[发明专利]一种图像局部拓扑结构特征描述符的相似度计算方法

说明书

本发明提出了一种图像局部拓扑结构特征描述符的相似度计算方法，首先，提出了一种局部拓扑结构特征描述符，其次，在比较局部相似度时，基于该描述符的特点，以两个偏序结构找到局部结构的对应关系，并通过提出的代价计算方法量化了不同局部拓扑结构之间的差异，从而可以有效地计算拓扑结构的相似性。本发明与现有的方法比较，精确地量化了局部结构的差异性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种图像局部拓扑结构特征描述符的相似度计算方法。

背景技术

图像的局部特征是一种图像模式，该模式度量了图像各个不同区域之间的差异性，点、边或者小的图像块都可以作为图像的局部特征。通常，局部图像定义为围绕特征中心的一小块区域，基于该区域的上下文信息生成局部描述符，再通过相应的算法来计算描述符之间的数值差，从而得到量化的特征差异。局部特征作为一种强有力的工具，已经广泛应用在计算机视觉系统和多个应用场景之中。其中，点特征由于具有良好的特征不变性和计算实时性，是最重要的一类图像特征，特别在SLAM及立体视觉算法中，能否在目标匹配过程中，保持局部稳定性，是影响到配准精度以及最终3D建模正确性的关键，这时，通过特征点提取算法，图像以离散点集合的形式表示。在计算图像局部特征时，目前主流的局部点特征计算方法是基于形状上下文(shapecontext)以及类似的基于直方图特征描述符的方法，形状上下文主要用于度量两个图像图像轮廓形状的相似性，利用了邻域点围绕特征中心点的统计分布特性，根据邻域点分布的角度和距离信息，描述了该中心点周围的形状特征。其他类似的方法有轮廓点直方图(CPDH)，以目标物体最小外接圆的圆心作为中心点，根据轮廓点的分布形成对数-极坐标直方图，在计算轮廓相似性时，使用了EMD(Earth Mover’sDistance)距离来计算两个轮廓直方图之间的相似度度量。最近很多算法，特别是3D点云配准中，在计算局部特征的时候都选取了形状上下文及类似的方法，然而，该类方法主要是用来描述图像轮廓的，而不是目标的局部结构的，形状上下文在一定程度上可以描述图像局部特征，但是，其采取的直方图方式是一种统计的方法，需要一定数量的形状轮廓点来进行投票从而形成特征直方图。而在描述目标局部结构时，由于局部性的要求，抽样点必定有限，通常为围绕中心点的几个邻居点，通常少于十个，不足以形成有效的特征直方图，其次，由于特征点过少形成的稀疏直方图也无法有效的计算局部相似性，量化相似性时，需要能够区分不同局部特征相似的程度。但在计算两个直方图之间的X²距离时，只要轮廓点分布到直方图的不同栅格上，计算得到的代价值是相同的。例如，三条角度分别为0°，45°，90°的等长边，其形状上下文计算得到的X²距离是相同的,而通常意义下，认为0°的边和45°的边更相似，而和90°的边差异更大,所以该方法无法准确体现轮廓差异的程度。

发明内容

针对现有技术中的上述不足，本发明提供的一种图像局部拓扑结构特征描述符的相似度计算方法，可以有效地计算拓扑结构的相似性，与现有的方法比较，精确地量化了局部结构的差异性。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种图像局部拓扑结构特征描述符的相似度计算方法，包括以下步骤：

S1、将图像轮廓线表示为点集合S_P，并根据所述点集合中点p_i的邻域点得到距离该中点最近的N个点，并由所述N个点构成图像的邻域结构；

S2、获取所述邻域点和中心点两个点之间的角度值和距离值；

S3、根据所述角度值和距离值的大小，分别得到邻域点围绕中心点的距离序列以及角度序列，并由所述距离序列以及角度序列构成图像局部拓扑结构的特征描述符；

S4、对比相似度时，基于所述特征描述符根据所述距离序列得到距离序列的初始对应关系，以及根据所述角度序列得到角度序列验证的对应关系；