[发明专利]一种基于边缘信息的图像匹配方法及装置

说明书

本发明提供一种基于边缘信息的图像匹配方法，所述方法包括对模板图像和待测目标图像分别进行金字塔分层；设置所述模板图像各层的旋转步长；对各金字塔层下的所述模板图像进行旋转；获取旋转图像集中每张图像的边缘梯度信息；获取待测目标图像中每个金字塔层图像的边缘梯度信息；基于当前金字塔层的上一层的匹配信息中相似度最大的结果，设置当前金字塔层的搜索范围；基于当前金字塔层的搜索范围进行匹配，获取当前金字塔层的匹配信息；当前金字塔层为最底层金字塔层，当前金字塔层的匹配信息记为目标的最终匹配位置。本方法能够在待测目标图像出现缩放、旋转、遮挡、光照不均、背景杂乱等情况下实现快速、稳定、高精度的匹配定位。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于边缘信息的图像匹配方法及装置。

背景技术

图像匹配，是在一张待测的目标图像中寻找与模板图像相似的图像区域的过程。现有的图像匹配算法大致分为以下几类：基于灰度的匹配算法、基于特征的匹配算法、基于变换域的匹配算法、基于模型的匹配算法。

其中，基于灰度的匹配算法通过计算模板图像与待测目标图像的灰度值相似度实现匹配。这种匹配算法在良好的光照条件下可以取得较为满意的结果，但是，其对噪声较为敏感，当外界条件发生变化或目标图像出现缺损、遮挡等都会对匹配精度产生较大的影响。基于特征的匹配算法首先提取模板图像的特征，然后通过特征的相似程度对模板图像和待测目标图像进行匹配。这种匹配算法所提取的特征包括点特征、边缘特征和区域特征等。基于变换域的匹配算法是指在频域中对图像进行匹配，频域变换主要有傅里叶变换和小波变换，这种匹配算法的进展较为缓慢。基于模型的匹配算法首先建立运动模型，再对目标变换参数进行估计，最后经卡尔曼滤波得到匹配位置。这类匹配算法中，准确建立运动模型是匹配结果正确的关键，但是计算分析和模型更新较为复杂，实时性较差。

在实际场景中，基于特征的匹配算法应用较多，但是待测目标图像中的物体与模板图像中的物体会存在大小不同、角度不同的问题，导致目标图像与模板图像不能完全吻合，并且待测目标图像容易受光照、遮挡、噪声等影响，图像匹配结果往往精度不高、速度不快、稳定性差。

发明内容

为解决上述技术问题，本发明提出了一种基于边缘信息的图像匹配方法及装置，用以解决现有技术中图像匹配结果精度不高、速度不快、稳定性差的技术问题。

根据本发明的第一方面，提供一种基于边缘信息的图像匹配方法，所述方法包括以下步骤：

步骤S101：设置金字塔层数，对模板图像和待测目标图像分别进行金字塔分层；

步骤S102：设置所述模板图像各层的旋转步长；在一个圆周范围内，依据所述旋转步长，对各金字塔层下的所述模板图像进行旋转，每旋转一次得到一个旋转图像；得到各金字塔层的旋转图像集M_in；其中，i表示金字塔层，n表示第i层中旋转图像的个数；

步骤S103：获取所述旋转图像集M_in中每张图像的边缘梯度信息；

步骤S104：获取所述待测目标图像中每个金字塔层图像的边缘梯度信息；

步骤S105：将所述待测目标图像最顶层金字塔层作为当前金字塔层，在当前金字塔层搜索模板图像，计算所述模板图像与所述待测目标图像的相似度，得到第一匹配信息；

步骤S106：若当前金字塔层为最底层金字塔层，当前金字塔层的匹配信息记为目标的最终匹配位置(u_final,v_final,θ_final)，方法结束；否则，将当前金字塔层的下一层置为当前金字塔层；其中，u_final,v_final,θ_final分别为最终匹配位置的x坐标、最终匹配位置的y坐标、最终匹配位置对应模板图像的旋转角度值；