CN111950563A - 一种图像匹配方法、装置以及计算机可读存储介质 - Google Patents
一种图像匹配方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111950563A CN111950563A CN202010582626.3A CN202010582626A CN111950563A CN 111950563 A CN111950563 A CN 111950563A CN 202010582626 A CN202010582626 A CN 202010582626A CN 111950563 A CN111950563 A CN 111950563A
- Authority
- CN
- China
- Prior art keywords
- detected
- color
- feature
- descriptor
- image
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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]
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像匹配方法、装置以及计算机可读存储介质,包括:提取待检测图像在灰度空间中的待检测特征点;根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测特征描述子和待检测颜色描述子;获取对比图像中的对比特征点以及对应于所述对比特征点的对比特征描述子和对比颜色描述子;根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配。由此,在原先特征描述子的基础上增设对特征点的颜色描述子,根据特征描述子、颜色描述子两个方向来精确进行图像匹配。进而提高了图像匹配时的准确度。
Description
技术领域
本发明涉及计算机视觉领域,尤其涉及一种图像匹配方法、装置以及计算机可读存储介质。
背景技术
目前的图像匹配通常利用待检测图像和对比图像中各自的特征点来进行特征点匹配,由于图像中有可能存在多个相似的特征点,导致在图像匹配时的准确度不高。
发明内容
本发明实施例提供了一种图像匹配方法、装置以及计算机可读存储介质,具有提高图像匹配准确度的技术效果。
本发明一方面提供一种图像匹配方法,所述方法包括:提取待检测图像在灰度空间中的待检测特征点;根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测特征描述子和待检测颜色描述子;获取对比图像中的对比特征点以及对应于所述对比特征点的对比特征描述子和对比颜色描述子;根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配。
在一可实施方式中,所述根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测颜色描述子,包括:以所述待检测特征点为基点,确定所述待检测图像中的检测区域;根据所确定的检测区域,生成用于表征所述检测区域明暗程度的明暗值、用于表征所述检测区域颜色分布范围的颜色范围值和用于表征所述检测区域颜色分布对称性的颜色对称值;根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于所述待检测特征点的待检测颜色描述子。
在一可实施方式中,所述根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配,包括:根据所述待检测特征描述子和对比特征描述子,得到第一相似值;根据所述待检测颜色描述子和对比颜色描述子,得到第二相似值第二相似值;根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配。
在一可实施方式中,所述根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配,包括:加权相加所述第一相似值和第二相似值,得到总相似值;若所述总相似值小于第一预设阈值,则确定所述待检测特征点和对比特征点匹配。
在一可实施方式中,在确定所述待检测特征点和对比特征点匹配之前,所述方法还包括:获取当前待检测特征点与所述待检测图像中其他待检测特征点之间的距离,得到第一距离值;获取当前对比特征点与所述待对比图像中其他对比特征点之间的距离,得到第二距离值;若所述第一距离值和第二距离值之间的差值位于第二预设阈值之内,则确定所述待检测特征点和对比特征点匹配。
本发明另一方面提供一种图像匹配装置,所述装置包括:待检测图像特征获取模块,用于提取待检测图像在灰度空间中的待检测特征点;待检测图像描述子生成模块,用于根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测特征描述子和待检测颜色描述子;对比图像特征获取模块,用于获取对比图像中的对比特征点以及对应于所述对比特征点的对比特征描述子和对比颜色描述子;图像匹配模块,用于根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配。
在一可实施方式中,所述待检测图像描述子生成模块具体用于:以所述待检测特征点为基点,确定所述待检测图像中的检测区域;根据所确定的检测区域,生成用于表征所述检测区域明暗程度的明暗值、用于表征所述检测区域颜色分布范围的颜色范围值和用于表征所述检测区域颜色分布对称性的颜色对称值;根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于所述待检测特征点的待检测颜色描述子。
在一可实施方式中,所述图像匹配模块具体用于:根据所述待检测特征描述子和对比特征描述子,得到第一相似值;根据所述待检测颜色描述子和对比颜色描述子,得到第二相似值;根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配。
在一可实施方式中,所述图像匹配模块还具体用于:加权相加所述第一相似值和第二相似值,得到总相似值;若所述总相似值小于第一预设阈值,则确定所述待检测特征点和对比特征点匹配。
本发明另一方面提供一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行上述任一项所述的图像匹配方法。
在本发明实施例中,在原先特征描述子的基础上增设对特征点的颜色描述子,根据特征描述子、颜色描述子两个方向来精确进行图像匹配。进而提高了图像匹配时的准确度。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种图像匹配方法的实现流程示意图;
图2为本发明实施例一种图像匹配方法的具体实现流程示意图;
图3为本发明实施例一种图像匹配装置的结构组成示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种图像匹配方法的实现流程示意图。
如图1所示,本发明一方面提供一种图像匹配方法,方法包括:
步骤101,提取待检测图像在灰度空间中的待检测特征点;
步骤102,根据所提取的待检测特征点,生成对应于待检测特征点的待检测特征描述子和待检测颜色描述子;
步骤103,获取对比图像中的对比特征点以及对应于对比特征点的对比特征描述子和对比颜色描述子;
步骤104,根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配。
本实施例中,提取待检测图像在灰度空间中的待检测特征点,具体为:首先可通过颜色灰度化处理将待检测图像转化至灰度空间中,利用现有的ORB(Oriented FAST andRotated BRIEF)算法或者SIFT(Scale Invariant Feature Transform)算法中的特征点提取方法提取待检测图像的特征点。在本实施例中,优选利用ORB算法对待检测图像进行特征点的提取,相比较于SIFT算法而言,ORB算法具有计算效率高的优点。需要说明的是,本实施例中的图像包括静态图像,也包括视频动态图像。
接着根据所提取的待检测特征点,生成对应于待检测特征点的待检测特征描述子和待检测颜色描述子,其中生成对应于待检测特征点的待检测特征描述子的具体过程为:利用现有的ORB算法或者SIFT算法根据待检测特征点生成待检测特征描述子,本实施例中优选ORB算法针对待检测特征点生成待检测特征描述子。
接着获取对比图像中的对比特征点以及对应于对比特征点的对比特征描述子和对比颜色描述子,其中对比图像为标准图像,以上述同样方式从对比图像中获取对比特征描述子和对比颜色描述子,用于与待检测图像进行图像匹配。
最后根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配。
由此,在原先特征描述子的基础上增设对特征点的颜色描述子,根据特征描述子、颜色描述子两个方向来精确进行图像匹配。进而提高了图像匹配时的准确度。
该方法具体可应用于产品图像标签检测中,如对笔记本电脑上的纸质图像标签进行图像匹配,以判断所贴的图像标签出错,若图像标签的内容出现错误,可在后期进行及时更换标签类型,若图像标签的粘贴位置出现错误,则可根据当前所贴标签的位置,进一步计算偏移角度,最后根据偏移角度对粘贴设备进行角度调节。
在一可实施方式中,根据所提取的待检测特征点,生成对应于待检测特征点的待检测颜色描述子,包括:
以待检测特征点为基点,确定待检测图像中的检测区域;
根据所确定的检测区域,生成用于表征检测区域明暗程度的明暗值、用于表征检测区域颜色分布范围的颜色范围值和用于表征检测区域颜色分布对称性的颜色对称值;
根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于待检测特征点的待检测颜色描述子。
本实施例中,上述步骤中对于生成对应于待检测特征点的待检测颜色描述子的具体过程为:
以待检测特征点为基点,确定待检测图像中的检测区域,本实施例中具体优选以待检测特征点为中心,周围选取31×31的像素范围作为检测区域。
接着根据所确定的检测区域,生成用于表征检测区域明暗程度的明暗值、用于表征检测区域颜色分布范围的颜色范围值和用于表征检测区域颜色分布对称性的颜色对称值,具体为:
将检测区域映射到RGB图像中,并将该RGB图像分为多个颜色通道。
接着计算一阶颜色矩μt,具体公式为:
接着计算二阶颜色矩σt,σt表示第t个颜色通道上所有像素的方差,以反映图像颜色分布范围,具体公式为:
接着三阶颜色矩st,st表示第t个颜色通道上所有像素的斜度,反映图像颜色分布对称性
具体计算中,将检测区域记作C,对应的颜色描述子记作vC,color,将RGB图像分为红色R通道、绿色G通道和蓝色B通道;
由此,令vC,color=[μR,σR,sR,μG,σG,sG,μB,σB,sB]作为待检测颜色描述子。
在一可实施方式中,根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配,包括:
根据待检测特征描述子和对比特征描述子,得到第一相似值;
根据待检测颜色描述子和对比颜色描述子,得到第二相似值;
根据所计算得到的第一相似值和第二相似值,确定待检测特征点和对比特征点是否匹配。
本实施例中,将待检测特征描述子记作vC,rbrief,对比特征描述子记作vM,rbrief,并将上述步骤从对比图像中获取对比颜色描述子vM,color,其中M表示对比图像中的检测区域。
由于待检测特征描述子和对比特征描述子均为向量,因此第一相似值的具体计算过程为计算待检测特征描述子和对比特征描述子之间的距离值,距离值越小表示相似度越高。
同理,计算待检测颜色描述子和对比颜色描述子之间的距离值,距离值越小表示颜色相似度越高。
接着根据所计算得到的第一相似值和第二相似值,确定待检测特征点和对比特征点是否匹配。
在一可实施方式中,根据所计算得到的第一相似值和第二相似值,确定待检测特征点和对比特征点是否匹配,包括:
加权相加第一相似值和第二相似值,得到总相似值;
若总相似值小于第一预设阈值,则确定待检测特征点和对比特征点匹配。
本实施例中,在获取到第一相似值和第二相似值之后,将第一相似值和第二相似值各自乘以对应的权重值,并将所计算得到的两个结果相加,得到总相似值;
判断所得到的总相似值与第一预设阈值进行数值大小比较,若总相似值小于第一预设阈值,说明两个特征点的相似度高,则确定待检测特征点和对比特征点匹配。相反的,若总相似值不小于第一预设阈值,则确定待检测特征点和对比特征点不匹配。
在一可实施方式中,在确定待检测特征点和对比特征点匹配之前,方法还包括:
获取当前待检测特征点与待检测图像中其他待检测特征点之间的距离,得到第一距离值;
获取当前对比特征点与对比图像中其他对比特征点之间的距离,得到第二距离值;
若第一距离值和第二距离值之间的差值位于第二预设阈值之内,则确定待检测特征点和对比特征点匹配。
本实施例中,为了进一步提高匹配准确率,在确定待检测特征点和对比特征点匹配之前,分别计算当前待检测特征点与待检测图像中其他各个待检测特征点之间的距离,将所有两特征点之间的距离相加或者加权相加,得到第一距离值。同理,再分别计算当前对比特征点与对比图像中其他各个对比特征点之间的距离,将所有两特征点之间的距离相加或者加权相加,得到第二距离值。
接着将第一距离值和第二距离值进行相减,得到差值,若差值在第二预设阈值之内,则再确定待检测特征点和对比特征点匹配。
由此,在灰度特征和颜色特征的基础上增设空间位置特征,在三种特征的配合下进一步精确匹配特征点,以减少误匹配。
图2为本发明实施例一种图像匹配方法的具体实现流程示意图。
如图2所示,首先获取待检测图像和对比图像,均利用ORB算法中的OFAST算法对各自图像中的特征点进行检测并提取。
接着再利用ORB算法中的RBRIEF算法对灰度空间待检测图像中的特征点和对比图像中的特征点分别进行描述,分别得到待检测特征描述子和对比特征描述子;接着对各自图像所对应的特征点进行颜色描述,分别得到待检测颜色描述子和对比颜色描述子。
然后将待检测图像和对比图像中所对应的特征描述子以及颜色描述子分别进行相似度计算。
将所得到的两个计算结果进行加权相加,得到总相似值,根据总相似值进行粗略匹配。
接着根据特征点与对应图像中其他特征点之间的距离特征,进一步进行特征点的精匹配。
在匹配上特征点之后,再利用ORB算法计算待检测图像的位置以及偏移角度,以便后续对待检测图像进行位置调整。
图3为本发明实施例一种图像匹配装置的结构组成示意图。
如图3所示,本发明另一方面提供一种图像匹配装置,装置包括:
待检测图像特征获取模块201,用于提取待检测图像在灰度空间中的待检测特征点;
待检测图像描述子生成模块202,用于根据所提取的待检测特征点,生成对应于待检测特征点的待检测特征描述子和待检测颜色描述子;
对比图像特征获取模块203,用于获取对比图像中的对比特征点以及对应于对比特征点的对比特征描述子和对比颜色描述子;
图像匹配模块204,用于根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配。
本实施例中,首先通过待检测图像特征获取模块201提取待检测图像在灰度空间中的待检测特征点,具体为:首先可通过颜色灰度化处理将待检测图像转化至灰度空间中,利用现有的ORB(Oriented FAST and Rotated BRIEF)算法或者SIFT(Scale InvariantFeature Transform)算法中的特征点提取方法提取待检测图像的特征点。在本实施例中,优选利用ORB算法对待检测图像进行特征点的提取,相比较于SIFT算法而言,ORB算法具有计算效率高的优点。需要说明的是,本实施例中的图像包括静态图像,也包括视频动态图像。
接着通过待检测图像描述子生成模块202根据所提取的待检测特征点,生成对应于待检测特征点的待检测特征描述子和待检测颜色描述子,其中生成对应于待检测特征点的待检测特征描述子的具体过程为:利用现有的ORB算法或者SIFT算法根据待检测特征点生成待检测特征描述子,本实施例中优选ORB算法针对待检测特征点生成待检测特征描述子。
接着通过对比图像特征获取模块203获取对比图像中的对比特征点以及对应于对比特征点的对比特征描述子和对比颜色描述子,其中对比图像为标准图像,以上述同样方式从对比图像中获取对比特征描述子和对比颜色描述子,用于与待检测图像进行图像匹配。
最后通过图像匹配模块204根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配。
由此,在原先特征描述子的基础上增设对特征点的颜色描述子,根据特征描述子、颜色描述子两个方向来精确进行图像匹配。进而提高了图像匹配时的准确度。
该装置具体可应用于产品图像标签检测中,如对笔记本电脑上的纸质图像标签进行图像匹配,以判断所贴的图像标签出错,若图像标签的内容出现错误,可在后期进行及时更换标签类型,若图像标签的粘贴位置出现错误,则可根据当前所贴标签的位置,进一步计算偏移角度,最后根据偏移角度对粘贴设备进行角度调节。
在一可实施方式中,待检测图像描述子生成模块202具体用于:
以待检测特征点为基点,确定待检测图像中的检测区域;
根据所确定的检测区域,生成用于表征检测区域明暗程度的明暗值、用于表征检测区域颜色分布范围的颜色范围值和用于表征检测区域颜色分布对称性的颜色对称值;
根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于待检测特征点的待检测颜色描述子。
本实施例中,待检测图像描述子生成模块202在对于生成对应于待检测特征点的待检测颜色描述子的具体过程为:
以待检测特征点为基点,确定待检测图像中的检测区域,本实施例中具体优选以待检测特征点为中心,周围选取31×31的像素范围作为检测区域。
接着根据所确定的检测区域,生成用于表征检测区域明暗程度的明暗值、用于表征检测区域颜色分布范围的颜色范围值和用于表征检测区域颜色分布对称性的颜色对称值,具体为:
将检测区域映射到RGB图像中,并将该RGB图像分为多个颜色通道。
接着计算一阶颜色矩μt,具体公式为:
接着计算二阶颜色矩σt,σt表示第t个颜色通道上所有像素的方差,以反映图像颜色分布范围,具体公式为:
接着三阶颜色矩st,st表示第t个颜色通道上所有像素的斜度,反映图像颜色分布对称性
具体计算中,将检测区域记作C,对应的颜色描述子记作vC,color,将RGB图像分为红色R通道、绿色G通道和蓝色B通道;
由此,令vC,color=[μR,σR,sR,μG,σG,sG,μB,σB,sB]作为待检测颜色描述子。
在一可实施方式中,图像匹配模块204具体用于:
根据待检测特征描述子和对比特征描述子,得到第一相似值;
根据待检测颜色描述子和对比颜色描述子,得到第二相似值;
根据所计算得到的第一相似值和第二相似值,确定待检测特征点和对比特征点是否匹配。
本实施例中,将待检测特征描述子记作vC,rbrief,对比特征描述子记作vM,rbrief,并将上述步骤从对比图像中获取对比颜色描述子vM,color,其中M表示对比图像中的检测区域。
由于待检测特征描述子和对比特征描述子均为向量,因此第一相似值的具体计算过程为计算待检测特征描述子和对比特征描述子之间的距离值,距离值越小表示相似度越高。
同理,计算待检测颜色描述子和对比颜色描述子之间的距离值,距离值越小表示颜色相似度越高。
接着根据所计算得到的第一相似值和第二相似值,确定待检测特征点和对比特征点是否匹配。
在一可实施方式中,图像匹配模块204还具体用于:
加权相加第一相似值和第二相似值,得到总相似值;
若总相似值小于第一预设阈值,则确定待检测特征点和对比特征点匹配。
本实施例中,在获取到第一相似值和第二相似值之后,将第一相似值和第二相似值各自乘以对应的权重值,并将所计算得到的两个结果相加,得到总相似值;
判断所得到的总相似值与第一预设阈值进行数值大小比较,若总相似值小于第一预设阈值,说明两个特征点的相似度高,则确定待检测特征点和对比特征点匹配。相反的,若总相似值不小于第一预设阈值,则确定待检测特征点和对比特征点不匹配。
本发明另一方面提供一种计算机可读存储介质,存储介质包括一组计算机可执行指令,当指令被执行时用于执行上述任一项的图像匹配方法。
在本发明实施例中计算机可读存储介质包括一组计算机可执行指令,当指令被执行时用于,提取待检测图像在灰度空间中的待检测特征点;根据所提取的待检测特征点,生成对应于待检测特征点的待检测特征描述子和待检测颜色描述子;获取对比图像中的对比特征点以及对应于对比特征点的对比特征描述子和对比颜色描述子;根据待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定待检测特征点和对比特征点是否匹配。
由此,在原先特征描述子的基础上增设对特征点的颜色描述子,根据特征描述子、颜色描述子两个方向来精确进行图像匹配。进而提高了图像匹配时的准确度。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种图像匹配方法,其特征在于,所述方法包括:
提取待检测图像在灰度空间中的待检测特征点;
根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测特征描述子和待检测颜色描述子;
获取对比图像中的对比特征点以及对应于所述对比特征点的对比特征描述子和对比颜色描述子;
根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配。
2.根据权利要求1所述的方法,其特征在于,所述根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测颜色描述子,包括:
以所述待检测特征点为基点,确定所述待检测图像中的检测区域;
根据所确定的检测区域,生成用于表征所述检测区域明暗程度的明暗值、用于表征所述检测区域颜色分布范围的颜色范围值和用于表征所述检测区域颜色分布对称性的颜色对称值;
根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于所述待检测特征点的待检测颜色描述子。
3.根据权利要求1所述的方法,其特征在于,所述根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配,包括:
根据所述待检测特征描述子和对比特征描述子,得到第一相似值;
根据所述待检测颜色描述子和对比颜色描述子,得到第二相似值第二相似值;
根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配。
4.根据权利要求3所述的方法,其特征在于,所述根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配,包括:
加权相加所述第一相似值和第二相似值,得到总相似值;
若所述总相似值小于第一预设阈值,则确定所述待检测特征点和对比特征点匹配。
5.根据权利要求4所述的方法,其特征在于,在确定所述待检测特征点和对比特征点匹配之前,所述方法还包括:
获取当前待检测特征点与所述待检测图像中其他待检测特征点之间的距离,得到第一距离值;
获取当前对比特征点与所述待对比图像中其他对比特征点之间的距离,得到第二距离值;
若所述第一距离值和第二距离值之间的差值位于第二预设阈值之内,则确定所述待检测特征点和对比特征点匹配。
6.一种图像匹配装置,其特征在于,所述装置包括:
待检测图像特征获取模块,用于提取待检测图像在灰度空间中的待检测特征点;
待检测图像描述子生成模块,用于根据所提取的待检测特征点,生成对应于所述待检测特征点的待检测特征描述子和待检测颜色描述子;
对比图像特征获取模块,用于获取对比图像中的对比特征点以及对应于所述对比特征点的对比特征描述子和对比颜色描述子;
图像匹配模块,用于根据所述待检测特征描述子、待检测颜色描述子、对比特征描述子和对比颜色描述子,确定所述待检测特征点和对比特征点是否匹配。
7.根据权利要求6所述的装置,其特征在于,所述待检测图像描述子生成模块具体用于:
以所述待检测特征点为基点,确定所述待检测图像中的检测区域;
根据所确定的检测区域,生成用于表征所述检测区域明暗程度的明暗值、用于表征所述检测区域颜色分布范围的颜色范围值和用于表征所述检测区域颜色分布对称性的颜色对称值;
根据所生成的明暗值、颜色范围值和颜色对称值,生成对应于所述待检测特征点的待检测颜色描述子。
8.根据权利要求6所述的装置,其特征在于,所述图像匹配模块具体用于:
根据所述待检测特征描述子和对比特征描述子,得到第一相似值;
根据所述待检测颜色描述子和对比颜色描述子,得到第二相似值;
根据所计算得到的第一相似值和第二相似值,确定所述待检测特征点和对比特征点是否匹配。
9.根据权利要求8所述的装置,其特征在于,所述图像匹配模块还具体用于:
加权相加所述第一相似值和第二相似值,得到总相似值;
若所述总相似值小于第一预设阈值,则确定所述待检测特征点和对比特征点匹配。
10.一种计算机可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-5任一项所述的图像匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582626.3A CN111950563A (zh) | 2020-06-23 | 2020-06-23 | 一种图像匹配方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582626.3A CN111950563A (zh) | 2020-06-23 | 2020-06-23 | 一种图像匹配方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111950563A true CN111950563A (zh) | 2020-11-17 |
Family
ID=73337856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582626.3A Withdrawn CN111950563A (zh) | 2020-06-23 | 2020-06-23 | 一种图像匹配方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950563A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766264A (zh) * | 2021-01-25 | 2021-05-07 | 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 |
CN113762289A (zh) * | 2021-09-30 | 2021-12-07 | 广州理工学院 | 一种基于orb算法的图像匹配***及其匹配方法 |
CN114782724A (zh) * | 2022-06-17 | 2022-07-22 | 联宝(合肥)电子科技有限公司 | 一种图像匹配方法、装置、电子设备及存储介质 |
-
2020
- 2020-06-23 CN CN202010582626.3A patent/CN111950563A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766264A (zh) * | 2021-01-25 | 2021-05-07 | 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 |
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 |
CN113762289A (zh) * | 2021-09-30 | 2021-12-07 | 广州理工学院 | 一种基于orb算法的图像匹配***及其匹配方法 |
CN114782724A (zh) * | 2022-06-17 | 2022-07-22 | 联宝(合肥)电子科技有限公司 | 一种图像匹配方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020207423A1 (zh) | 肤质检测方法、肤质等级分类方法及肤质检测装置 | |
CN111950563A (zh) | 一种图像匹配方法、装置以及计算机可读存储介质 | |
CN109241985B (zh) | 一种图像识别方法及装置 | |
CN111028213A (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN110197185B (zh) | 一种基于尺度不变特征变换算法监测桥下空间的方法和*** | |
WO2007136332A1 (en) | Method and apparatus for identifying properties of an object detected by a video surveillance camera | |
CN103839042A (zh) | 人脸识别方法和人脸识别*** | |
CN111144207A (zh) | 一种基于多模态信息感知的人体检测和跟踪方法 | |
JP4946878B2 (ja) | 画像識別装置及びプログラム | |
CN106600613B (zh) | 基于嵌入式gpu的改进lbp红外目标检测方法 | |
CN108805139B (zh) | 一种基于频域视觉显著性分析的图像相似性计算方法 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
CN115760762A (zh) | 一种锈蚀检测方法,检测装置及存储介质 | |
CN110633691A (zh) | 一种基于可见光和近红外相机的双目活体检测方法 | |
CN116993839B (zh) | 编码方式筛选方法、装置、电子设备及存储介质 | |
CN107507140B (zh) | 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法 | |
CN114022845A (zh) | 电工绝缘手套实时检测方法、计算机可读介质 | |
CN107578406A (zh) | 基于网格与韦泊统计特性的无参考立体图像质量评价方法 | |
US20230386023A1 (en) | Method for detecting medical images, electronic device, and storage medium | |
CN115731221A (zh) | 一种考虑邻域各向异性的自适应红外小目标检测方法 | |
CN115861595A (zh) | 一种基于深度学习的多尺度域自适应异源图像匹配方法 | |
US20160379087A1 (en) | Method for determining a similarity value between a first image and a second image | |
CN107092912A (zh) | 一种车牌的识别方法和装置 | |
CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201117 |