非常准确的摆放才能识别，对于有旋转或是偏移角度的仪表图像的识别率较差，实用性较差，无法满足实际应用中对仪表图像示数识别的需求。

发明内容

发明目的：目前对于指针式仪表的示数读取方法，需要对仪表的摆放位置及背景要求较高，无法应用到实际生活中，为了解决这一问题，本发明提供一种基于SIFT和HOUGH的指针型仪表示数读取方法，解决目前实际生活中仪表图像内仪表位置混乱且背景复杂，或由于仪表位置偏移、或是旋转所导致的仪表示数无法识别的问题。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于SIFT和HOUGH的指针型仪表示数读取方法，包括以下步骤：

步骤1，指针型仪表盘粗定位

采用SIFT特征点匹配算法，找出标准仪表模板和实际拍摄图像之间的匹配特征点。