基于模板匹配的多尺度目标定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113869441A(43)申请公布日2021.12.31(21)申请号202111174239.7(22)申请日2021.10.10(71)申请人青岛星科瑞升信息科技有限公司地址266555山东省青岛市黄岛区海尔信息谷创科园北区26栋(72)发明人王凯夹尚丰余振军何显辉孙洋贾坤昊(74)专利代理机构深圳紫晴专利代理事务所(普通合伙)44646代理人付钦伟(51)Int.Cl.G06K9/62(2006.01)G06K9/46(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于模板匹配的多尺度目标定位方法(57)摘要本发明公开了一种基于模板匹配的多尺度目标定位方法，将所述初始模板图像进行不同尺度变换，获取多个尺度层的模板图像，构建多尺度模板库；基于所述多尺度模板库，获取最优参考边缘点；创建待处理图像的图像金字塔，从所述多尺度模板库中选定最佳匹配模板；基于所述最优参考边缘点和所述最佳匹配模板，获取所述待处理图像的匹配结果。本发明通过构建多尺度模板库获取最优参考边缘点，基于所述最优参考边缘点进行图像匹配，有效提高不同尺度变换后的待匹配图像的匹配精度和匹配效率。CN113869441ACN113869441A权利要求书1/2页1.基于模板匹配的多尺度目标定位方法，其特征在于，包括：将初始模板图像进行不同尺度变换，获取多个尺度层的模板图像，构建多尺度模板库；所述多尺度模板库至少包含每个模板图像边缘点信息；基于所述多尺度模板库，获取最优参考边缘点；创建待处理图像的图像金字塔，从所述多尺度模板库中选定最佳匹配模板；基于所述最优参考边缘点和所述最佳匹配模板，获取所述待处理图像的匹配结果。2.根据权利要求1所述的基于模板匹配的多尺度目标定位方法，其特征在于，所述将初始模板图像进行不同尺度变换，获取多个尺度层的模板图像，构建多尺度模板库，包括：提取所述初始模板图像的边缘点，构建第一点集p＝{(xi，yi)|i＝1，2，3，…，n}；其中，(xi，yi)为模板图像边缘点的坐标，n为所述初始模板图像的边缘点个数；计算所述第一点集中每个边缘点对应的梯度向量其中，m代表模板，ti与ui分别代表x和y方向的梯度向量；将所述初始模板图像进行不同尺度变换，获取多个尺度层的模板图像，对于每个所述模板图像，提取所述模板图像的边缘点，构建第二点集p′i；其中，p′i＝Api，A为二阶变换矩阵；计算所述第二点集中边缘点对应的梯度向量其中，m代表模板，t′i与u′i分别代表x和y方向的梯度向量；选取任一所述模板图像的边缘点作为参考点，对应模板图像中其余边缘点作为非参考点，根据所述参考点与非参考点的相对位置关系，创建由不同边缘点及梯度向量组成的多尺度模板库M；表达公式如下：t′i＝x‑Pxy′i＝y‑Py其中，x和y分别为模板图像上所有边缘点的行坐标和列坐标，x′i为第i个非参考点的相对行坐标，y′i为第i个非参考点的相对列坐标，Px为所述参考点的相对行坐标，Py为所述参考点的相对列坐标，M为多尺度模板库。3.根据权利要求2所述的基于模板匹配的多尺度目标定位方法，其特征在于，所述将所述初始模板图像进行不同尺度变换，包括：将所述初始模板图像按照不同比例进行尺度变换和/或按照不同角度进行旋转。4.根据权利要求1所述的基于模板匹配的多尺度目标定位方法，其特征在于，所述基于所述多尺度模板库，获取最优参考边缘点，包括：将所述初始模板图像的边缘点进行尺度变换，获取对应尺度下的变换图像及所述变换图像对应边缘点构成的第三点集p；选取所述第三点集p中任一边缘点作为候选参考点，基于所述候选参考点，将所述对应尺度下的变换图像与所述初始模板图像进行匹配，获取最大匹配相似度S＝max(sj)，j＝1，2，...，N；其中，N为匹配位置个数，sj为在初始模板图像上某个位置的匹配度；遍历所述第三点集p中所有边缘点，分别获取每个边缘点对应的最大匹配相似度，构建2CN113869441A权利要求书2/2页最大匹配相似度集合{S}；选取所述最大匹配相似度集合{S}中最大值，将所述最大值对应的候选参考点作为对应尺度下的最优参考边缘点。5.根据权利要求4所述的基于模板匹配的多尺度目标定位方法，其特征在于，所述将所述对应尺度下的变换图像与所述初始模板图像进行匹配，获取最大匹配相似度，包括：基于所述初始模板图像的边缘点梯度向量，获取最大匹配相似度。6.根据权利要求5所述的基于模板匹配的多尺度目标定位方法，其特征在于，所述方法还包括：对梯度向量的内积进行归一化处理；计算公式为：其中，S(x，y)为所述边缘点与初始模板图像在(x，y)处的匹配相似度，n为所述边缘点个数，为初始模板图像中边缘点的梯度向量，ds为在(x，y)处