一种基于轮廓特征点匹配的二维形状检索方法及系统.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CN112966138A(43)申请公布日2021.06.15(21)申请号202110197548.X(22)申请日2021.02.22(71)申请人济南大学地址250022山东省济南市市中区南辛庄西路336号(72)发明人牛冬梅盛守贺(74)专利代理机构济南舜源专利事务所有限公司37205代理人徐胭脂(51)Int.Cl.G06F16/583(2019.01)G06F16/532(2019.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书5页说明书15页附图1页(54)发明名称一种基于轮廓特征点匹配的二维形状检索方法及系统(57)摘要本发明提供一种基于轮廓特征点匹配的二维形状检索方法及系统，均能实现如下步骤：提取目标二维图像的轮廓特征点，并利用所提取到的轮廓特征点组建两个特征点集V1和V2；分别基于上述特征点集V1和V2，并通过边兼容性矩阵及面积兼容性矩阵的使用，获取目标二维图像与用于形状检索的数据集中的每一个二维图像之间的相似度；比较所获取到的各相似度的大小，获取其中最大的相似度所对应的数据集中的二维图像,该获取到的数据集中的二维图像即为检索结果。本发明用于实现对二维形状检索问题的优化。CN112966138ACN112966138A权利要求书1/5页1.一种基于轮廓特征点匹配的二维形状检索方法，其特征在于，包括步骤：S1:提取目标二维图像的轮廓特征点，并利用所提取到的轮廓特征点组建两个特征点集V1和V2；目标二维图像为待检索形状的二维图像；S2：分别基于上述特征点集V1和V2，获取目标二维图像与用于形状检索的数据集中的每一个二维图像之间的相似度；S3：比较所获取到的各相似度的大小，获取其中最大的相似度所对应的数据集中的二维图像,该获取到的数据集中的二维图像即为检索结果；其中，步骤S2的实现方法为：遍历所述数据集中的每一个二维图像,并对遍历到的每一个二维图像，分别执行如下步骤S21‑S29:步骤S21、提取目标图像的轮廓特征点，采用与组建上述两个特征点集V1和V2相同的方法，利用所提取到的目标图像的轮廓特征点组建两个特征点集V3和V4；其中,所述目标图像为当前遍历到的二维图像，特征点集V1和V3中的轮廓特征点属于同一类轮廓特征点，特征点集V2和V4中的轮廓特征点属于同一类轮廓特征点；步骤S22、将获取到的两个特征点集V3和V4，与特征点集V1和V2形成两个匹配点集对(V1，V3)和(V2，V4)；1324步骤S23、分别计算匹配点集对(V，V)和(V，V)的边兼容性矩阵，依次为medge1和medge2；1324步骤S24、分别计算匹配点集对(V，V)和(V，V)的面积兼容性矩阵，依次为marea1和marea2；步骤S25、将medge1和marea1按照第一融合公式进行矩阵融合，得到第一复合兼容性矩阵mmultiple1；将medge2和marea2按照第二融合公式进行矩阵融合，得到第二复合兼容性矩阵mmultiple2；其中，第一融合公式为mmultiple1＝σ1×medge1+σ2×marea1,第二融合公式为mmultiple2＝σ3×medge2+σ4×marea2，式中σ1和σ3的取值范围均为0.6～0.9，σ1+σ2＝1，σ3+σ4＝1；步骤S26、基于第一复合兼容性矩阵mmultiple1，通过重加权随机游走算法得到第一松弛解，然后基于第一松弛解,通过匈牙利算法和一对一约束关系确定出特征点集V1和V3的最佳匹配关系,然后依据该确定出的最佳匹配关系，对应确定出特征点集V1和V3中的有效轮廓特征点对；步骤S27、用特征点集V2和V4依次替换特征点集V1和V3以及用第二复合兼容性矩阵2mmultiple2替换第一复合兼容性矩阵mmultiple1后，转而继续执行步骤S26，确定出特征点集V和V4的有效轮廓特征点对；步骤S28、基于上述确定出的特征点集V1和V3的有效轮廓特征点对，确定出待匹配图像对的第一相似度similarity1；基于上述确定出的特征点集V2和V4的有效轮廓特征点对，确定出待匹配图像对的第二相似度similarity2；步骤S29、基于所述第一相似度similarity1和第二相似度similarity2，确定出待匹配图像对的相似度similarity。2.根据权利要求1所述的基于轮廓特征点匹配的二维形状检索方法，其特征在于，步骤S1的实现方法为：采用四种拉普拉斯‑贝尔特拉米特征函数，对应提取目标二维图像的轮廓上的轮廓特征点，并将采用每一种拉普拉斯‑贝尔特拉米特征函数各自提取到的轮廓特征点的集合分别记为原始特征点集；2CN112966138A权利要求书2/5页将各原始特征点集中所有