[发明专利]一种基于变形匹配能量函数的目标配准识别方法

说明书

一种基于变形匹配能量函数的目标配准识别方法，属于计算机视觉技术领域，包括以下步骤：S1：构建新的变形分解模型来分别描述物体的轴向变形和弯曲变形；S2：进行变形匹配分析，找到从参考图像T_r到目标图像T_t的映射M:T_r→T_t，先将变形匹配问题转化为二维标号的马尔可夫随机场模型的标号推理问题，再用最小化的能量函数E(f)求得马尔可夫随机场模型的最好标号集；S3：根据模板图像中的已知目标位置，提取目标的信息，完成识别任务。本发明的变形分解模型能很好地描述复杂、多样的物体的轴向与弯曲变形；利用二维标号随机场模型的标号推理，可约束物体的变形、保持物体变形时的连续性，同时使物理模型和匹配策略完美结合；该随机场模型还可以很容易地扩展到更统一的n维标号随机模型。

技术领域

本发明属于计算机视觉技术领域，更具体地，设计一种基于变形匹配能量函数的目标配准识别方法。

背景技术

变形物体匹配，又称为变形匹配或者弹性匹配，是计算机视觉中一个非常重要且极具挑战性的问题。在物体识别的很多任务，如物体分类，物体检测中都有重要的应用。计算机视觉任务所处理的图像中往往包含有很多复杂形变的物体，如有姿态变化的人体和有表情变化的人脸，如何描述这些物体的变形，并找到不同图像中变形物体之间的对应关系是计算机视觉中非常重要的问题，同时它在计算机视觉和物体识别任务中有很广泛的应用，比如图像分类、物体检测、手写体识别和医学图像分析等。在给定的任务中，给定的两幅图像，通常一幅图像被称为参考图像，而另一幅被称为目标图像。变形物体匹配任务的目标就是找到目标图像和参考图像中物体的结构或特征之间的关系。

由于真实世界中的物体存在多种多样的复杂形变，因此如何找到图像中变形物体之间的对应关系是一个非常困难的问题。通常，表观建模往往根据不同的视觉任务或图像特性选取合适的图像特征，而对物体的视觉结构建模研究则是变形物体匹配任务的研究重点。在过去几十年中，大量的变形结构模型被提出，大多数的结构模型通过设计一些经验性的平滑约束，比如绝对位移约束，或者是像素间的相对位移约束，然后在这些平滑约束下扭曲参考图像来实现变形物体之间的匹配，这些约束在扭曲参考图像时可以有效地保持物体的连续性。然而，这种手工设计的平滑约束无法描述物体的不同变形方式，因此很难处理复杂的物体形变，在匹配和识别任务中这些结构模型往往无法很好地保持变形物体的内在结构。另一方面，具有不同物理属性的物体(如人脸和人体)的变形方式相差很大。由于这些结构模型缺少对物体形变内在物理属性的建模和研究，无法处理具有不同特性的物体的形变。

图绘模型(Pictorial structure models)是一种早期的物理模型，他利用弹簧模型来描述物体的不同部件之间的结构变化。但是这种模型只能得到物体几个部件之间粗略的对应关系，无法得到物体局部表现之间精确的密集的匹配。同时，由于图绘模型中的弹簧模型无法描述弹性物体的弯曲形变，因此他无法准确地物体的复杂形变进行建模和描述。因此，如何对变形物体进行有效地结构化建模对变形物体匹配任务是至关重要的。

最简单的变形模板匹配算法就是图像扭曲模型(Image distortion model，IDM)，它在很多视觉任务中得到成功应用。但是这个方法只考虑了图像扭曲时每个像素点的绝对位移，而忽略了相邻像素点之间的结构关系。二维隐马尔可夫模型(Two-dimensionalhidden Markow，HMM)，通过加入相邻像素点之间的位移关系来约束物体的变形。与IDM模型相比，HMM模型能够更好的保持物体变形时的连续性，但是HMM模型仍然无法很好地处理物体的复杂形变，因为在这个模型中相邻像素点之间的距离被限制在或两个像素点间。因此，这种手工设计的约束很难很好地描述物体的变形，并且经常无法在变形过程中保持物体的内在结构。