CN106023181A - 一种基于印刷品的局部线段偏离度特征匹配方法 - Google Patents
一种基于印刷品的局部线段偏离度特征匹配方法 Download PDFInfo
- Publication number
- CN106023181A CN106023181A CN201610322170.0A CN201610322170A CN106023181A CN 106023181 A CN106023181 A CN 106023181A CN 201610322170 A CN201610322170 A CN 201610322170A CN 106023181 A CN106023181 A CN 106023181A
- Authority
- CN
- China
- Prior art keywords
- distance
- straight line
- vector
- location point
- characteristic vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种基于印刷品的局部线段偏离度特征匹配方法,首先提取印刷品的直线段偏离度特征,然后利用最小重合长度和符号差异率进行特征匹配,最后通过直线段的匹配结果确定印刷品局部的匹配关系。本发明解决了不同长度特征间的匹配问题,避免了由于直线段位置点不准确导致的无法匹配和距离误差问题。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种基于印刷品的局部线段偏离度特征匹配方法。
背景技术
图像的特征提取和特征匹配一直是图像处理领域的重点和热点,是图像配准、图像融合等相关领域的关键步骤之一。图像的特征主要包括点特征、线特征和面特征。图像匹配主要分为基于特征和基于灰度的两大类。
目前,基于特征的匹配方案中,基于SIFT的特征提取和匹配算法应用得最为广泛。它能够较好的处理平移、旋转和尺度变化,但对于点特征较少的印刷品局部来说,匹配效果并不令人满意。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于印刷品的局部线段偏离度特征匹配方法。
本发明解决其技术问题所采用的技术方案是:一种基于印刷品的局部线段偏离度特征匹配方法,包括以下步骤:
1)分别对参考印刷品和待匹配印刷品的相同图像局部进行直线段偏离度特征提取;得到参考印刷品图像局部的多个特征向量和待匹配印刷品图像局部的多个特征向量
2)特征向量选取:
步骤2.1:从集合R和集合M分别选取特征向量Di和D′j;
步骤2.2:确定特征向量Di和D′j的最小重合长度LMin;
由于图像经过标准化处理,特征的尺度是相同的。已知特征向量Di和D′j的长度分别为Li和L′j,若Li和L′j相差在30%之内,则LMin的计算规则如下:
LMin=0.9*min(Li,L′j),
若Li和L′j相差超过30%,返回步骤2.1,重新选择特征向量;
3)计算特征向量Di和D′j重合部分的距离;
设特征向量Di和D′j重合部分的长度为L,显然L>Lmin;计算特征向量Di和D′j重合部分中对应分量中符号相异的分量个数Num,则特征向量Di和D′j间的距离为d(Di,D′j)=Num/L中的最小值;
4)匹配判断:若距离小于设定距离阈值,则认为两个线段匹配,反之不匹配;
5)重复步骤2)至4),遍历全部特征向量对的组合;
6)根据线段对应特征间的匹配结果确定印刷品局部间的匹配关系;
由步骤5)确定的匹配特征对个数为NumMatch,集合R和集合M中元素个数分别为NumR和NumM,则以Ratio=NumMatch/(NumR*NumM)的大小判断局部是否匹配;若Ratio大于0.02则局部匹配,反之局部不匹配。
按上述方案,所述步骤1)中针对印刷特征的线段偏离度特征提取方法,包括以下步骤:
1)图像处理:采集印刷品的图像,将印刷品图像转化为标准图像;
2)边缘检测:使用Canny边缘检测算子对图像进行边缘检测,得到图像的边缘位置点;
3)直线检测:利用Hough变换原理对检测到的边缘位置点进行直线检测,获得多条直线;
4)位置点归类:计算每个边缘位置点到直线的距离和投影位置点,根据距离最近原则将位置点分配到各条直线上;
具体如下:设立两个阈值,位置点到直线的最近距离d1和最远距离d2;当位置点到任意直线的距离都大于最远距离d2时,则该位置点不属于任何一条直线;当位置点到多条直线的距离都小于最近距离d1时,则该位置点属于距离小于最近距离d1的多条直线;其余位置点属于距离最近的直线;
5)对位置点在直线上的投影位置进行聚类,确定直线上的直线段个数;
6)根据每个直线段上位置点在直线上的投影位置,按照直线方向进行排序,确定直线段的两个端点对应的位置点;
在步骤6)之前,还包括以下预处理步骤:对直线段上的位置点进行筛选,删除大于平均距离1.5倍的位置点,所述平均距离为所有位置点到距离最近的直线的距离,若位置点到距离最近的直线的距离小于d1,则距离记为d1;
在步骤6)之前,还包括以下预处理步骤:删除位置点个数小于预设值的直线段。
7)特征向量形成:具体步骤为:
7.1)对每条直线段上的位置点到直线的距离,按照直线方向进行排列形成原始特征向量,特征向量的各个分量的值即为对应位置点到直线的距离值;
7.2)根据位置点与直线的位置关系确定向量各个分量的正负符号,具体规则如下:
选定直线段的一个端点A,任意位置点B,位置点B到直线的垂足为C,并将向量与向量扩充成三维向量,则向量与向量叉乘结果的第三维分量的符号为位置点B对应分量的符号;
8)归一化处理,具体步骤为:
8.1)对步骤7)获得的原始特征向量进行等距离插值,得到插值后的特征向量;
8.2)计算插值特征向量中各个分量的均值dMean;
8.3)将插值特征向量分量减去均值dMean,得到归一化的特征向量。
按上述方案,所述步骤4)中设定距离阈值为0.2。
本发明方法的原理是:利用印刷品固有的直线段偏离度特征,通过特征间的最小重合长度及对应特征分量间的符号差异确定印刷品图像间的匹配关系。
本发明产生的有益效果是:通过最小重合长度的办法解决了长度不同的特征间匹配问题,同时避免了由于直线段端点位置不准确导致的无法匹配问题。本发明通过对应特征分量间的符号差异作为特征间的距离,避免了由于边缘检测的位置点不准确导致的距离误差。在小规模实验中,匹配特征间匹配正确率和不匹配特征间的识别正确率接近100%。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的流程图。
图2是本发明实施例中的参考印刷品和待匹配印刷品特征提取示意图;
图3是本发明实施例中的特征匹配示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例中,分别对参考印刷品与待匹配印刷品一(实际匹配)和参考印刷品与待匹配印刷品二(实际不匹配)进行对比说明。如图1所示,本发明提供的一种基于印刷品的局部线段偏离度特征匹配方法,包括以下步骤:
步骤1:分别对参考印刷品、待匹配印刷品一和待匹配印刷品二的图像局部进行直线偏离度特征提取;
根据直线段的偏离度特征提取方法分别对参考印刷品和待匹配印刷品的标准化图像局部提取特征,得到参考印刷品图像局部的多个特征向量待匹配印刷品一图像局部的多个特征向量和待匹配印刷品二图像局部的多个特征向量如图2所示,其中图2(a)为参考印刷品的标准化图像局部,图2(d)和图2(g)分别为待匹配印刷品一和待匹配印刷品二的标准化图像局部,图2(b)、图2(e)和图2(h)为边缘检测结果,图2(c)、图2(f)和图2(i)为Hough变换的直线检测结果。经过直线段聚类和长度过滤处理后,点数小于100的直线段不参与特征匹配,集合R中特征向量个数为4,集合M′中特征向量个数为6,集合M″中特征向量个数为5。
步骤2:对提取的特征进行特征匹配,如图3所示;
由于各种因素的影响,可能会导致直线段端点的不精确,因此在匹配时,需要做进一步处理,具体步骤为:
步骤2.1:从集合R和集合M′分别选取特征向量Di和D′j;
步骤2.2:确定特征向量Di和D′j的最小重合长度LMin;
由于图像经过标准化处理,特征的尺度是相同的。已知特征向量Di和D′j的长度分别为Li和L′j,若Li和L′j相差在30%之内,则LMin的计算规则如下:
LMin=0.9*min(Li,L′j),
否则进入步骤2.1,重新选择特征向量。
步骤2.3:计算特征向量Di和D′j重合部分的距离;
假设特征向量Di和D′j重合部分的长度为L,显然L>=LMin。计算特征向量Di和D′j重合部分中对应分量中符号相异的分量个数Num,则特征向量Di和D′j间的距离为d(Di,D′j)=Num/L中的最小值。
步骤2.4:若距离小于某一阈值,则认为两个线段匹配,反之不匹配。
在本发明的实施中发现,当特征向量Di和D′j间的距离一般小于d(Di,D′j)<0.2时,特征向量Di和D′j匹配,反之则特征向量Di和D′j不匹配。
步骤2.5:重复步骤2.1-2.4,计算全部特征向量对。
步骤3:根据线段对应特征间的匹配结果确定印刷品局部间的匹配关系;
由步骤2确定的匹配特征对个数为NumMatch,集合R和集合M′中元素个数分别为NumR和NumM,则以Ratio=NumMatch/(NumR*NumM)的大小判断局部是否匹配。若Ratio大于0.02则局部匹配,反之局部不匹配。
如表1、表2所示,参考印刷品与待匹配印刷品一之间最小距离小于0.2的出现了13个,比率达到0.54,远原大于预设阈值0.02;而参考印刷品与待匹配印刷品二之间最小距离基本都大于0.3,未出现小于0.2。由此可见,本发明所提出的匹配方法在识别偏离度特征时对匹配特征和不匹配特征都具有较高正确率。
表1
表2
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种基于印刷品的局部线段偏离度特征匹配方法,其特征在于,包括以下步骤:
1)分别对参考印刷品和待匹配印刷品的相同图像局部进行直线段偏离度特征提取;得到参考印刷品图像局部的多个特征向量和待匹配印刷品图像局部的多个特征向量
2)特征向量选取:
步骤2.1)从集合R和集合M分别选取特征向量Di和D′j;
步骤2.2)确定特征向量Di和D′j的最小重合长度LMin;
由于图像经过标准化处理,特征的尺度是相同的。已知特征向量Di和D′j的长度分别为Li和L′j,若Li和L′j相差在30%之内,则LMin的计算规则如下:
LMin=0.9*min(Li,L′j),
若Li和L′j相差超过30%,返回步骤2.1,重新选择特征向量;
3)计算特征向量Di和D′j重合部分的距离;
设特征向量Di和D′j重合部分的长度为L,显然L>Lmin;计算特征向量Di和D′j重合部分中对应分量中符号相异的分量个数Num,则特征向量Di和D′j间的距离为d(Di,D′j)=Num/L中的最小值;
4)匹配判断:若距离小于设定距离阈值,则认为两个线段匹配,反之不匹配;
5)重复步骤2)至4),遍历全部特征向量对的组合;
6)根据线段对应特征间的匹配结果确定印刷品局部间的匹配关系;具体如下:
由步骤5)确定的匹配特征对个数为NumMatch,集合R和集合M中元素个数分别为NumR和NumM,则以Ratio=NumMatch/(NumR*NumM)的大小判断局部是否匹配;若Ratio大于0.02则局部匹配,反之局部不匹配。
2.根据权利要求1所述的局部线段偏离度特征匹配方法,其特征在于,所述特征提取采用以下方法:
1.1)图像处理:采集印刷品的图像,将印刷品图像转化为标准图像;
1.2)边缘检测:使用Canny边缘检测算子对图像进行边缘检测,得到图像的边缘位置点;
1.3)直线检测:利用Hough变换原理对检测到的边缘位置点进行直线检测,获得多条直线;
1.4)位置点归类:计算每个边缘位置点到直线的距离和投影位置点,根据距离最近原则将位置点分配到各条直线上;
具体如下:设立两个阈值,位置点到直线的最近距离d1和最远距离d2;当位置点到任意直线的距离都大于最远距离d2时,则该位置点不属于任何一条直线;当位置点到多条直线的距离都小于最近距离d1时,则该位置点属于距离小于最近距离d1的多条直线;其余位置点属于距离最近的直线;
1.5)对位置点在直线上的投影位置进行聚类,确定直线上的直线段个数;
1.6)根据每个直线段上位置点在直线上的投影位置,按照直线方向进行排序,确定直线段的两个端点对应的位置点;
在步骤1.6)之前,还包括以下预处理步骤:对直线段上的位置点进行筛选,删除大于平均距离1.5倍的位置点,所述平均距离为所有位置点到距离最近的直线的距离,若位置点到距离最近的直线的距离小于d1,则距离记为d1;
在步骤1.6)之前,还包括以下预处理步骤:删除位置点个数小于预设值的直线段。
1.7)特征向量形成:具体步骤为:
1.7.1)对每条直线段上的位置点到直线的距离,按照直线方向进行排列形成原始特征向量,特征向量的各个分量的值即为对应位置点到直线的距离值;
1.7.2)根据位置点与直线的位置关系确定向量各个分量的正负符号,具体规则如下:
选定直线段的一个端点A,任意位置点B,位置点B到直线的垂足为C,并将向量与向量扩充成三维向量,则向量与向量叉乘结果的第三维分量的符号为位置点B对应分量的符号;
1.8)归一化处理,具体步骤为:
1.8.1)对步骤7)获得的原始特征向量进行等距离插值,得到插值后的特征向量;
1.8.2)计算插值特征向量中各个分量的均值dMean;
1.8.3)将插值特征向量分量减去均值dMean,得到归一化的特征向量。
3.根据权利要求1所述的局部线段偏离度特征匹配方法,其特征在于,所述步骤4)中设定距离阈值为0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610322170.0A CN106023181B (zh) | 2016-05-16 | 2016-05-16 | 一种基于印刷品的局部线段偏离度特征匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610322170.0A CN106023181B (zh) | 2016-05-16 | 2016-05-16 | 一种基于印刷品的局部线段偏离度特征匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023181A true CN106023181A (zh) | 2016-10-12 |
CN106023181B CN106023181B (zh) | 2019-03-08 |
Family
ID=57097306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610322170.0A Active CN106023181B (zh) | 2016-05-16 | 2016-05-16 | 一种基于印刷品的局部线段偏离度特征匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023181B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920121A (zh) * | 2021-12-14 | 2022-01-11 | 武汉亚美高工艺制品有限公司 | 基于图像处理的工艺品印刷条痕检测方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020118881A1 (en) * | 2000-12-27 | 2002-08-29 | Samsung Electronics Co., Ltd. | Line based image matching method |
CN101315698A (zh) * | 2008-06-25 | 2008-12-03 | 中国人民解放军国防科学技术大学 | 基于直线特征图像配准中的特征匹配方法 |
CN104820983A (zh) * | 2015-04-23 | 2015-08-05 | 清华大学 | 一种图像匹配方法 |
-
2016
- 2016-05-16 CN CN201610322170.0A patent/CN106023181B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020118881A1 (en) * | 2000-12-27 | 2002-08-29 | Samsung Electronics Co., Ltd. | Line based image matching method |
CN101315698A (zh) * | 2008-06-25 | 2008-12-03 | 中国人民解放军国防科学技术大学 | 基于直线特征图像配准中的特征匹配方法 |
CN104820983A (zh) * | 2015-04-23 | 2015-08-05 | 清华大学 | 一种图像匹配方法 |
Non-Patent Citations (3)
Title |
---|
ZHIHENG WANG 等: "MSLD:A robust discriptor for line matching", 《PATTERN RECOGNITION》 * |
刘春阁: "基于Hough变换的直线提取与匹配", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈志良: "序列图像中的直线特征提取与匹配", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920121A (zh) * | 2021-12-14 | 2022-01-11 | 武汉亚美高工艺制品有限公司 | 基于图像处理的工艺品印刷条痕检测方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN106023181B (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6710135B2 (ja) | 細胞画像の自動分析方法及びシステム | |
EP3620964B1 (en) | Lane line processing method and device | |
CN111382785B (zh) | 一种gan网络模型及实现样本自动清洗、辅助标记的方法 | |
CN110490190B (zh) | 一种结构化图像文字识别方法及*** | |
CN113343740B (zh) | 表格检测方法、装置、设备和存储介质 | |
KR101893679B1 (ko) | 딥 러닝을 이용한 카드번호 인식방법 | |
CN108509988B (zh) | 一种试卷分数自动统计方法、装置、电子设备及存储介质 | |
CN111353492B (zh) | 一种标准化文档的图像识别和信息提取方法及装置 | |
CN105354533B (zh) | 一种基于词袋模型的卡口无牌车辆车型识别方法 | |
CN110738238B (zh) | 一种证件信息的分类定位方法及装置 | |
CN112997190A (zh) | 车牌识别方法、装置及电子设备 | |
CN113033558B (zh) | 一种用于自然场景的文本检测方法及装置、存储介质 | |
CN105279506A (zh) | 满文单词中轴线的定位方法 | |
CN111310746A (zh) | 文本行检测方法、模型训练方法、装置、服务器及介质 | |
CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN105844235B (zh) | 基于视觉显著性的复杂环境人脸检测方法 | |
CN114445843A (zh) | 固定版式的卡证图像文字识别方法和装置 | |
CN106023181A (zh) | 一种基于印刷品的局部线段偏离度特征匹配方法 | |
CN111767909B (zh) | 一种字符识别方法、设备及计算机可读存储介质 | |
CN115438682B (zh) | 用于确定解码方向的方法、装置及解码设备 | |
CN105550706A (zh) | 一种2d图像与3d图像的识别方法 | |
CN113705571B (zh) | 基于rgb阈值去红章的方法、装置、可读介质及电子设备 | |
CN108520533A (zh) | 一种面向工件定位的多维度特征配准方法 | |
CN112686129B (zh) | 一种人脸识别***及方法 | |
CN105069773B (zh) | 基于掩膜与canny相结合的自适应边缘检测计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |