一种剪切工具图片的相似度匹配方法组成比例

本发明专利技术涉及一种剪切工具图片的相似度匹配方法，属于信息技术领域。本发明专利技术首先生成灰度图；再去除工具图像两侧的角尺，得到含有工具部分的图像；再进行GVF平滑图像的梯度场操作，消除噪声和尺度较小的细节，获得工具轮廓清晰的图像；再进行特征点检测；将检测到的特征点进行主方向分配；根据特征点的主方向生成特征描述子；利用欧式距离公式对特征点描述子中的特征向量进行特征点匹配，进而得出相似度大小。本发明专利技术能有效的解决标准SIFT算法因特征点都是集中在物体的局部小细节(较小尺度的特征)，而不能对剪切工具进行分类的问题，通过GVF‑Harris‑SIFT完成图像相似度的对比算法，最终实现工痕项目的剪切工具种类识别。

【技术实现步骤摘要】

本专利技术涉及一种剪切工具图片的相似度匹配方法，属于信息

技术介绍
标准SIFT(尺度不变特征变换)算法具有尺度、旋转、光照等特征不变性，在物体识别领域有着广泛应用，但其很多特征点都是集中在物体的局部小细节(较小尺度的特征)。这种情况下标准SIFT算法无法有效对剪切工具进行分类，因为同一类别的工具只在轮廓方面有着相似性，较多的小尺度特征点会严重干扰图像相似度的计算。一种剪切工具图片相似度对比算法使用一种特殊的特征提取方式GVF-Harris-SIFT，通过GVF(梯度向量流)来平滑图像的梯度场，紧接着使用Harris角点检测算法将工具的角点检测出来，然后使用SIFT的描述子获取特征点对应的特征向量，最终通过匹配两张工具的特征点，来衡量工具的相似度。
技术实现思路
本专利技术提供了一种剪切工具图片的相似度匹配方法，以用于解决标准SIFT算法因特征点都是集中在物体的局部小细节(较小尺度的特征)，而不能对剪切工具进行分类的问题。本专利技术剪切工具图片的相似度匹配方法是这样实现的：所述剪切工具图片的相似度匹配方法的具体步骤如下：Step1、根据最初的三通道彩色图生成灰度图；Step2、在生成的灰度图上，去除工具图像两侧的角尺，得到含有工具部分的图像；Step3、对去除过角尺的工具图像进行GVF平滑图像的梯度场操作，消除噪声和尺度较小的细节，获得工具轮廓清晰的图像；Step4、对工具轮廓清晰的图像进行特征点检测；Step5、将检测到的特征点进行主方向分配；Step6、根据特征点的主方向生成特征描述子；Step7、利用欧式距离公式对特征点描述子中的特征向量进行特征点匹配，进而得出相似度大小。所述步骤Step1中，具体步骤为：Step1.1、将图像的左上角作为原点，水平方向为x轴，垂直方向为y轴，构造一个笛卡尔坐标系；Step1.2、通过公式：gray＝0.27*red+0.71*green+0.07*blue将彩色图转化成灰度图；其中：gray是灰度值，red是红色通道值，green是绿色通道值，blue是蓝色通道值。所述步骤Step2中，具体步骤为：Step2.1、利用公式Prewitthorizontal=111000-1-1-1]]>和Prewittvertical=10-110-110-1]]>分别计算转化后的灰度图图像I(x,y)的水平边缘和垂直边缘；其中：Prewitthorizontal是图像的水平边缘，Prewittvertacal是图像的垂直边缘；Step2.2、通过计算出来的水平边缘和垂直边缘，利用公式：Edge(x,y)=Edgehorizontal(x,y)2+Edgevertical(x,y)2]]>得出角尺的边缘图Edge(x,y)；其中：Edgehorizontal(x,y)＝Prewitthorizontal*I(x,y)，Edgevertical(x,y)＝Prewittvertical*I(x,y)；I(x,y)是灰度图图像点的坐标，Edgehorizontal是角尺的水平边缘图，Edgevertical是角尺的垂直边缘图；Step2.3、根据角尺的边缘图计算到的角尺的隶属度CrosshairMembership(x,y)，并且当隶属度CrosshairMembership(a,b)取最大时，正交线x＝a，y＝b将图片分成四个区域；其中：隶属度CrosshairMembership(x,y)＝EdgeSumhorizontal(x)+EdgeSumvertical(y)，水平边缘图强度EdgeSumhorizontal(x)＝∑yEdge(x,y)/sizey，垂直边缘图强度EdgeSumvertical(y)＝∑xEdge(x,y)/sizex，图像的尺寸大小用extent＝(sizex,sizey)表示，sizex是灰度图图像的水平尺寸，sizey是灰度图图像的垂直尺寸；Step2.4、裁剪保留四个区域中最大的一个，即为去除工具灰度图像两侧的角尺后的含有工具部分的图像p(x,y)，含有角尺的部分就被去除掉了。所述步骤Step3中，具体步骤为：Step3.1、根据已经去除角尺后的图像的白底黑图定义：f(x,y)＝p(x,y)；p(x,y)为去除工具灰度图像两侧的角尺后的含有工具部分的图像；Step3.2、利用梯度向量场V(x,y)＝(u(x,y),v(x,y))最小化能量函数ε，来获得正则参数μ的取值；其中，ϵ=∫∫μ(ux2+uy2+vx2+vy2)+|▿f|2|V-▿f|2dxdy,]]>当V=▿f]]>时，积分结果ε最小，从而求出μ，μ是一个正则参数；一方面，当较小时，能量由第一部分向量场V的偏微分主导，会产生一个光滑的场；另一方面，当较大时，第二部分决定积分结果，时，积分结果最小。μ是一个正则参数，使用其去权衡两个部分对能量函数的贡献，该参数和图像噪声有关，噪声越大，μ越大，μ越大其生成的GVF场V越平滑。Step3.3、通过解欧拉方程获得GVF；其中：欧拉方程为：μ▿2u-(u-fx)(fx2+fy2)=0]]>和μ▿2v-(v-fx)(fx2+fy2)=0,]]>此公式中：当f(x,y)均匀使该式的第二部分为零，u和v分别由其拉普拉斯等式决定，其中，u为梯度向量场中的横坐标，v为梯度向量场中的纵坐标；Step3.4、根据迭代公式：和vn+1=vn+μ▿2vn-(vn-fx)(fx2+fy2)]]>获得上式欧拉公式的解；其中：当n足够大时，GVF会趋于稳定，该GVF即为梯度向量流场。所述步骤Step4中，具体步骤为：Step4.1、利用获得的GVF场中的梯度向量场V的每一个梯度都进行归一化得到Vnormatize＝(s(x,y),t(x,y))；Step4.2、对Vnormatize进行微分计算得到改进后的Harris矩阵；其中：矩阵为：HGVF=sxsytxty;]]>Step4.3、计算Harris角点检测的隶属度Mc；其中：Mc＝λ1λ2-κ(λ1+λ2)2＝det(HGVF)-κtrace2(HGVF)，κ的取值范围为0.04～0.15；其中：λ1和λ2为矩阵HGVF进过特征分解得到的两个较大的特征值，det(HGVF)为求矩阵HGVF的行列式，trace(HGVF)为求矩阵HGVF的迹，即矩阵对角线上的元素之和；Step4.4、利用隶属度M本文档来自技高网...

【技术保护点】
一种剪切工具图片的相似度匹配方法，其特征在于：所述剪切工具图片的相似度匹配方法的具体步骤如下：Step1、根据最初的三通道彩色图生成灰度图；Step2、在生成的灰度图上，去除工具图像两侧的角尺，得到含有工具部分的图像；Step3、对去除过角尺的工具图像进行GVF平滑图像的梯度场操作，消除噪声和尺度较小的细节，获得工具轮廓清晰的图像；Step4、对工具轮廓清晰的图像进行特征点检测；Step5、将检测到的特征点进行主方向分配；Step6、根据特征点的主方向生成特征描述子；Step7、利用欧式距离公式对特征点描述子中的特征向量进行特征点匹配，进而得出相似度大小。

【技术特征摘要】
1.一种剪切工具图片的相似度匹配方法，其特征在于：所述剪切工具图片的相似度匹
配方法的具体步骤如下：
Step1、根据最初的三通道彩色图生成灰度图；
Step2、在生成的灰度图上，去除工具图像两侧的角尺，得到含有工具部分的图像；
Step3、对去除过角尺的工具图像进行GVF平滑图像的梯度场操作，消除噪声和尺度较
小的细节，获得工具轮廓清晰的图像；
Step4、对工具轮廓清晰的图像进行特征点检测；
Step5、将检测到的特征点进行主方向分配；
Step6、根据特征点的主方向生成特征描述子；
Step7、利用欧式距离公式对特征点描述子中的特征向量进行特征点匹配，进而得出相
似度大小。
2.根据权利要求1所述的剪切工具图片的相似度匹配方法，其特征在于：所述步骤
Step1中，具体步骤为：
Step1.1、将图像的左上角作为原点，水平方向为x轴，垂直方向为y轴，构造一个笛卡尔
坐标系；
Step1.2、通过公式：gray＝0.27*red+0.71*green+0.07*blue将彩色图转化成灰度图；
其中：gray是灰度值，red是红色通道值，green是绿色通道值，blue是蓝色通道值。
3.根据权利要求1所述的剪切工具图片的相似度匹配方法，其特征在于：所述步骤
Step2中，具体步骤为：
Step2.1、利用公式Prewitthorizontal=111000-1-1-1]]>和Prewittvertical=10-110-110-1]]>分别计算
转化后的灰度图图像I(x,y)的水平边缘和垂直边缘；
其中：Prewitthorizontal是图像的水平边缘，Prewittvertacal是图像的垂直边缘；
Step2.2、通过计算出来的水平边缘和垂直边缘，利用公式：
Edge(x,y)=Edgehorizontal(x,y)2+Edgevertical(x,y)2]]>得出角尺的边缘图Edge(x,y)；
其中：Edgehorizontal(x,y)＝Prewitthorizontal*I(x,y)，Edgevertical(x,y)＝
Prewittvertical*I(x,y)；I(x,y)是灰度图图像点的坐标，Edgehorizontal是角尺的水平边缘图，
Edgevertical是角尺的垂直边缘图；
Step2.3、根据角尺的边缘图计算到的角尺的隶属度CrosshairMembership(x,y)，并且
当隶属度CrosshairMembership(a,b)取最大时，正交线x＝a，y＝b将图片分成四个区域；
其中：隶属度CrosshairMembership(x,y)＝EdgeSumhorizontal(x)+EdgeSumvertical(y)，水
平边缘图强度EdgeSumhorizontal(x)＝∑yEdge(x,y)/sizey，垂直边缘图强度EdgeSumvertical(y)＝∑xEdge(x,y)/sizex，图像的尺寸大小用extent＝(sizex,sizey)表示，sizex是灰度图
图像的水平尺寸，sizey是灰度图图像的垂直尺寸；
Step2.4、裁剪保留四个区域中最大的一个，即为去除工具灰度图像两侧的角尺后的含
有工具部分的图像p(x,y)，含有角尺的部分就被去除掉了。
4.根据权利要求1所述的剪切工具图片的相似度匹配...

【专利技术属性】
技术研发人员：潘楠，杨敬树，莫晓聃，羿泽光，王森，王莉，
申请(专利权)人：昆明理工大学，云南省科学技术院，
类型：发明
国别省市：云南;53