一种改进的轮廓曲线匹配算法.pdfVIP

IT大视野

一种改进的轮廓曲线匹配算法

任家祥张志刚西安财经大学信息学院

摘要：为提高匹配速率，提出了一种改进的轮廓曲线匹配算法。首先使用Canny边缘检测算法提取图像边缘，之后使用Shi-Tomasi算法

提取目标曲线的角点。根据角点位置信息，得到归一化角点距离矩阵。针对不同应用场景，使用快、慢匹配两种算法。

关键词：轮廓曲线匹配归一化角点距离矩阵角点检测边缘检测

1概述角点距离一视同仁，原则上需要将每个点同其它所有点进行匹配。为

图像形状匹配是计算机视觉的重要研究领域，目前轮廓曲线的减少匹配的次数，先进行排序，这样匹配单位便由个上升为了行。其次，

匹配分为两种，一是基于区域，二是基于特征点。文献中将提取到的若该点与某一点的匹配程度理想，则应取消该点继续匹配下去，这样

曲线进行最大公共子序列进行匹配，缺点是对于机器的性能要求较高，也能显著降低匹配次数。算法流程如下：

且匹配速度较慢。基于角点，采取粗、精两种匹配方法，粗匹配基于设有两条需要匹配曲线的归一化角点距离矩阵A、B，A、B为

归一化角点距离矩阵，精匹配基于同心圆。因为需要进行同心圆计算，N*N二维矩阵。

其匹配速率仍不高。将多边形逼近算法与提取曲率相结合，提出一种(1）将A，B的每一行按从小到达的顺序进行快速排序。

速度较快的匹配方法，但是在进行多边形匹配的时候，顶点的数目并(2）将A中的第n行依次与B中的每一行进行匹配，将匹配结

不能确定，从而限制了匹配结果。果记录下来，若匹配结果理想，则终止该行的匹配。

本文提出了一种轮廓曲线匹配算法：使用Canny边缘检测算法(3）n值加一，重复（2）中的操作，记录下每一行的最优匹配结果，

提取出边缘，使用Shi-Tomashi算法对目标边缘曲线角点进行提取。直到所有行都匹配完毕。

根据角点的位置点信息来建立出角点距离矩阵，并对其进行标准化处(4）将每一行的最优匹配结果相加，得出最终匹配结果。

理。对处理过的角点距离矩阵视情况使用快匹配或慢匹配，分别适用慢匹配算法的事件复杂度在平均情况下是O(n^3)

于两种不同的图像匹配情况。4实验与分析

2预处理实验以某汽车品牌的标志为对象，共提取出了目标曲线20个最

首先采用Canny边缘检测算法得到细且明亮的轮廓曲线，再提优角点，建立归一化角点距离矩阵之后，进行匹配。最终匹配程度达

取特征点，我们以角点作为图像中重要的局部特征。本文采用的Shi-到95%。说明快匹配算法对于同一曲线的匹配有效。之后将一张纸不

Tomasi角点检测算法基于灰度值，是对Harris角点算法的改进。规则撕扯成两半，并进行旋转，同样对图像进行预处理并提取轮廓曲线。

Shi-Tomasi检测算法流程如下：提取出20个最优角点，将角点标记出来，如下图：

(1）使用差分算子计算出x,y方向的偏导数，计算出

Ix^2,IxIy,Iy^2四个元素值组成的2x2的矩阵

(2）使用高斯滤波器处理（1）中的2x2矩阵，得到结构张量矩阵M。

(3）由M求得行列式的特征值r1和r2，根据r1,r2中的最小值

来判定该像素点为强角点

(4）设定阈值Tc和Td，对提取的特征点的数目和相邻特征点的

距离进行约束，这样便于匹配点对数目的衡量和防止描述区域的重叠。图4-1原图和角点提取图

3RPCP轮廓曲线匹配算法建立归一化角点距离矩