匹配圖像中多個(gè)相同對(duì)象的方法及裝置的制造方法
【專(zhuān)利摘要】本申請(qǐng)是關(guān)于一種匹配圖像中多個(gè)相同對(duì)象的方法及裝置。一種匹配圖像中多個(gè)相同對(duì)象的方法包括：提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集；將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集；利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。本申請(qǐng)的技術(shù)方案能夠使分類(lèi)更加準(zhǔn)確。
【專(zhuān)利說(shuō)明】
匹配圖像中多個(gè)相同對(duì)象的方法及裝置
技術(shù)領(lǐng)域
[0001]本公開(kāi)涉及圖像識(shí)別領(lǐng)域，尤其涉及匹配圖像中多個(gè)相同對(duì)象的方法及裝置。
【背景技術(shù)】
[0002]在圖像中查找圖像中的對(duì)象等應(yīng)用非常廣泛。例如當(dāng)圖形用戶(hù)界面中具有多個(gè)極為相似甚至相同的給定對(duì)象時(shí)，往往需要將圖形用戶(hù)界面所包含的所有匹配目標(biāo)查詢(xún)出來(lái)。
[0003]相關(guān)技術(shù)提供了一種多目標(biāo)識(shí)別算法，該算法用SUSAN角點(diǎn)形成SIFT特征點(diǎn)，采用階梯圖像金字塔結(jié)構(gòu)實(shí)現(xiàn)尺度不變，為所有匹配點(diǎn)建立統(tǒng)一的超定線(xiàn)性方程組并對(duì)該方程組系數(shù)矩陣進(jìn)行簡(jiǎn)化使其維數(shù)降低一半，得到增廣矩陣。對(duì)增廣矩陣進(jìn)行列變換，依據(jù)坐標(biāo)轉(zhuǎn)換的特性可從中提取多目標(biāo)的穩(wěn)定正常點(diǎn)，實(shí)現(xiàn)了快速分離多目標(biāo)的匹配點(diǎn)。但是上述方法魯棒性不足。另外，對(duì)于分離后的匹配點(diǎn)沒(méi)有涉及相關(guān)的范圍獲取處理。

【發(fā)明內(nèi)容】

[0004]本公開(kāi)提供一種匹配圖像中多個(gè)相同對(duì)象的方法及裝置，能夠獲得帶有分類(lèi)標(biāo)簽的匹配點(diǎn)，分類(lèi)更準(zhǔn)確。
[0005]根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種匹配圖像中多個(gè)相同對(duì)象的方法，包括:提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集；
[0006]將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集；
[0007]利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。
[0008]于一實(shí)施例中，該方法還包括:遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0009]于一實(shí)施例中，遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍包括:
[0010]從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離；
[0011]分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離；
[0012]計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例；
[0013]根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0014]于一實(shí)施例中，所述目標(biāo)對(duì)象的范圍通過(guò)如下公式確定:
[0015]RectA= (xa_xc*p，ya_yc*p，w*p，h*p)；
[0016]其中RectA對(duì)應(yīng)一矩形范圍，RectA中四個(gè)元素依次為:矩形范圍的左下角橫坐標(biāo)、矩形范圍的左下角縱坐標(biāo)，矩形范圍的寬度、以及矩形范圍的高度；
[0017]xa為所述匹配點(diǎn)A在X軸上的坐標(biāo)；
[0018]Xc為所述匹配點(diǎn)C在X軸上的坐標(biāo)；
[0019]ya為所述匹配點(diǎn)A在y軸上的坐標(biāo)；
[0020]y。為所述匹配點(diǎn)C在y軸上的坐標(biāo)；
[0021]P為所述匹配比例；
[0022]w為所述給定對(duì)象的寬度像素值；
[0023]h為所述給定對(duì)象的高度像素值。
[0024]于一實(shí)施例中，所述給定對(duì)象包括圖標(biāo)和按鈕。
[0025]于一實(shí)施例中，所述聚類(lèi)算法包括DBSCAN算法、OPTICS算法或DENCLUE算法。
[0026]于一實(shí)施例中，采用SIFT算法提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，以及提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集。
[0027]于一實(shí)施例中，SIFT算法包括:利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像;對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像;檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
[0028]根據(jù)本公開(kāi)實(shí)施例的第二方面，提供一種匹配圖像中多個(gè)相同對(duì)象的裝置，包括:
[0029]特征點(diǎn)集提取單元，用于提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集；
[0030]匹配點(diǎn)集獲取單元，用于將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集；
[0031]分類(lèi)單元，用于利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。
[0032]于一實(shí)施例中，該裝置還包括:范圍獲取單元，用于遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0033]于一實(shí)施例中，所述范圍獲取單元配置為:從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離；
[0034]分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離；
[0035]計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例；
[0036]根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0037]于一實(shí)施例中，所述聚類(lèi)算法包括DBSCAN算法、OPTICS算法或DENCLUE算法。
[0038]于一實(shí)施例中，所述特征點(diǎn)集提取單元配置為執(zhí)行SIFT算法。
[0039]于一實(shí)施例中，所述特征點(diǎn)集提取單元配置為:利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像;對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像;檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
[0040]根據(jù)本公開(kāi)實(shí)施例的技術(shù)方案，能有效減少噪點(diǎn)的干擾，可以使分類(lèi)更加準(zhǔn)確。另夕卜，根據(jù)其他實(shí)施例的技術(shù)方案，提供根據(jù)分離的匹配點(diǎn)獲取目標(biāo)對(duì)象范圍的方法，更符合對(duì)象識(shí)別的目的。
[0041]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。
【附圖說(shuō)明】
[0042]此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本發(fā)明的原理。
[0043]圖1是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的方法的流程圖；
[0044]圖2是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的示意圖；
[0045]圖3是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的方法的流程圖；
[0046]圖4是根據(jù)一示例性實(shí)施例示出的計(jì)算目標(biāo)對(duì)象范圍的方法的流程圖；
[0047]圖5是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的裝置的框圖。
【具體實(shí)施方式】
[0048]這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本發(fā)明相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書(shū)中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。
[0049]圖1是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的方法的流程圖。本實(shí)施例可適用于從待匹配圖像中匹配出多個(gè)與給定的給定對(duì)象形狀內(nèi)容一致的對(duì)象的情況。如圖1所示，本實(shí)施例所述的匹配圖像中多個(gè)相同對(duì)象的方法包括:
[0050]在步驟SllO中，提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集。
[0051]需要說(shuō)明的是，所述給定對(duì)象可為任意具有明確輪廓的圖像元素，例如圖標(biāo)、按鈕等。所述待匹配圖像是包含了多個(gè)所述給定對(duì)象的圖像，可以為圖形用戶(hù)界面等，例如具有圖像或文字的按鈕或圖標(biāo)。
[0052]本領(lǐng)域普通技術(shù)人員需要明確的是，提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，以及提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集可采用多種方法執(zhí)行。例如，可基于SIFT算法、SURF算法、小波變換的邊緣點(diǎn)算法、以及Harris角點(diǎn)檢測(cè)算法等，本公開(kāi)對(duì)此并不作限制。
[0053]下面以采用SIFT算法為例進(jìn)行說(shuō)明。
[0054]采用SIFT算法提取給定圖像的特征點(diǎn)集可包括:利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像;對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像;檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
[0055]在步驟S120中，將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集。
[0056]本實(shí)施例可采用任何特征點(diǎn)匹配，本公開(kāi)對(duì)此不做限制。例如，可計(jì)算兩個(gè)特征點(diǎn)的特征向量的歐氏距離作為兩幅圖像(如給定對(duì)象與待匹配圖像)中特征點(diǎn)的相似性判定度量。例如，取給定對(duì)象的特征點(diǎn)A，通過(guò)遍歷待匹配圖像計(jì)算所有有效特征點(diǎn)對(duì)應(yīng)的歐式距離，如果距離小于某個(gè)閾值，則判定該點(diǎn)是點(diǎn)A的匹配點(diǎn)。
[0057]對(duì)于SIFT算法而言，由于SIFT特征點(diǎn)的平移、縮放不變性可以解決不同分辨率顯示內(nèi)容相同圖像的兼容性問(wèn)題，對(duì)于不同分辨率但顯示內(nèi)容相同或極為相似的待匹配圖像和給定對(duì)象都能獲得相應(yīng)匹配點(diǎn)，從而能夠?qū)崿F(xiàn)不同分辨率圖像的兼容性。
[0058]在步驟S130中，對(duì)所述匹配點(diǎn)集進(jìn)行分類(lèi)可形成多個(gè)匹配點(diǎn)子集。有多種聚類(lèi)算法可用于對(duì)匹配點(diǎn)集進(jìn)行分類(lèi)，例如劃分法、層次法、密度算法等。
[0059]劃分聚類(lèi)法大部分是基于距離的，并且需要給定一個(gè)分區(qū)數(shù)K，對(duì)于分區(qū)數(shù)不確定的情況則需要進(jìn)行迭代分析，從而獲取最優(yōu)解。對(duì)于給定的K，算法首先給出一個(gè)初始的分組方法，以后通過(guò)反復(fù)迭代的方法改變分組，使得每一次改進(jìn)之后的分組方案都較前一次好。而所謂好的標(biāo)準(zhǔn)就是:同一分組中的記錄越近越好，而不同分組中的記錄越遠(yuǎn)越好。劃分法的相關(guān)算法包括K-MEANS算法、K-MED0IDS算法、CLARANS算法等。
[0060]層次聚類(lèi)方法(hierarchical methods)可以是基于距離的或基于密度或連通性的。這種方法對(duì)給定的數(shù)據(jù)集進(jìn)行層次似的分解，直到某種條件滿(mǎn)足為止。層次聚類(lèi)方法的一些擴(kuò)展也考慮了子空間聚類(lèi)。層次方法的缺陷在于，一旦一個(gè)步驟(合并或分裂)完成，它就不能被撤銷(xiāo)，因此它不能更正錯(cuò)誤的決定。層次法的相關(guān)算法包括BIRCH算法、CURE算法、CHAMELEON 算法等。
[0061]密度算法的指導(dǎo)思想就是，只要一個(gè)區(qū)域中的點(diǎn)的密度大過(guò)某個(gè)閾值，就把它加到與之相近的聚類(lèi)中去。密度算法包括DBSCAN算法、OPTICS算法、DENCLUE算法等?；诿芏鹊姆椒ㄅc其它方法的一個(gè)根本區(qū)別是:它不是基于各種各樣的距離的，而是基于密度的。密度算法可以克服基于距離的算法只能發(fā)現(xiàn)“類(lèi)圓形”的聚類(lèi)的缺點(diǎn)，對(duì)于一些遠(yuǎn)離聚類(lèi)的噪點(diǎn)有很好的排除作用，可在有噪聲的空間數(shù)據(jù)庫(kù)中發(fā)現(xiàn)任意形狀的聚類(lèi)。下面以DBSCAN算法為例說(shuō)明根據(jù)本發(fā)明一實(shí)施例的分類(lèi)過(guò)程。
[0062]DBSCAN(Density-Based Spatial Clustering of Applicat1ns with Noise)是一個(gè)比較有代表性的基于密度的聚類(lèi)算法。與劃分和層次聚類(lèi)方法不同，它將簇定義為密度相連的點(diǎn)的最大集合，能夠把具有足夠高密度的區(qū)域劃分為簇，并可在噪聲的空間數(shù)據(jù)庫(kù)中發(fā)現(xiàn)任意形狀的聚類(lèi)。
[0063]根據(jù)一實(shí)施例，利用DBSCAN算法對(duì)匹配點(diǎn)進(jìn)行分類(lèi)得到多個(gè)匹配點(diǎn)子集的過(guò)程如下。
[0064]從待匹配圖像上的匹配點(diǎn)集中任取一個(gè)未處理的點(diǎn)。
[0065]以該選取的點(diǎn)為中心，在半徑E范圍內(nèi)進(jìn)行搜索。將匹配點(diǎn)集在半徑E范圍內(nèi)的點(diǎn)的數(shù)量與一閾值MinPts (MinPts>l)進(jìn)行比較。如果搜索到的點(diǎn)的數(shù)量大于該閾值，則該選取的點(diǎn)為核心點(diǎn)，該核心點(diǎn)及半徑E內(nèi)搜索到的所有點(diǎn)形成一個(gè)簇。對(duì)簇內(nèi)除該核心點(diǎn)外的其他點(diǎn)重復(fù)上述步驟，進(jìn)行擴(kuò)簇，以此類(lèi)推，直至完成所有點(diǎn)的擴(kuò)簇。然后，選取下一個(gè)未處理的點(diǎn)，重復(fù)上述步驟。半徑E及閾值MinPts可根據(jù)具體應(yīng)用進(jìn)行選取，例如可以是經(jīng)驗(yàn)值。
[0066]如果搜索到的點(diǎn)的數(shù)量小于該閾值，該選取的點(diǎn)為邊緣點(diǎn)，則選取下一個(gè)未處理的點(diǎn)，重復(fù)上述步驟。
[0067]在所有點(diǎn)被處理之后，匹配點(diǎn)已經(jīng)根據(jù)它們的在圖像上分布密度被分類(lèi)劃分出來(lái)，得到多個(gè)匹配點(diǎn)子集。
[0068]根據(jù)本發(fā)明的實(shí)施例，特征提取算法與聚類(lèi)算法結(jié)合，能有效提高算法魯棒性，減少噪點(diǎn)帶來(lái)的干擾，分類(lèi)更準(zhǔn)確。
[0069]例如，圖2是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的示意圖，圖2的左側(cè)虛框中的部分210為待匹配圖像，右上角虛框中的小“搶奪”按鈕220為給定對(duì)象，待匹配圖像210與“搶奪”按鈕220匹配后，根據(jù)分布密度其匹配點(diǎn)可被分為三類(lèi)，分別位于所述待匹配圖像中三個(gè)“搶奪”按鈕所在位置。
[0070]根據(jù)一實(shí)施例，本公開(kāi)的方法還可包括步驟S140。在步驟140，遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。本步驟的方法可有各種實(shí)現(xiàn)方式，本公開(kāi)并不作限制。
[0071]例如，下面以所述多個(gè)匹配點(diǎn)子集中的一個(gè)匹配點(diǎn)子集Q為例進(jìn)行說(shuō)明。
[0072]從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離。
[0073]分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離。易于理解，在對(duì)給定對(duì)象(例如，圖2所示右側(cè)小的“搶奪”按鈕)進(jìn)行運(yùn)算操作時(shí)，選取該給定對(duì)象的左下頂點(diǎn)作為坐標(biāo)原點(diǎn)。對(duì)于待匹配圖像而言，對(duì)于坐標(biāo)原點(diǎn)的選取沒(méi)有特別限制。
[0074]計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例。
[0075]根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0076]這樣，可以得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0077]遍歷所述多個(gè)匹配點(diǎn)子集，對(duì)各匹配點(diǎn)子集執(zhí)行如上操作，即可分別獲取所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0078]圖3是根據(jù)一示例性實(shí)施例示出的一種匹配圖像中多個(gè)相同對(duì)象的方法的流程圖。
[0079]如圖3所示，本實(shí)施例所述的匹配圖像中多個(gè)相同對(duì)象的方法包括:
[0080]在步驟S301中，輸入待匹配圖像。
[0081 ] 在步驟S303中，提取SIFT特征點(diǎn)。
[0082]本實(shí)施例以采用SIFT算法為例，可具體采用如下操作:利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像;對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像;檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
[0083]在步驟S305中，輸入給定對(duì)象。
[0084]在步驟S307中，提取SIFT特征點(diǎn)。本步驟采用SIFT算法提取特征點(diǎn)可與步驟S303相同，在此不作贅述。
[0085]需要說(shuō)明的是，在實(shí)際操作中，可等待步驟S303與步驟S307均執(zhí)行結(jié)束后才能執(zhí)行步驟S309。即，步驟S303執(zhí)行結(jié)束后，需等待步驟S307執(zhí)行結(jié)束后，再進(jìn)行步驟S309。同樣，步驟S307執(zhí)行結(jié)束后，需等待步驟S303執(zhí)行結(jié)束后，再進(jìn)行步驟S309。
[0086]另外，還需說(shuō)明的是，步驟S301-步驟S303，與步驟S305-步驟S307，兩組步驟之間，并不限定其先后順序，也可并行執(zhí)行。
[0087]在步驟S309中，匹配待匹配圖像和給定對(duì)象的特征點(diǎn)。
[0088]在步驟S311中，得到待匹配圖像上的匹配點(diǎn)。
[0089]在步驟S313中，對(duì)匹配點(diǎn)進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。
[0090]在步驟S315中，遍歷所述多個(gè)匹配點(diǎn)子集。
[0091]在步驟S317中，對(duì)每一匹配點(diǎn)子集的特征點(diǎn)，計(jì)算匹配比例。
[0092]在步驟S319中，計(jì)算與前述匹配點(diǎn)相應(yīng)的目標(biāo)對(duì)象的范圍。
[0093]計(jì)算目標(biāo)對(duì)象的范圍的方法可包括多種，本公開(kāi)對(duì)此不作限制。
[0094]例如，可采用如圖4所示的算法進(jìn)行計(jì)算。圖4是根據(jù)一示例性實(shí)施例示出的計(jì)算目標(biāo)對(duì)象范圍的流程圖。如圖4所示，根據(jù)本實(shí)施例的計(jì)算目標(biāo)對(duì)象范圍的方法包括:
[0095]在步驟S410中，從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離；
[0096]在步驟S420中，分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離；
[0097]在步驟S430中，計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例。
[0098]匹配比例計(jì)算可采用如下方式計(jì)算，例如:
[0099]p = Euclidean(a(x,y)，b(x，y))/Euclidean(c(x，y) ,d(x,y))
[0100]a(x，y)為待匹配圖像中從匹配點(diǎn)子集Q中任意一個(gè)匹配點(diǎn)；
[0101]b(x，y)為待匹配圖像中從匹配點(diǎn)子集Q中取除a(x，y)以外的任意一個(gè)匹配點(diǎn)；
[0102]c(x，y)為給定對(duì)象中與a(x，y)匹配的對(duì)應(yīng)匹配點(diǎn)；
[0103]d(x，y)為給定對(duì)象中與b(x，y)匹配的對(duì)應(yīng)匹配點(diǎn)；
[0104]Euclidean(a(x,y)，b(x，y))為a(x，y)與b(x，y)的歐式距離;
[0105]Euclidean(c(x，y)，d(x，y))為c(x，y)與d(x，y)的歐式距離;
[0106]p為匹配比例。
[0107]在步驟S440中，根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0108]具體地，本步驟可采用如下方法:
[0109]RectA= (xa-xc*p，ya-yc*p，w*p，h*p)；
[0110]其中RectA對(duì)應(yīng)一矩形范圍，RectA中四個(gè)元素依次為:矩形范圍的左下角橫坐標(biāo)、矩形范圍的左下角縱坐標(biāo)，矩形范圍的寬度、以及矩形范圍的高度；
[0111]Xa為所述匹配點(diǎn)A在X軸上的坐標(biāo)；
[0112]Xc為所述匹配點(diǎn)C在X軸上的坐標(biāo)；
[0113]ya為所述匹配點(diǎn)A在y軸上的坐標(biāo)；
[0114]yc為所述匹配點(diǎn)C在y軸上的坐標(biāo)；
[0115]P為所述匹配比例；
[0116]w為所述給定對(duì)象的寬度像素值；
[0117]h為所述給定對(duì)象的高度像素值。
[0118]這樣，根據(jù)該匹配點(diǎn)子集可得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。同樣地，對(duì)于其他的匹配點(diǎn)子集也可按照此方法執(zhí)行，即也可對(duì)各匹配點(diǎn)子集執(zhí)行如上操作，以分別獲取所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0119]根據(jù)本公開(kāi)的技術(shù)方案能有效去除匹配點(diǎn)中的噪點(diǎn)。另外，基于匹配點(diǎn)的密度對(duì)處于圖像中不同位置匹配點(diǎn)進(jìn)行分類(lèi)，可以定位出位置不同但顯示內(nèi)容相同的圖標(biāo)的范圍。
[0120]圖5是根據(jù)一示例性實(shí)施例示出的匹配圖像中多個(gè)相同對(duì)象的裝置的框圖。如圖5所示，本實(shí)施例所述的匹配圖像中多個(gè)相同對(duì)象的裝置包括特征點(diǎn)集提取單元510、匹配點(diǎn)集獲取單元520、分類(lèi)單元530。
[0121]特征點(diǎn)集提取單元510用于提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集。
[0122]匹配點(diǎn)集獲取單元520用于將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集。
[0123]分類(lèi)單元530用于對(duì)所述匹配點(diǎn)集進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。
[0124]根據(jù)本公開(kāi)的一實(shí)施例，匹配圖像中多個(gè)相同對(duì)象的裝置還可包括范圍獲取單元540。范圍獲取單元540用于遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0125]根據(jù)一實(shí)施例，范圍獲取單元540配置為:從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離;分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離;計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例;根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。
[0126]根據(jù)一實(shí)施例，目標(biāo)對(duì)象的范圍可通過(guò)如下公式確定:
[0127]RectA= (xa-xc*p，ya-yc*p，w*p，h*p)；
[0128]其中RectA對(duì)應(yīng)一矩形范圍，RectA中四個(gè)元素依次為:矩形范圍的左下角橫坐標(biāo)、矩形范圍的左下角縱坐標(biāo)，矩形范圍的寬度、以及矩形范圍的高度；
[0129]xa為所述匹配點(diǎn)A在X軸上的坐標(biāo)；
[0130]X。為所述匹配點(diǎn)C在X軸上的坐標(biāo)；
[0131]ya為所述匹配點(diǎn)A在y軸上的坐標(biāo)；
[0132]yc為所述匹配點(diǎn)C在y軸上的坐標(biāo)；
[0133]p為所述匹配比例；
[0134]w為所述給定對(duì)象的寬度像素值；
[0135]h為所述給定對(duì)象的高度像素值。
[0136]如前所述，所述給定對(duì)象可為任意具有明確輪廓的圖像元素，例如圖標(biāo)、按鈕等。所述待匹配圖像是包含了多個(gè)所述給定對(duì)象的圖像，可以為圖形用戶(hù)界面等。
[0137]根據(jù)示例實(shí)施例，分類(lèi)單元530配置為利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集，所述聚類(lèi)算法包括DBSCAN算法、OPTICS算法或DENCLUE算法。
[0138]根據(jù)示例實(shí)施例，所述特征點(diǎn)集提取單元510配置為執(zhí)行SIFT算法。
[0139]根據(jù)示例實(shí)施例，所述特征點(diǎn)集提取單元510配置為:利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像;對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像;檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
[0140]關(guān)于上述實(shí)施例中的裝置，其中各個(gè)單元執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實(shí)施例中進(jìn)行了詳細(xì)描述，此處將不做詳細(xì)闡述說(shuō)明。
[0141]本實(shí)施例提供的匹配圖像中多個(gè)相同對(duì)象的裝置可執(zhí)行本發(fā)明各方法實(shí)施例所提供的匹配圖像中多個(gè)相同對(duì)象的方法，具備執(zhí)行方法相應(yīng)的功能模塊和有益效果。
[0142]本領(lǐng)域技術(shù)人員在考慮說(shuō)明書(shū)及實(shí)踐這里公開(kāi)的發(fā)明后，將容易想到本發(fā)明的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本公開(kāi)未公開(kāi)的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書(shū)和實(shí)施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。
[0143]應(yīng)當(dāng)理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來(lái)限制。
【主權(quán)項(xiàng)】
1.一種匹配圖像中多個(gè)相同對(duì)象的方法，其特征在于，包括: 提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集； 將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集； 利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括:遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍: 從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離； 分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離； 計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例； 根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述目標(biāo)對(duì)象的范圍通過(guò)如下公式確定: RectA= (xa_xc氺P,ya-yc*p,w*p,h氺p)； 其中RectA對(duì)應(yīng)一矩形范圍，RectA中四個(gè)元素依次為:矩形范圍的左下角橫坐標(biāo)、矩形范圍的左下角縱坐標(biāo)，矩形范圍的寬度、以及矩形范圍的高度；xa為所述匹配點(diǎn)A在X軸上的坐標(biāo)； Xe為所述匹配點(diǎn)C在X軸上的坐標(biāo)； ya為所述匹配點(diǎn)八在7軸上的坐標(biāo)； 為所述匹配點(diǎn)(:在7軸上的坐標(biāo)； P為所述匹配比例； w為所述給定對(duì)象的寬度像素值； h為所述給定對(duì)象的高度像素值。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述給定對(duì)象包括圖標(biāo)和/或按鈕。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述聚類(lèi)算法包括DBSCAN算法、OPTICS算法或DENCLUE算法。7.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用SIFT算法提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集以及提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集。8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述SIFT算法包括: 利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像； 對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像； 檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。9.一種匹配圖像中多個(gè)相同對(duì)象的裝置，其特征在于，包括: 特征點(diǎn)集提取單元，用于提取給定對(duì)象的特征點(diǎn)集作為第一特征點(diǎn)集，提取待匹配圖像的特征點(diǎn)集作為第二特征點(diǎn)集； 匹配點(diǎn)集獲取單元，用于將所述第一特征點(diǎn)集與所述第二特征點(diǎn)集中的特征點(diǎn)進(jìn)行匹配，得到所述待匹配圖像上的匹配點(diǎn)集； 分類(lèi)單元，用于利用聚類(lèi)算法對(duì)所述匹配點(diǎn)集按照分布密度進(jìn)行分類(lèi)，形成多個(gè)匹配點(diǎn)子集。10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，該裝置還包括:范圍獲取單元，用于遍歷所述多個(gè)匹配點(diǎn)子集，分別根據(jù)每個(gè)匹配點(diǎn)子集及所述給定對(duì)象的尺寸得到所述待匹配圖像中與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述范圍獲取單元配置為: 從匹配點(diǎn)子集Q中任意選取兩個(gè)匹配點(diǎn)A和B，計(jì)算所述匹配點(diǎn)A與B之間的距離作為第一距離； 分別獲取所述給定對(duì)象中與所述匹配點(diǎn)A和B對(duì)應(yīng)的匹配點(diǎn)C和D，計(jì)算所述匹配點(diǎn)C與D之間的距離作為第二距離； 計(jì)算所述第一距離與所述第二距離之間的比值作為第一匹配比例； 根據(jù)所述第一匹配比例、所述匹配點(diǎn)A及所述給定對(duì)象中與所述匹配點(diǎn)A對(duì)應(yīng)的所述匹配點(diǎn)C的坐標(biāo)值、以及所述給定對(duì)象的尺寸，得到與所述給定對(duì)象相匹配的目標(biāo)對(duì)象的范圍。12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，其特征在于，所述目標(biāo)對(duì)象的范圍通過(guò)如下公式確定:RectA = (xa-xc*p,ya-yc*p,w*p,h*p)； 其中RectA對(duì)應(yīng)一矩形范圍，RectA中四個(gè)元素依次為:矩形范圍的左下角橫坐標(biāo)、矩形范圍的左下角縱坐標(biāo)，矩形范圍的寬度、以及矩形范圍的高度；xa為所述匹配點(diǎn)A在X軸上的坐標(biāo)； Xe為所述匹配點(diǎn)C在X軸上的坐標(biāo)； ya為所述匹配點(diǎn)八在7軸上的坐標(biāo)； 為所述匹配點(diǎn)(:在7軸上的坐標(biāo)； P為所述匹配比例； w為所述給定對(duì)象的寬度像素值； h為所述給定對(duì)象的高度像素值。13.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述給定對(duì)象包括圖標(biāo)和/或按鈕。14.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述聚類(lèi)算法包括DBSCAN算法、OPTICS算法或DENCLUE算法。15.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述特征點(diǎn)集提取單元配置為執(zhí)行SIFT算法。16.根據(jù)權(quán)利要求15所述的裝置，其特征在于，所述特征點(diǎn)集提取單元配置為: 利用高斯卷積核對(duì)所述給定圖像進(jìn)行處理，得到多尺度空間圖像； 對(duì)所述多尺度空間圖像進(jìn)行高斯差分處理，構(gòu)建高斯差分尺度空間圖像； 檢測(cè)所述高斯差分尺度空間圖像的局部極值點(diǎn)，利用擬合三維二次函數(shù)將所述局部極值點(diǎn)精確到亞像素級(jí)，采用閾值法和Hessian矩陣法對(duì)所述局部極值點(diǎn)進(jìn)行篩選得到特征點(diǎn)集。
【文檔編號(hào)】G06K9/62GK105844290SQ201610153710
【公開(kāi)日】2016年8月10日
【申請(qǐng)日】2016年3月16日
【發(fā)明人】徐祖亮
【申請(qǐng)人】網(wǎng)易（杭州）網(wǎng)絡(luò)有限公司