【技术实现步骤摘要】
本专利技术涉及图像匹配，尤其是涉及一种基于轮廓特征的牙冠匹配方法。
技术介绍
1、目前，已有的图像匹配算法可以分为基于轮廓特征的、基于区域特征的、基于骨架特征的方法，但无论是传统图像匹配方法或是基于深度学习的方法，大多都是应用于图像分类问题。应用于同一类别、不同个体的匹配问题的较少，比较经典的是人脸识别，但在工件匹配领域尚未有个体匹配的应用，本专利技术受人脸识别启发，在工件匹配领域进行个体匹配的应用。给每个牙冠建立数据库，数据库中的牙冠可看作是提前录入的“人脸”，输入的牙冠照片相当于站在摄像头前的人的面部图像。通过提取出输入照片的牙冠底面轮廓特征，遍历数据库中牙冠底面二维视图，提取出轮廓特征，进行比对，输出特征匹配代价最小的座位匹配结果。
技术实现思路
1、本专利技术的目的是提供一种基于轮廓特征的牙冠匹配方法，特征提取简单，对照相设备的要求低，对光影变化不敏感，对轮廓的整体区域，局部和整体的形状有较高的描述能力，同时对局部变形也有一定的容忍能力，通过实验，该方法在小规模数据库中有一定的匹配精度。
2、为实现上述目的，本专利技术提供了一种基于轮廓特征的牙冠匹配方法：包括以下步骤：
3、s1、提取设计完成的牙冠三维模型的底面视图，构成待检索的牙冠底面的二维图像数据库；
4、s2、将生产加工完成的牙冠实物的底面照片输入，对底面照片进行灰度处理，均值滤波，通过自适应canny边沿检测和轮廓筛选提取出牙冠底面轮廓，计算牙冠底面轮廓的不变特征矩hu矩、obb
5、s3、遍历s1中数据库中的二维图像，对二维图像进行与步骤s2同样的操作和计算；
6、s4、计算当前遍历到的二维图像与输入的底面照片各特征的匹配代价，加权后得到总加权匹配代价，存入列表，待遍历完成后，输出总加权匹配代价最小的牙冠底面视图作为匹配结果。
7、优选的，步骤s2中，通过pca主成分分析的方法求出该轮廓的obb包围盒，并计算包围盒的长宽比、轮廓的大小比和轮廓的不变特征矩hu矩。
8、优选的，hu矩利用二阶、三阶中心距构造了7个不变矩，计算hu矩所需的几何矩和中心矩的计算公式如下：
9、几何矩：
10、
11、式中，f(x,y)为array(x,y)，n和m对应的是宽高为n*m的图像，0阶矩m00为轮廓区域面积，1阶矩m10和m01用来描述质心位置；
12、通过质心构建的中心矩具有旋转不变形，中心矩：
13、
14、式中，
15、对中心矩进行归一化处理就可以得到具有旋转、平移、缩放不变性的归一化中心矩：
16、
17、hu矩的7个不变矩计算公式如下：
18、h0＝η20+η02；
19、h1＝η20+η02；
20、
21、h3＝(η30-3η12)2+3(η21-η03)2；
22、h4＝(η30-3η12)(η30+η12)[(η30+η12)2-3(η12+η03)2]+(3η21-
23、η03)(η21+η03)[3(η30+η12)2-(η12+η03)2]；
24、h5＝(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)；
25、h6＝(3η21-η03)(η21+η03)[3(η30+η12)2-(η21+η03)2]-(η30-
26、η12)(η21+η03)[3(η30+η12)2-(η21+η03)2]；
27、7个不变矩构成一个具有旋转、平移、缩放不变性的七维向量，作为轮廓匹配的依据，具有一定的准确度和对轮廓的筛选能力。
28、优选的，在步骤s2中，设x＝{xi}(i＝1，…，n)表示给定形状外轮廓上等距采样点的序列，其中指数i按照沿轮廓沿逆时针方向采样点的顺序，确定坐标轴，对于每个样本点xi，将其切线li表示为参考轴，切线li的方向继承自等高线的方向，其方向从xi-1到xi+1；第j(j＝1，…，n)个样本点xj与切线li之间的距离定义为高度值hi,j，计算出每个样本点到轴li的高度值，点xi相对于形状x的形状描述符是高度值的有序序列：
29、
30、式中hi,j(j＝1，…，n)表示第j个样本点xj相对于点xi的参考轴li的高度值；
31、上述定义的描述符由每个单个样本点到参考轴的相对位置组成，这种精确的描述可能对局部边界变形过于敏感，取一个整数k，将整数序列1,2,...,n分为不相交区间[1,k],[k+1,2k],...,计算每个区间内的高度值的均值：
32、
33、其中j＝1,2,...,m,m＝n/k的整数部分，得到一个新的特征向量，表示采样点xi的平滑高度值为：
34、
35、fi作为hi的平滑版，平滑处理使描述子对局部变形的鲁棒性提高，且由于k>1,m<n,使描述子从n维降到m维，若n＝100，k＝5，则描述子的维数从100降至m＝20；
36、对于每个采样点xi(i＝1，…，n)，得到一个描述符fi(i＝1，…，n)，作为形状x的描述符，得到矩阵：
37、f＝f(x)＝(f1,f2,...,fn)；
38、使f中的每一行除以该行最大绝对值来规范化f，使形状表示尺度不变：
39、
40、优选的，在步骤s4中，假设输入进去的牙冠实物底面照片为x，数据库中当前遍历到的牙冠底面二维视图为y，p和q分别表示x和y的轮廓点，fp和fq分别为x和y计算出的高度特征，通过比较p和q的高度特征来计算匹配的代价：
41、
42、式中，ωt为高度特征每个分量的权重系数，为了容忍边界变形，远离p和q的点的高度特征被视为不那么重要。权重系数设定如下：
43、
44、最后利用动态规划得到x和y轮廓点不相似度的最小解dpmin(c(p,q))；再计算不变特征矩hu矩、包围盒长宽比，轮廓的大小比的欧氏距离作为匹配代价，加权后得到最后的总加权匹配代价；
45、每读取一个数据库中的牙冠底面二维视图，得到该二维视图与输入牙冠实物底面照片的总加权匹配代价，遍历读取完数据库后，得到所有牙冠对应二维视图与该照片的总加权匹配代价，输出最小的一个作为匹配结果。
46、因此，本专利技术采用上述的一种基于轮廓特征的牙冠匹配方法，具备以下
47、有益效果：
48、(1)特征提取简单，对照相设备的要求低，可以容忍一定的背景噪声，对光影变化不敏感；
49、(2)对轮廓的整体区域，局部和整体的形状有较高的描述能力，同时对局部变形也有一定的容忍能力；
本文档来自技高网...
【技术保护点】
1.一种基于轮廓特征的牙冠匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：步骤S2中，通过PCA主成分分析的方法求出该轮廓的OBB包围盒，并计算包围盒的长宽比、轮廓的大小比和轮廓的不变特征矩Hu矩。
3.根据权利要求2所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：Hu矩利用二阶、三阶中心距构造了7个不变矩，计算Hu矩所需的几何矩和中心矩的计算公式如下：
4.根据权利要求3所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：在步骤S2中，设X＝{xi}(i＝1，...，N)表示给定形状外轮廓上等距采样点的序列，其中指数i按照沿轮廓沿逆时针方向采样点的顺序，确定坐标轴，对于每个样本点xi，将其切线li表示为参考轴，切线li的方向继承自等高线的方向，其方向从xi-1到xi+1；第j(j＝1，...，N)个样本点xj与切线li之间的距离定义为高度值hi，j，计算出每个样本点到轴li的高度值，点xi相对于形状X的形状描述符是高度值的有序序列：
5.根据权利要求4所述的一种基于轮廓特征
...【技术特征摘要】
1.一种基于轮廓特征的牙冠匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：步骤s2中，通过pca主成分分析的方法求出该轮廓的obb包围盒，并计算包围盒的长宽比、轮廓的大小比和轮廓的不变特征矩hu矩。
3.根据权利要求2所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：hu矩利用二阶、三阶中心距构造了7个不变矩，计算hu矩所需的几何矩和中心矩的计算公式如下：
4.根据权利要求3所述的一种基于轮廓特征的牙冠匹配方法，其特征在于：在步骤s2中，设x＝{xi}(i＝1，...，n)表示给定形状外轮廓上等距采样点的序列，其中...
【专利技术属性】
技术研发人员：陈丁炎，蔡冬梅，李仁杰，张天亮，王彦斌，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
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。