CN110738222B - 图像匹配方法、装置、计算机设备和存储介质 - Google Patents
图像匹配方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110738222B CN110738222B CN201810790418.5A CN201810790418A CN110738222B CN 110738222 B CN110738222 B CN 110738222B CN 201810790418 A CN201810790418 A CN 201810790418A CN 110738222 B CN110738222 B CN 110738222B
- Authority
- CN
- China
- Prior art keywords
- image
- matched
- matching
- feature points
- sift feature
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像匹配方法、装置、计算机设备和存储介质。所述方法包括:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点,获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域,根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。这样以最佳匹配点对为依据,从参考图像中寻找比对区域进行图像匹配,缩小了匹配范围,从而降低了误匹配的概率,提高了匹配准确率。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种图像匹配方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的快速发展,图像传感器广泛应用于新闻媒体、国防军事、医疗卫生等各个领域,通过图像传感器可以实现动态、快速、准确地获取多种目标观测图像数据。
随着图像的容量快速增长,对图像数据的处理需求也日益增长,比如图像匹配技术,传统的图像匹配方法存在匹配准确率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高匹配准确率的图像匹配方法、装置、计算机设备和存储介质。
一种图像匹配方法,所述方法包括:
获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;
根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点;
获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域;
根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果。
在一个实施例中,所述根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果,包括:
根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对;
当所述匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果。
在一个实施例中,所述根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对,包括:
计算所述待匹配图像的各SIFT特征点与所述比对区域的各SIFT特征点之间的欧氏距离;
获取各所述欧氏距离中的最小欧氏距离以及次近欧氏距离;
当所述最小欧氏距离与所述次近欧氏距离的比值小于预设比值时,得到匹配点对,所述匹配点对包括所述待匹配图像的SIFT特征点以及所述待匹配图像的SIFT特征点在所述比对区域的匹配点。
在一个实施例中,所述根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对之后还包括:
获取各匹配点对之间的角度;
剔除所述角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;
所述当所述匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果,包括:
当所述更新的匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果。
在一个实施例中,所述根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,包括:
计算所述待匹配图像的各SIFT特征点与所述参考图像的各SIFT特征点之间的欧氏距离;
获取各所述欧氏距离中的最小欧氏距离,将所述最小欧氏距离对应的两个特征点作为最佳匹配点对。
在一个实施例中,所述根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域,包括:
根据所述匹配特征点在所述参考图像的位置、所述匹配特征点对应的SIFT特征点在所述待匹配图像中的位置以及所述待匹配图像的尺寸大小,得到所述待匹配图像在所述参考图像中的比对区域。
在一个实施例中,所述获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,包括:
获取待匹配图像以及待匹配图像对应的参考图像;
对所述待匹配图像和所述参考图像分别进行高斯模糊处理,得到所述待匹配图像的SIFT特征点和所述参考图像的SIFT特征点,其中,所述高斯模糊处理中的数据类型为整型数据。
一种图像匹配装置,所述装置包括:
特征点获取模块,用于获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;
最佳匹配点对获取模块,用于根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点;
比对区域确定模块,用于获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域;
匹配模块,用于根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;
根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点;
获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域;
根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;
根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点;
获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域;
根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果。
上述图像匹配方法、装置、计算机设备和存储介质,通过获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点,获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域,根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果,这样以最佳匹配点对为依据,从参考图像中寻找比对区域进行图像匹配,缩小了匹配范围,从而降低了误匹配的概率,提高了匹配准确率。
附图说明
图1为一个实施例中图像匹配方法的应用环境图;
图2为一个实施例中图像匹配方法的流程示意图;
图3为一个实施例中根据比对区域得到待匹配图像的匹配结果步骤的流程示意图;
图4为一个实施例中根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对步骤的流程示意图;
图5为另一个实施例中图像匹配方法的流程示意图;
图6为一个实施例中根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对步骤的流程示意图;
图7为又一个实施例中图像匹配方法的流程示意图;
图8为一个实施例中图像匹配装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的图像匹配方法,以应用于纸纹防伪***为例,纸纹防伪***可用来鉴别输入纸纹的真伪,图像匹配方法可以应用于如图1所示的应用环境中。其中,纸纹采集终端102通过网络与服务器104通过网络进行通信。纸纹采集终端102获取输入纸纹图像,将输入纸纹图像发送至服务器104,服务器104获取输入纸纹图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,根据输入纸纹图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括输入纸纹图像的特征点以及输入纸纹图像的特征点在参考图像中的匹配特征点,根据匹配特征点在参考图像的位置,得到输入纸纹图像在参考图像中的比对区域,根据比对区域对输入纸纹图像进行匹配,得到输入纸纹图像的匹配结果。其中,纸纹采集终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式验伪设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种图像匹配方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点。
待匹配图像是指用户输入的,需要获取匹配结果的图像;参考图像是指数据库中预先存储的与待匹配图像对应的标准图像,该图像已知晓结果,比如在纸纹防伪***中,待匹配图像为真伪未知的票据对应的图像,待匹配图像对应的参考图像为真票据对应的图像。SIFT(Scale Invariant Feature Transform,尺度不变特征变换)特征点是指图像中具有明显特性,并能够识别图像中的物体的点。特征点不会随图像的投影、旋转、缩放等操作而改变,由于特征点是图像的部分关键点,通过提取特征点来标识图像可以减少存储整幅图像的存储量。SIFT是一种基于尺度空间的图像局部特征描述方法,利用SIFT方法从图像中提取的特征点具有很好的抗干扰性,不但对图像测尺度和旋转保持不变,而且对噪声、光线变化也具有很强的鲁棒特性。
具体地,通过不同的采样距离对图像进行采样,得到一系列大小不一的图形,由大到小,从下到上,形成一个金字塔形状的图像分层结构。将金字塔每层多张图像合称为一组图像,将每层的一张图像使用不同参数做高斯模糊,使得每层具有多张高斯模糊图像。将像素点与同一层的其他像素点比较,与相邻的上下层图像的像素点进行比较,提取出灰度极大值或极小值点,以确定候选特征点,过滤候选特征点中的低对比度值点以及位于边缘处的候选特征点。
步骤204,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点。
最佳匹配点对是指相似度最高的待匹配图像的SIFT特征点与参考图像的SIFT特征点。分别计算待匹配图像中的各SIFT特征点与参考图像的各SIFT特征点的相似度,获取相似度最高的待匹配图像的SIFT特征点与参考图像的SIFT特征点,作为最佳匹配点对。具体地,可以求取待匹配图像中的各SIFT特征点与参考图像的各SIFT特征点的欧氏距离,欧氏距离是指在m维空间中两个点之间的真实距离,或者向量的自然长度。欧氏距离可以体现两个点的特征相似度,欧氏距离越小,相似度越大;欧氏距离越大,相似度越小。将欧氏距离最小的待匹配图像中的SIFT特征点与参考图像的SIFT特征点作为最佳匹配点对。
步骤206,获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域。
匹配特征点是指最佳匹配点对中位于参考图像中的特征点,获取匹配特征点在参考图像中的位置,结合最佳匹配点对中位于待匹配图像中的特征点的位置,在参考图像中截取与待匹配图像尺寸大小一致的区域,作为比对区域。
步骤208,根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
将待匹配图像与比对区域对应的图像进行匹配,当待匹配图像与比对区域对应的图像匹配时,得到两者相匹配的结果。当待匹配图像与比对区域对应的图像不匹配时,得到两者不匹配的结果。
上述图像匹配方法,通过获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点,获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域,根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果,这样以最佳匹配点对为依据,从参考图像中寻找比对区域进行图像匹配,缩小了匹配范围,从而降低了误匹配的概率,提高了匹配准确率。
在一个实施例中,如图3所示,根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果,包括:步骤302,根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;步骤304,当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
比如,在验票签发时,待匹配图像是指验票人员实时获取的纸纹区域图像,通过SIFT匹配签发时需要在预先存储的验证纸纹区域中找到对应的区域。由于预先存储的验证纸纹区域较大,在进行SIFT匹配时不可避免地会存在一些无法剔除的误匹配点,但是如果验证纸纹区域面积能够缩小,将会降低误匹配的概率。以最佳匹配点对作为依据,先从预先存储的验证纸纹区域中寻找一个对应实时获取的纸纹区域图像面积大小的区域,以此区域作为比对区域。如果实时获取的纸纹区域与比对区域两者之间的匹配点对数量达到预设点对数量,则认为待匹配图像与比对区域对应的图像是同一张票据。
在一个实施例中,如图4所示,根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对,包括:步骤402,计算待匹配图像的各SIFT特征点与比对区域的各SIFT特征点之间的欧氏距离;步骤404,获取各欧氏距离中的最小欧氏距离以及次近欧氏距离;步骤406,当最小欧氏距离与次近欧氏距离的比值小于预设比值时,得到匹配点对,匹配点对包括待匹配图像的SIFT特征点以及待匹配图像的SIFT特征点在比对区域的匹配点。
欧氏距离是指在m维空间中两个点之间的真实距离,或者向量的自然长度。在二维和三维空间中的欧氏距离就是两点之间的实际距离。二维空间中点A(x1,y1与点B(x2,y2)之间的欧氏距离在三维空间中的点A(x1,y1,z1与点B(x2,y2,z2之间的欧氏距离 通过欧氏距离来比较两个特征点的相似度,通过计算最小欧氏距离和次近欧氏距离的比值,将比值与预设阈值进行比较,得到匹配点对。具体地,对于待匹配图像中的某一特征点,计算在比对区域中最小欧氏距离和次近欧氏距离,并计算最小欧氏距离与次近欧氏距离的比值,如果比值小于预设比值,则匹配成功;否则,匹配失败。由于特征点以128维数据表示,正确匹配的特征点对之间的欧氏距离会明显比误匹配的特征点对之间的欧氏距离小,因此,通过最小欧氏距离与次近欧氏距离的比值来筛选匹配点对,可以有效降低误匹配率,筛选出正确的匹配点对。
在一个实施例中,如图5所示,根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对之后还包括:步骤506,获取各匹配点对之间的角度;步骤508,剔除角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果,包括:步骤510,当更新的匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
通过欧氏距离表示两个特征点的相似度,欧氏距离值越小,两个特征点越相似,采用最小欧氏距离与次近欧氏距离的比值筛选出匹配点对,如果确实存在很相近的误匹配点,则无法剔除。在纸纹防伪***中,基于纸纹防伪仪拍摄的纸纹图缩放不明显,旋转可以根据票据边缘矫正的优势,除了通过最小欧氏距离与次近欧氏距离的比值剔除误匹配点之外,还可结合总体的匹配点趋势进行剔除。比如认为经过最小欧氏距离与次近欧氏距离的比值筛选留下的匹配点对80%以上是正确的,则可以获取各匹配点对之间的角度,剔除角度不处于预设角度区间的匹配点对。具体地,根据匹配点对连线在匹配主方向上是平行的方式,剔除那些欧氏距离很近但匹配点连线与主方向存在较大角度的误匹配点对。每对匹配点连接成线后,所有正确的匹配点之间的连线应该接***行,即主方向为直线平行的方向,如果某对特征点误匹配,则其连线必和主方向存在一个比较大的夹角。
在一个实施例中,如图6所示,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,包括:步骤602,计算待匹配图像的各SIFT特征点与参考图像的各SIFT特征点之间的欧氏距离;步骤604,获取各欧氏距离中的最小欧氏距离,将最小欧氏距离对应的两个特征点作为最佳匹配点对。
待匹配图像中所有点与参考图像中的所有点都计算两点之间的欧氏距离值,将最小的欧氏距离值所对应的两个特征点作为最佳匹配点对。再以最佳匹配点对中参考图像中匹配特征点的位置,结合待匹配图像中对应SIFT特征点的位置,在参考图像中截取和待匹配图像大小一致的一个比对区域,然后在比对区域中求取匹配点,这样就减小了搜索区域,从而减小了误匹配的风险。具体地,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域,包括:根据匹配特征点在参考图像的位置、匹配特征点对应的SIFT特征点在待匹配图像中的位置以及待匹配图像的尺寸大小,得到待匹配图像在参考图像中的比对区域。
在一个实施例中,如图7所示,获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,包括:步骤702,获取待匹配图像以及待匹配图像对应的参考图像;步骤704,对待匹配图像和参考图像分别进行高斯模糊处理,得到待匹配图像的SIFT特征点和参考图像的SIFT特征点,其中,高斯模糊处理中的数据类型为整型数据。
SIFT算法是在不同的尺度空间上查找关键点,尺度空间的获取需要使用高斯模糊来实现,高斯卷积核是实现尺度变换的唯一变换核。高斯模糊是一种图像滤波器,使用高斯函数计算模糊模板,并使用该模板与原图像进行卷积运算,达到模糊图像的目的。高斯核数据是一组固定的数据,数据以中心数据呈高斯形式分布,高斯核数据可以设置不同的半径,即二维矩阵的大小,高斯核数据是一组高精度浮点型数据。定点化数据处理是指将浮点型数据转换为整型数据进行计算,在处理完成后再将整型数据转换为浮点型数据。由于处理整型数据比处理高精度浮点型数据的速度要快,将浮点型数据转换为整型数据进行计算,可以加快处理速度。由于提取SIFT特征点需要进行多次图像的高斯模糊计算,而每张图像计算时利用定点化数据处理的方式可以提高总体效率。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,对于纸纹防伪***采集的纸纹,需要在签发纸纹区域查找是否存在对应的区域。由于签发纸纹区域较大,在进行SIFT匹配时不可避免地会存在一些无法剔除的误匹配点,但是如果签发纸纹区域面积能够缩小,将会降低误匹配的概率。计算待匹配图像中的各SIFT特征点与参考图像的各SIFT特征点的相似度,获取相似度最高的待匹配图像的SIFT特征点与参考图像的SIFT特征点,作为最佳匹配点对。以最佳匹配点对作为依据,先从签发纸纹区域中寻找一个与获取的纸纹区域面积大小一致的区域,以此区域作为比对区域。通过欧氏距离来比较两个特征点的相似度,通过计算最小欧氏距离和次近欧氏距离的比值,将比值与预设比值进行比较,得到匹配点对。根据匹配点对连线在匹配主方向上是平行的方式,剔除那些欧氏距离很近但匹配点连线与主方向存在较大角度的误匹配点对。如果实时获取的纸纹区域与比对区域两者之间的匹配点对数量达到预设点对数量,则认为实时获取的纸纹区域对应的图像与比对区域对应的图像是同一张票据。
在一个实施例中,如图8所示,提供了一种图像匹配装置,包括:特征点获取模块802、最佳匹配点对获取模块804、比对区域确定模块806和匹配模块808。其中,特征点获取模块,用于获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点。最佳匹配点对获取模块,用于根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点。比对区域确定模块,用于获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域。匹配模块,用于根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,匹配模块包括匹配点对获取单元,用于根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;图像匹配单元,用于当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,匹配点对获取单元包括欧氏距离计算单元,用于计算待匹配图像的各SIFT特征点与比对区域的各SIFT特征点之间的欧氏距离;距离筛选单元,用于获取各欧氏距离中的最小欧氏距离以及次近欧氏距离;比值筛选单元,用于当最小欧氏距离与次近欧氏距离的比值小于预设比值时,得到匹配点对,匹配点对包括待匹配图像的SIFT特征点以及待匹配图像的SIFT特征点在比对区域的匹配点。
在一个实施例中,匹配点对获取单元之后还包括:角度获取单元,用于获取各匹配点对之间的角度;更新单元,用于剔除角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;图像匹配单元,用于当更新的匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,最佳匹配点对获取模块包括特征点距离计算单元,用于计算待匹配图像的各SIFT特征点与参考图像的各SIFT特征点之间的欧氏距离;最小距离获取单元,用于获取各欧氏距离中的最小欧氏距离,将最小欧氏距离对应的两个特征点作为最佳匹配点对。
在一个实施例中,比对区域确定模块,用于根据匹配特征点在参考图像的位置、匹配特征点对应的SIFT特征点在待匹配图像中的位置以及待匹配图像的尺寸大小,得到待匹配图像在参考图像中的比对区域。
在一个实施例中,特征点提取模块包括:图像获取单元,用于获取待匹配图像以及待匹配图像对应的参考图像;数据处理单元,用于对待匹配图像和参考图像分别进行高斯模糊处理,得到待匹配图像的SIFT特征点和参考图像的SIFT特征点,其中,高斯模糊处理中的数据类型为整型数据。
关于图像匹配装置的具体限定可以参见上文中对于图像匹配方法的限定,在此不再赘述。上述图像匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储参考图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像匹配方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;计算待匹配图像的各SIFT特征点与比对区域的各SIFT特征点之间的欧氏距离;获取各欧氏距离中的最小欧氏距离以及次近欧氏距离;当最小欧氏距离与次近欧氏距离的比值小于预设阈值时,得到匹配点对,匹配点对包括待匹配图像的SIFT特征点以及待匹配图像的SIFT特征点在比对区域的匹配点;当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;获取各匹配点对之间的角度;剔除角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;当更新的匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;计算待匹配图像的各SIFT特征点与参考图像的各SIFT特征点之间的欧氏距离;获取各欧氏距离中的最小欧氏距离,将最小欧氏距离对应的两个特征点作为最佳匹配点对;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置、匹配特征点对应的SIFT特征点在待匹配图像中的位置以及待匹配图像的尺寸大小,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待匹配图像以及待匹配图像对应的参考图像;对待匹配图像和参考图像分别进行高斯模糊处理,得到待匹配图像的SIFT特征点和参考图像的SIFT特征点,其中,高斯模糊处理中的数据类型为整型数据;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;计算待匹配图像的各SIFT特征点与比对区域的各SIFT特征点之间的欧氏距离;获取各欧氏距离中的最小欧氏距离以及次近欧氏距离;当最小欧氏距离与次近欧氏距离的比值小于预设阈值时,得到匹配点对,匹配点对包括待匹配图像的SIFT特征点以及待匹配图像的SIFT特征点在比对区域的匹配点;当匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据待匹配图像的SIFT特征点与比对区域的SIFT特征点,得到匹配点对;获取各匹配点对之间的角度;剔除角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;当更新的匹配点对的数量大于预设点对数量时,得到待匹配图像与比对区域对应的图像匹配的结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;计算待匹配图像的各SIFT特征点与参考图像的各SIFT特征点之间的欧氏距离;获取各欧氏距离中的最小欧氏距离,将最小欧氏距离对应的两个特征点作为最佳匹配点对;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置、匹配特征点对应的SIFT特征点在待匹配图像中的位置以及待匹配图像的尺寸大小,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待匹配图像以及待匹配图像对应的参考图像;对待匹配图像和参考图像分别进行高斯模糊处理,得到待匹配图像的SIFT特征点和参考图像的SIFT特征点,其中,高斯模糊处理中的数据类型为整型数据;根据待匹配图像的SIFT特征点与参考图像的SIFT特征点,得到最佳匹配点对,最佳匹配点对包括待匹配图像的特征点在参考图像中的匹配特征点;获取最佳匹配点对中匹配特征点在参考图像的位置,根据匹配特征点在参考图像的位置,得到待匹配图像在参考图像中的比对区域;根据比对区域对待匹配图像进行匹配,得到待匹配图像的匹配结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像匹配方法,所述方法包括:
获取待匹配图像的SIFT特征点和所述待匹配图像对应的参考图像的SIFT特征点;
根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点,所述最佳匹配点对是指相似度最高的待匹配图像的SIFT特征点与参考图像的SIFT特征点;
获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,在所述参考图像中截取与所述待匹配图像尺寸大小一致的区域,作为比对区域;
将所述待匹配图像与所述比对区域对应的图像进行特征点匹配,得到所述待匹配图像的匹配结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述比对区域对待匹配图像进行匹配,得到所述待匹配图像的匹配结果,包括:
根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对;
当所述匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对,包括:
计算所述待匹配图像的各SIFT特征点与所述比对区域的各SIFT特征点之间的欧氏距离;
获取各所述欧氏距离中的最小欧氏距离以及次近欧氏距离;
当所述最小欧氏距离与所述次近欧氏距离的比值小于预设比值时,得到匹配点对,所述匹配点对包括所述待匹配图像的SIFT特征点以及所述待匹配图像的SIFT特征点在所述比对区域的匹配点。
4.根据权利要求2所述的方法,其特征在于,所述根据所述待匹配图像的SIFT特征点与所述比对区域的SIFT特征点,得到匹配点对之后还包括:
获取各匹配点对之间的角度;
剔除所述角度中不处于预设角度区间的匹配点对,得到更新的匹配点对;
所述当所述匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果,包括:
当所述更新的匹配点对的数量大于预设点对数量时,得到所述待匹配图像与所述比对区域对应的图像匹配的结果。
5.根据权利要求1所述的方法,其特征在于,所述根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,包括:
计算所述待匹配图像的各SIFT特征点与所述参考图像的各SIFT特征点之间的欧氏距离;
获取各所述欧氏距离中的最小欧氏距离,将所述最小欧氏距离对应的两个特征点作为最佳匹配点对。
6.根据权利要求1所述的方法,其特征在于,所述根据所述匹配特征点在所述参考图像的位置,得到所述待匹配图像在所述参考图像中的比对区域,包括:
根据所述匹配特征点在所述参考图像的位置、所述匹配特征点对应的SIFT特征点在所述待匹配图像中的位置以及所述待匹配图像的尺寸大小,得到所述待匹配图像在所述参考图像中的比对区域。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点,包括:
获取待匹配图像以及待匹配图像对应的参考图像;
对所述待匹配图像和所述参考图像分别进行高斯模糊处理,得到所述待匹配图像的SIFT特征点和所述参考图像的SIFT特征点,其中,所述高斯模糊处理中的数据类型为整型数据。
8.一种图像匹配装置,其特征在于,所述装置包括:
特征点获取模块,用于获取待匹配图像的SIFT特征点和待匹配图像对应的参考图像的SIFT特征点;
最佳匹配点对获取模块,用于根据所述待匹配图像的SIFT特征点与所述参考图像的SIFT特征点,得到最佳匹配点对,所述最佳匹配点对包括所述待匹配图像的特征点在所述参考图像中的匹配特征点,所述最佳匹配点对是指相似度最高的待匹配图像的SIFT特征点与参考图像的SIFT特征点;
比对区域确定模块,用于获取所述最佳匹配点对中匹配特征点在所述参考图像的位置,根据所述匹配特征点在所述参考图像的位置,在所述参考图像中截取与所述待匹配图像尺寸大小一致的区域,作为比对区域;
匹配模块,将所述待匹配图像与所述比对区域对应的图像进行特征点匹配,得到所述待匹配图像的匹配结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810790418.5A CN110738222B (zh) | 2018-07-18 | 2018-07-18 | 图像匹配方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810790418.5A CN110738222B (zh) | 2018-07-18 | 2018-07-18 | 图像匹配方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738222A CN110738222A (zh) | 2020-01-31 |
CN110738222B true CN110738222B (zh) | 2022-12-06 |
Family
ID=69234895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810790418.5A Active CN110738222B (zh) | 2018-07-18 | 2018-07-18 | 图像匹配方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738222B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680549B (zh) * | 2020-04-28 | 2023-12-05 | 肯维捷斯(武汉)科技有限公司 | 一种纸纹识别方法 |
CN112070813A (zh) * | 2020-08-21 | 2020-12-11 | 国网山东省电力公司青岛供电公司 | 一种基于连线特征一致性的特征匹配方法 |
CN112766264B (zh) * | 2021-01-25 | 2024-06-07 | 广州互联网法院 | 图片比对方法及电子设备、计算机可读存储介质 |
CN115205562B (zh) * | 2022-07-22 | 2023-03-14 | 四川云数赋智教育科技有限公司 | 一种基于特征点的任意试卷配准方法 |
CN117236566B (zh) * | 2023-11-10 | 2024-02-06 | 山东顺发重工有限公司 | 一种全程可视的法兰盘包装管理*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819680A (zh) * | 2010-05-12 | 2010-09-01 | 上海交通大学 | 图像匹配点对的检测方法 |
CN102034114A (zh) * | 2010-12-03 | 2011-04-27 | 天津工业大学 | 一种基于特征点检测的模板匹配跟踪方法 |
CN102722731A (zh) * | 2012-05-28 | 2012-10-10 | 南京航空航天大学 | 一种基于改进sift算法的高效图像匹配方法 |
CN105069636A (zh) * | 2015-08-11 | 2015-11-18 | 深圳兆日科技股份有限公司 | 一种物质防伪方法和物质防伪*** |
WO2016062159A1 (zh) * | 2014-10-20 | 2016-04-28 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN106023187A (zh) * | 2016-05-17 | 2016-10-12 | 西北工业大学 | 一种基于sift特征和角度相对距离的图像配准方法 |
-
2018
- 2018-07-18 CN CN201810790418.5A patent/CN110738222B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819680A (zh) * | 2010-05-12 | 2010-09-01 | 上海交通大学 | 图像匹配点对的检测方法 |
CN102034114A (zh) * | 2010-12-03 | 2011-04-27 | 天津工业大学 | 一种基于特征点检测的模板匹配跟踪方法 |
CN102722731A (zh) * | 2012-05-28 | 2012-10-10 | 南京航空航天大学 | 一种基于改进sift算法的高效图像匹配方法 |
WO2016062159A1 (zh) * | 2014-10-20 | 2016-04-28 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN105069636A (zh) * | 2015-08-11 | 2015-11-18 | 深圳兆日科技股份有限公司 | 一种物质防伪方法和物质防伪*** |
CN106023187A (zh) * | 2016-05-17 | 2016-10-12 | 西北工业大学 | 一种基于sift特征和角度相对距离的图像配准方法 |
Non-Patent Citations (1)
Title |
---|
基于SIFT和改进的RANSAC图像配准算法;贾雯晓等;《计算机工程与应用》;20180115(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110738222A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738222B (zh) | 图像匹配方法、装置、计算机设备和存储介质 | |
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
JP5427883B2 (ja) | 画像識別のためのスケールにロバストな特徴に基づく識別子 | |
EP2833294B1 (en) | Device to extract biometric feature vector, method to extract biometric feature vector and program to extract biometric feature vector | |
CN107145829B (zh) | 一种融合纹理特征和尺度不变特征的掌静脉识别方法 | |
CN107622489B (zh) | 一种图像篡改检测方法及装置 | |
CN110738236B (zh) | 图像匹配方法、装置、计算机设备及存储介质 | |
EP3300000B1 (en) | Method, apparatus, and non-transitory computer-readable storage medium for verification process | |
JP2011511340A (ja) | 画像識別のための特徴ベースの識別特性(signature) | |
CN110909809A (zh) | 基于深度学习的卡证图像识别方法 | |
CN111009001A (zh) | 一种图像配准方法、装置、设备及存储介质 | |
CN111199558A (zh) | 一种基于深度学习的图像匹配方法 | |
Khodadoust et al. | Partial fingerprint identification for large databases | |
El-Abed et al. | Quality assessment of image-based biometric information | |
CN109840529B (zh) | 一种基于局部敏感置信度评估的图像匹配方法 | |
JP6526494B2 (ja) | 情報処理プログラム及び情報処理装置 | |
CN111915645B (zh) | 影像匹配方法、装置、计算机设备及计算机可读存储介质 | |
CN109871779B (zh) | 掌纹识别的方法及电子设备 | |
CN108304838B (zh) | 一种图片信息识别方法及终端 | |
JP5414631B2 (ja) | 文字列探索方法、文字列探索装置、記録媒体 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
Wu et al. | An accurate feature point matching algorithm for automatic remote sensing image registration | |
WO2020001400A1 (zh) | 纹路识别设备分辨率的测试方法及装置、***及存储介质 | |
JP2007179267A (ja) | パターン照合装置 | |
CN113077410A (zh) | 图像检测方法、装置方法、芯片及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |