System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种图像模版匹配的边缘提取方法及系统技术方案_技高网

一种图像模版匹配的边缘提取方法及系统技术方案

技术编号:40507251 阅读:6 留言:0更新日期:2024-03-01 13:21
本发明专利技术涉及多目测量技术领域,尤其涉及一种图像模版匹配的边缘提取方法及系统,该方法采用预先构造的log‑Gabor滤波器对图像进行卷积处理得到图像对应的映射图;计算所述映射图的最大矩图和最小矩图,并基于所述最大矩图和所述最小矩图计算加权矩图;利用FAST检测器对加权矩图进行特征提取得到图像模版匹配的边缘提取结果。这样,可以有效屏蔽其他的细小边缘的干扰,提升模板匹配的稳定性和精确性。

【技术实现步骤摘要】

本专利技术涉及多目测量,尤其涉及一种图像模版匹配的边缘提取方法及系统


技术介绍

1、边缘检测是图像处理和计算机视觉领域中的一项重要技术,用于识别图像中的边缘或轮廓。边缘通常表示图像中突然变化的位置,如颜色、亮度或纹理。边缘图像点技术旨在准确地确定图像中的边缘点,并对它们进行描述或分析。边缘图像点技术的背景可以追溯到上世纪60年代。最早的边缘检测方法是基于信号处理和数学运算的算子,如sobel、prewitt和roberts算子。这些算子通过计算图像中像素值的梯度或差异来确定边缘位置。然而,这些方法通常对噪声敏感,且边缘细节不够清晰。随着计算机视觉和机器学习的发展,边缘图像点技术得到了进一步改进和发展。其中,上世纪80年代提出的canny算法,通过应用高斯滤波平滑图像、计算梯度幅值和方向、非极大值抑制和双阈值处理等步骤,能够有效地检测图像中的边缘。深度学习的兴起也为边缘图像点技术带来了新的突破。卷积神经网络(cnn)在图像处理任务中取得了显著的成功,其中包括边缘检测。通过使用大型数据集进行训练,cnn可以学习到更复杂和抽象的边缘特征,在不同场景和视角中准确地检测边缘。

2、此外,边缘图像点技术目前仍面临一些困难和挑战。一方面有一定的噪声敏感性,即边缘图像点技术对于图像中的噪声非常敏感,噪声会干扰边缘检测算法的结果,导致误检测或漏检测,尽管在预处理步骤中可以应用滤波器来减少噪声,但仍然存在对于不同噪声类型和强度的鲁棒性问题。另一方面,边缘图像点技术通常检测出离散的边缘点,但在实际应用中,需要更关注边缘的连续性和完整性,边缘点之间的连接和边缘线的提取是一个挑战,特别是当边缘存在间断、重叠或弯曲等情况时。可见,现有技术中的图像模版匹配的边缘提取的稳定性较弱。


技术实现思路

1、本专利技术提供了一种图像模版匹配的边缘提取方法及系统,以解决现有技术中的图像模版匹配的边缘提取的稳定性较弱的问题。

2、为了实现上述目的,本专利技术通过如下的技术方案来实现:

3、第一方面,本专利技术提供一种图像模版匹配的边缘提取方法,包括:

4、s1:通过多个相机对同一个孔位进行拍摄,得到孔位对应的图像;

5、s2:采用预先构造的log-gabor滤波器对图像进行卷积处理得到图像对应的映射图;

6、s3:计算所述映射图的最大矩图和最小矩图,并基于所述最大矩图和所述最小矩图计算加权矩图;所述最大矩图用于表示在图像中寻找最大响应的位置,所述最小矩图用于表示在图像中寻找最小响应的位置;

7、s4:利用fast检测器对加权矩图进行特征提取得到图像模版匹配的边缘提取结果。

8、第二方面,本申请提供一种图像模版匹配的边缘提取系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。

9、有益效果:

10、本专利技术提供的图像模版匹配的边缘提取方法,采用预先构造的log-gabor滤波器对图像进行卷积处理得到图像对应的映射图;计算所述映射图的最大矩图和最小矩图,并基于所述最大矩图和所述最小矩图计算加权矩图;利用fast检测器对加权矩图进行特征提取得到图像模版匹配的边缘提取结果。这样,可以有效屏蔽其他的细小边缘的干扰,提升模板匹配的稳定性和精确性。

11、在进一步的技术方案中,通过限制最大矩图和最小矩图之间的关系,可以抑制角点响应,减少对匹配结果的干扰,增强边缘响应使得边缘在匹配中更加显著,提高匹配的准确性和稳定性。

本文档来自技高网...

【技术保护点】

1.一种图像模版匹配的边缘提取方法,其特征在于,包括:

2.根据权利要求1所述的图像模版匹配的边缘提取方法,其特征在于,所述S2包括:

3.根据权利要求1所述的图像模版匹配的边缘提取方法,其特征在于,所述计算所述映射图的最大矩图和最小矩图时,满足如下关系式:

4.根据权利要求3所述的图像模版匹配的边缘提取方法,其特征在于,所述基于所述最大矩图和所述最小矩图计算加权矩图,包括:

5.根据权利要求1所述的图像模版匹配的边缘提取方法,其特征在于,计算加权矩图时,使用积分的方式限制最大矩图Mmax和最小矩图Mmin之间的关系,其满足如下关系式:

6.一种图像模版匹配的边缘提取系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5中任一所述方法的步骤。

【技术特征摘要】

1.一种图像模版匹配的边缘提取方法,其特征在于,包括:

2.根据权利要求1所述的图像模版匹配的边缘提取方法,其特征在于,所述s2包括:

3.根据权利要求1所述的图像模版匹配的边缘提取方法,其特征在于,所述计算所述映射图的最大矩图和最小矩图时,满足如下关系式:

4.根据权利要求3所述的图像模版匹配的边缘提取方法,其特征在于,所述基于所述最大矩图和所述最小矩图计算...

【专利技术属性】
技术研发人员:聂颖彬陈杰
申请(专利权)人:湖南视比特机器人有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1