图像边缘匹配方法、装置、计算机设备及存储介质与流程

1.本发明涉及图像处理领域，尤其涉及一种图像边缘匹配方法、装置、计算机设备及存储介质。


背景技术：

2.现有开源的图像匹配算法，一般是像素基本的模板匹配，特别容易受到光照的影响，匹配精度较为一般，同时模板图像需要进行全局匹配，计算量特别大，在要求角度模板匹配过程中，很难达到实际项目的要求。
3.现有采用边缘特征匹配的图像匹配算法，精度有所提高，但是图像边缘特征拥有的信息还是相对较少，在有毛刺干扰的情况下还是较为敏感；或者图像匹配算法进行边缘特征匹配过程中利用模板图像的不变矩进行匹配，该方法需要匹配整个模板图像，计算量较大。


技术实现要素：

4.本发明实施例提供一种图像边缘匹配方法、装置、计算机设备及存储介质，以解决对图像进行匹配时，计算量较大的问题。
5.一种图像边缘匹配方法，包括：
6.获取图像匹配请求，所述图像匹配请求包括目标图像和搜索匹配参数：
7.对所述目标图像进行金字塔压缩处理，获取所述目标图像对应的目标梯度信息；
8.根据所述搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与所述待匹配模板相对应的待匹配边缘梯度信息；
9.采用所述目标梯度信息对多个所述待匹配边缘梯度信息进行匹配，获取每个所述待匹配边缘梯度信息对应的边缘匹配度，根据所述边缘匹配度确定最佳匹配位置和最佳匹配角度。
10.进一步地，在所述获取图像匹配请求之前，所述图像边缘匹配方法还包括如下步骤：
11.获取模板创建请求，所述模板创建请求包括模板图像和模板创建参数；
12.采用边缘提取算法对所述模板图像进行边缘提取，获取所述模板图像对应的模板边缘；
13.根据所述模板创建参数，对所述模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息,并将多个角度模板对应的模板边缘梯度信息保存为边缘数组。
14.进一步地，所述模板创建参数包括金字塔压缩层数n、旋转起始角度a1、旋转末端角度a2和角度步长l；
15.所述根据所述模板创建参数，对所述模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息，包括：
16.根据所述模板创建参数，采用并列处理流程，对所述模板边缘进行金字塔压缩处理和角度旋转处理，获取n*(a2-a1)/l个角度模板对应的模板边缘梯度信息，其中，所述模板边缘梯度信息包括模板横向梯度、模板纵向梯度和模板弧度梯度。
17.进一步地，所述对所述目标图像进行金字塔压缩处理，获取所述目标图像对应的目标梯度信息，包括：
18.对所述目标图像进行金字塔压缩处理，获取所述目标图像对应的目标梯度信息，其中，所述目标梯度信息包括目标横向梯度、目标纵向梯度和目标弧度梯度。
19.进一步地，所述搜索匹配参数包括参数重合因子、参数梯度因子和参数加速因子；
20.所述根据所述搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与所述待匹配模板相对应的待匹配边缘梯度信息，包括：
21.根据所述参数加速因子，确定当前层的目标边缘搜索范围；
22.根据所述括参数重合因子和所述参数梯度因子，选取所述当前层的目标边缘搜索范围内的角度模板，确定为待匹配模板模板，并获取与所述待匹配模板相对应的待匹配边缘梯度信息。
23.进一步地，所述根据所述参数加速因子，确定当前层的目标边缘搜索范围，包括：
24.若当前层为顶层，则确定当前层的目标边缘搜索范围为全局搜索；
25.若当前层不为顶层，则根据所述参数加速因子，获取局部搜索参数，并根据所述局部搜索参数，确定当前层的目标边缘搜索范围为局部搜索。
26.进一步地，所述采用所述目标梯度信息对多个所述待匹配边缘梯度信息进行匹配，获取每个所述待匹配边缘梯度信息对应的边缘匹配度，包括：
27.通过如下公式计算每个所述待匹配边缘梯度信息对应的边缘匹配度：
[0028][0029]
其中，d
(u,v)
为所述待匹配边缘梯度信息对应的边缘匹配度，为模板横向梯度，为模板纵向梯度，为模板弧度梯度，为目标横向梯度，为目标纵向梯度，为目标弧度梯度。
[0030]
一种图像边缘匹配装置，其特征在于，包括：
[0031]
匹配请求获取模块，用于获取图像匹配请求，所述图像匹配请求包括目标图像和搜索匹配参数：
[0032]
梯度信息获取模块，用于对所述目标图像进行金字塔压缩处理，获取所述目标图像对应的目标梯度信息；
[0033]
模板筛选模块，用于根据所述搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与所述待匹配模板相对应的待匹配边缘梯度信息；
[0034]
信息匹配模块，用于采用所述目标梯度信息对多个所述待匹配边缘梯度信息进行匹配，获取每个所述待匹配边缘梯度信息对应的边缘匹配度，根据所述边缘匹配度确定最佳匹配位置和最佳匹配角度。
[0035]
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理
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图像边缘匹配方法。
[0036]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述图像边缘匹配方法。
[0037]
上述图像边缘匹配方法、装置、计算机设备及存储介质，获取图像匹配请求，图像匹配请求包括目标图像和搜索匹配参数，基于图像匹配请求中的搜索匹配参数，能够对图像边缘匹配过程进行优化处理，提高图像边缘匹配的效率；对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，根据目标梯度信息对目标图像的整张图像进行搜索，相比直接对目标图像整张图像进行搜索来说，提高了对目标图像进行匹配的效率；根据搜索匹配参数对预先创建的多个角度模板进行筛选，能够对目标图像匹配贡献度较小的角度模板剔除，减少对目标图像对应的目标梯度信息进行匹配时的计算量；最后，获取每个待匹配边缘梯度信息对应的边缘匹配度，根据边缘匹配度确定最佳匹配位置和最佳匹配角度，提高目标图像边缘匹配效率和匹配准确性。
附图说明
[0038]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0039]
图1是本发明一实施例中图像边缘匹配方法的一应用环境示意图；
[0040]
图2是本发明一实施例中图像边缘匹配方法的一流程图；
[0041]
图3是本发明一实施例中图像边缘匹配方法的另一流程图；
[0042]
图4是本发明一实施例中图像边缘匹配方法的另一流程图；
[0043]
图5是本发明一实施例中图像边缘匹配方法的另一流程图；
[0044]
图6是本发明一实施例中图像边缘匹配装置的一示意图；
[0045]
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
[0046]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047]
本发明实施例提供的图像边缘匹配方法，该图像边缘匹配方法可应用如图1所示的应用环境中。具体地，该图像边缘匹配方法应用在图像边缘匹配系统中，该图像边缘匹配系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于实现图像边缘匹配。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器获取图像匹配请求，图像匹配请求包括目标图像和搜索匹配参数，基于图像匹配请求中的搜索匹配参数，能够对图像边缘匹配过程进行优化处理，提高图像边缘匹配的效率；对目
标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，根据目标梯度信息对目标图像的整张图像进行搜索，相比直接对目标图像整张图像进行搜索来说，提高了对目标图像进行匹配的效率；根据搜索匹配参数对预先创建的多个角度模板进行筛选，能够对目标图像匹配贡献度较小的角度模板剔除，减少对目标图像对应的目标梯度信息进行匹配时的计算量；最后，获取每个待匹配边缘梯度信息对应的边缘匹配度，根据边缘匹配度确定最佳匹配位置和最佳匹配角度，提高目标图像边缘匹配效率和匹配准确性。
[0048]
在一实施例中，如图2所示，提供一种图像边缘匹配方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
[0049]
s10：获取图像匹配请求，图像匹配请求包括目标图像和搜索匹配参数。
[0050]
其中，图像匹配请求为指示服务器对目标图像进行匹配的请求。图像匹配请求包括目标图像和搜索匹配参数。目标图像为需要进行图像边缘匹配的图像。搜索匹配参数为用户自定义设置的参数，用于提高图像边缘匹配效率的参数。本示例中，为了减少图像边缘匹配时的工作量，提高图像边缘匹配的匹配速度，服务器可基于图像匹配请求中的搜索匹配参数，能够对图像边缘匹配过程进行优化处理，提高图像匹配的效率。
[0051]
s20：对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息。
[0052]
其中，金字塔压缩处理为将目标图像进行多分辨率压缩处理的过程。例如，对目标图像进行金字塔压缩处理，得到m层不同分辨率的压缩后的目标图像。目标梯度信息为对目标图像进行金字塔压缩处理得到的目标图像的对应的不同分辨率梯度的信息。
[0053]
具体地，服务器响应于图像匹配请求，服务器对目标图像进行金字塔压缩处理，以获取目标图像对应的目标梯度信息。可以理解地，通过金字塔压缩处理对目标图像进行处理，在对m层不同分辨率的压缩后的目标图像进行搜索时进行逐层搜索的方式对目标图像的整张图像进行搜索，相比直接对目标图像整张图像进行搜索来说，提高了对目标图像进行匹配的效率。
[0054]
s30：根据搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与待匹配模板相对应的待匹配边缘梯度信息。
[0055]
其中，角度模板为用户预先创建的模板，用于对目标图像对应的目标梯度信息进行匹配。待匹配模板为从多个角度模板中筛选后确定的角度模板，用于对目标图像进行匹配。待匹配边缘梯度信息为待匹配模板对应的边缘梯度信息，用于对目标图像进行匹配。
[0056]
作为一示例，预先创建的角度模板为k个，其中，k》1，为了提高对目标图像进行边缘匹配的效率，首先，根据搜索匹配参数对预先创建的k个角度模板进行筛选，确定p个待匹配模板和p个待匹配模板相对应的p个待匹配边缘梯度信息，其中，1《p《k。可以理解地，根据搜索匹配参数对预先创建的k个角度模板进行筛选，以筛选出p个待匹配模板，将k个角度模板中对目标图像匹配贡献度较小的k-p个角度模板剔除，减少对目标图像对应的目标梯度信息进行边缘匹配的计算量，提高匹配效率。
[0057]
s40：采用目标梯度信息对多个待匹配边缘梯度信息进行匹配，获取每个待匹配边缘梯度信息对应的边缘匹配度，根据边缘匹配度确定最佳匹配位置和最佳匹配角度。
[0058]
其中，边缘匹配度为目标梯度信息与待匹配边缘梯度信息的匹配度。最佳匹配位置为与目标图像的边缘特征的坐标位置匹配度最佳的边缘坐标位置。最佳匹配角度为与目标图像的边缘特征的角度匹配度最佳的边缘特征角度。
[0059]
作为一示例，待匹配边缘梯度信息为p个，服务器采用目标梯度信息对p个待匹配边缘梯度信息进行匹配，获取p个待匹配边缘梯度信息对应的边缘匹配度，从p个边缘匹配度中选取最大值，确定最佳匹配位置和最佳匹配角度。需要说明的是，采用目标梯度信息对多个待匹配边缘梯度信息进行匹配时，通过待匹配边缘梯度信息中的边缘特征对应的边缘点，确定目标梯度信息对应的每个梯度(金字塔压缩后每层)目标图像的边缘特征对应的边缘点，因此，只需要根据待匹配边缘梯度信息中的边缘特征对应的边缘点与根据待匹配边缘梯度信息确定的目标图像的边缘特征对应的边缘点的边缘匹配度，减少对目标图像进行边缘匹配的计算量，提高匹配效率。
[0060]
本实施例所提供的图像边缘匹配方法中，获取图像匹配请求，图像匹配请求包括目标图像和搜索匹配参数，基于图像匹配请求中的搜索匹配参数，能够对图像边缘匹配过程进行优化处理，提高图像边缘匹配的效率；对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，根据目标梯度信息对目标图像的整张图像进行搜索，相比直接对目标图像整张图像进行搜索来说，提高了对目标图像进行匹配的效率；根据搜索匹配参数对预先创建的多个角度模板进行筛选，能够对目标图像匹配贡献度较小的角度模板剔除，减少对目标图像对应的目标梯度信息进行匹配时的计算量；最后，获取每个待匹配边缘梯度信息对应的边缘匹配度，根据边缘匹配度确定最佳匹配位置和最佳匹配角度，提高目标图像边缘匹配效率和匹配准确性。
[0061]
在一实施例中，如图3所示，步骤s10之前，即获取图像匹配请求之前，包括：
[0062]
s101：获取模板创建请求，模板创建请求包括模板图像和模板创建参数。
[0063]
其中，模板创建请求为指示服务器对多角度模板进行创建的请求。模板创建请求包括模板图像和模板创建参数。模板图像为用于创建多角度模板的图像。模板创建参数为用户自定义设置的参数，用于根据用户需求创建多角度模板。
[0064]
s102：采用边缘提取算法对模板图像进行边缘提取，获取模板图像对应的模板边缘。
[0065]
其中，边缘提取算法为对图像边缘特征进行提取的算法。模板边缘为模板图像对应的边缘特征。
[0066]
作为一示例，服务器采用边缘提取算法可以是canny边缘检测算法(canny edge detector)。服务器采用canny边缘检测算法对模板图像进行边缘特征提取，获取模板图像对应的模板边缘。
[0067]
s103：根据模板创建参数，对模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息,并将多个角度模板对应的模板边缘梯度信息保存为边缘数组。
[0068]
其中，多角度旋转处理为对模板边缘按照预设的旋转角度进行旋转的处理方式。模板边缘梯度信息为对模板边缘进行金字塔压缩处理和角度旋转处理得到的目标图像边缘特征对应的梯度信息。边缘数组为用于存放模板边缘梯度信息的数组。
[0069]
作为一示例，设对每一层模板边缘进行角度旋转的旋转角度数量为s个，则服务器先根据模板创建参数，对模板边缘进行金字塔压缩处理，得到m层不同分辨率的模板边缘。接着，服务器对第i(1≦i≦m)层不同分辨率的模板边缘进行多角度旋转处理，得到第i层中第j(1≦j≦s)角度的模板图像对应的第i层中第j角度的模板边缘。最后，将m层模板边缘中
的第i层中第j角度的模板边缘的角度进行旋转处理，获取多个角度模板对应的模板边缘梯度信息，并保存为边缘数组。
[0070]
本实施例中，服务器先采用边缘提取算法对模板图像进行边缘提取，获取模板图像对应的模板边缘；由于模板图像的边缘特征拥有的图像特征信息较少，因此，服务器需根据模板创建参数，对模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息，模板边缘梯度信息能够获取较多的图像特征信息，提高在对目标图像进行边缘匹配时的抗干扰性和准确性。
[0071]
在一实施例中，步骤s101中，即模板创建参数包括金字塔压缩层数n、旋转起始角度a1、旋转末端角度a2和角度步长l；步骤s103中根据模板创建参数，对模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息，包括：根据模板创建参数，采用并列处理流程，对模板边缘进行金字塔压缩处理和角度旋转处理，获取n*(a2-a1)/l个角度模板对应的模板边缘梯度信息，其中，模板边缘梯度信息包括模板横向梯度、模板纵向梯度和模板弧度梯度。
[0072]
其中，并列处理流程为同时执行多个对模板边缘进行金字塔压缩处理和角度旋转处理的操作流程。金字塔压缩层数n为将目标图像进行根据分辨率压缩分层的层数。旋转起始角度a1为目标图像或模板边缘进行角度旋转处理的初始角度。旋转末端角度a2为目标图像或模板边缘进行角度旋转处理后的角度。角度步长l为目标图像或模板边缘角度旋转处理时角度旋转一次的角度距离。模板横向梯度为模板边缘梯度信息中模板边缘的横向梯度。模板纵向梯度为模板边缘梯度信息中模板边缘的纵向梯度。模板弧度梯度为由模板横向梯度和模板纵向梯度确定的梯度。
[0073]
作为一示例，根据金字塔压缩层数n、旋转起始角度a1、旋转末端角度a2和角度步长l，对模板边缘进行金字塔压缩处理，得到n层不同分辨率的模板边缘，采用并列处理流程，对n层中不同分辨率的模板边缘进行多角度旋转处理，例如，对n层中第i层的模板边缘进行多角度旋转处理，在a2-a1之间，依次旋转到a1 l、a1 2l、a1 3l
……
a2，获取每一层(a2-a1)/l个模板边缘。最终，将n层所有的模板边缘进行处理，得到n*(a2-a1)/l个角度模板对应的模板边缘梯度信息。
[0074]
作为另一示例，模板横向梯度tx、模板纵向梯度ty和模板弧度梯度txy计算如下：
[0075][0076]
其中，g
x,y
模板边缘的边缘点在模板图像中对应的灰度值。
[0077]
在本实施例中，采用并列处理流程，对模板边缘进行金字塔压缩处理和角度旋转处理，获取n*(a2-a1)/l个角度模板对应的模板边缘梯度信息，能够对图像匹配过程进行优化处理，提高图像边缘匹配的效率。
[0078]
在一实施例中，步骤s20中，即对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，包括：对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，其中，目标梯度信息包括目标横向梯度、目标纵向梯度和目标弧度梯度。
[0079]
作为一示例，根据金字塔压缩层数n，对目标图像进行金字塔压缩处理，获取n层目
标图像对应的m个目标梯度信息。其中，目标横向梯度、目标纵向梯度和目标弧度梯度的计算方式与模板横向梯度、模板纵向梯度和模板弧度梯度的计算方式一致，为避免重复，这里不再赘述。
[0080]
在本实施例中，根据目标梯度信息对目标图像的整张图像进行搜索，相比直接对目标图像整张图像进行搜索来说，提高了对目标图像进行匹配的效率。
[0081]
在一实施例中，如图4所示，步骤s30中，搜索匹配参数包括参数重合因子、参数梯度因子和参数加速因子，根据搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与待匹配模板相对应的待匹配边缘梯度信息，包括：
[0082]
s31：根据参数加速因子，确定当前层的目标边缘搜索范围。
[0083]
其中，参数加速因子为用户自定义设置的参数，用于确定当前层的目标边缘搜索范围。目标边缘为目标图像对应的边缘特征，由待匹配模板中的边缘特征的边缘点确定目标图像对应的边缘特征的范围。
[0084]
可以理解地，为了提高目标图像边缘匹配的匹配速度，服务器根据参数加速因子，能确定单层的目标边缘的搜索范围，即当前层的目标边缘搜索范围，能够有效减少对当前层的目标边缘搜索量，进而提高提高目标图像边缘匹配的匹配效率。
[0085]
s32：根据括参数重合因子和参数梯度因子，选取当前层的目标边缘搜索范围内的角度模板，确定为待匹配模板模板，并获取与待匹配模板相对应的待匹配边缘梯度信息。
[0086]
其中，参数重合因子为用户自定义设置的参数，用于对角度模板进行筛选，获取当前层的目标边缘搜索范围内的角度模板。参数梯度因子为用户自定义设置的参数，用于对待匹配边缘梯度信息对应的边缘匹配度进行筛选，提高目标图像边缘匹配的匹配速度。
[0087]
作为一示例，参数重合因子overlap的取值范围在0到1之间，按照预设的角度模板筛选规则，按边缘数组中相邻第1/overlap个选择为与目标边缘的边缘点进行匹配的模板边缘的边缘点，确定的模板边缘的边缘点个数为m0＝m*overlap，其中，m为边缘数组中所有模板边缘的边缘点个数，因此，减少了目标边缘的边缘点匹配数量，提高了目标图像边缘匹配的匹配速度。
[0088]
作为另一示例，参数梯度因子grad的取值范围在0到1之间，当边缘匹配度时，跳出目标边缘的边缘点的匹配，直接进行下一个目标边缘的边缘点的匹配，减少匹配的运算量。
[0089]
在本实施例中，根据参数加速因子，能确定单层的目标边缘的搜索范围，即当前层的目标边缘搜索范围，能够有效减少对当前层的目标边缘的搜索量，参数重合因子和参数梯度因子，减少了目标边缘的边缘点匹配数量，进而提高提高目标图像边缘匹配的匹配效率。
[0090]
在一实施例中，如图5所示，步骤s31中，根据参数加速因子，确定当前层的目标边缘搜索范围，包括：
[0091]
s311：若当前层为顶层，则确定当前层的目标边缘搜索范围为全局搜索。
[0092]
其中，全局搜索为对当前层的目标边缘的所有边缘点进行搜索。
[0093]
作为一示例，对目标图像进行金字塔压缩处理，得到n层不同分辨率的目标边缘。设目标边缘的顶层为第n层，在当前层为第n层时，则确定当前层的目标边缘搜索范围为对第n层全局搜索。
[0094]
s312：若当前层不为顶层，则根据参数加速因子，获取局部搜索参数，并根据局部搜索参数，确定当前层的目标边缘搜索范围为局部搜索。
[0095]
其中，局部搜索为对当前层的目标边缘的部分边缘点进行搜索。
[0096]
作为一示例，参数加速因子greed决定其局部搜索范围，设待确定的局部搜索范围s＝(1-greed)*n 1，n表示当前金字塔层次，设p表示为上一层的目标边缘的边缘点位置,设a表示为上一层的目标边缘的角度，则当前层的目标边缘搜索范围为p-s到p s，目标图像角度搜索范围为a-s到a s。
[0097]
在本实施例中，根据参数加速因子，能确定单层的目标边缘的搜索范围，即当前层的目标边缘搜索范围，能够有效减少对当前层的目标边缘的搜索量，进而提高提高目标图像边缘匹配的匹配效率。
[0098]
在一实施例中，步骤s40中，采用目标梯度信息对多个待匹配边缘梯度信息进行匹配，获取每个待匹配边缘梯度信息对应的边缘匹配度，包括：
[0099]
通过如下公式计算每个待匹配边缘梯度信息对应的边缘匹配度：
[0100][0101]
其中，d
(u,v)
为待匹配边缘梯度信息对应的边缘匹配度，为模板横向梯度，为模板纵向梯度，为模板弧度梯度，为目标横向梯度，为目标纵向梯度，为目标弧度梯度。
[0102]
具体地，模板图像经过边缘提取和金字塔压缩处理，因此，能够得到多层数多分辨率模板边缘和模板图像，根据模板边缘的边缘点位置确定目标图像边缘点的位置，需要根据目标梯度信息对多个梯度的目标边缘的边缘点以及模板边缘的边缘点进行匹配度计算，获取边缘匹配度，以进一步对目标图像边缘进行匹配。
[0103]
在本实施例中，采用目标梯度信息对多个待匹配边缘梯度信息进行匹配较多的图像特征信息，提高在对目标图像进行匹配时的抗干扰性。
[0104]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0105]
在一实施例中，提供一种图像边缘匹配装置，该图像边缘匹配装置与上述实施例中图像边缘匹配方法一一对应。如图6所示，该图像边缘匹配装置包括匹配请求获取模块10、梯度信息获取模块20、模板筛选模块30和信息匹配模块40。各功能模块详细说明如下：
[0106]
匹配请求获取模块10，用于获取图像匹配请求，图像匹配请求包括目标图像和搜索匹配参数：
[0107]
梯度信息获取模块20，用于对目标图像进行边缘提取和金字塔压缩处理，获取目标图像对应的目标梯度信息；
[0108]
模板筛选模块30，用于根据搜索匹配参数对预先创建的多个角度模板进行筛选，确定待匹配模板和与待匹配模板相对应的待匹配边缘梯度信息；
[0109]
信息匹配模块40，用于采用目标梯度信息对多个待匹配边缘梯度信息进行匹配，
获取每个待匹配边缘梯度信息对应的边缘匹配度，根据边缘匹配度确定最佳匹配位置和最佳匹配角度。
[0110]
进一步地，图像边缘匹配装置还包括：
[0111]
创建请求获取模块，用于获取模板创建请求，模板创建请求包括模板图像和模板创建参数；
[0112]
模板边缘模块，用于采用边缘提取算法对模板图像进行边缘提取，获取模板图像对应的模板边缘；
[0113]
边缘数组模块，用于根据模板创建参数，对模板边缘进行金字塔压缩处理和角度旋转处理，获取多个角度模板对应的模板边缘梯度信息,并将多个角度模板对应的模板边缘梯度信息保存为边缘数组。
[0114]
进一步地，边缘数组模块包括：
[0115]
梯度信息子模块，用于根据模板创建参数，采用并列处理流程，对模板边缘进行金字塔压缩处理和角度旋转处理，获取n*(a2-a1)/l个角度模板对应的模板边缘梯度信息，其中，模板边缘梯度信息包括模板横向梯度、模板纵向梯度和模板弧度梯度。
[0116]
进一步地，梯度信息获取模块20包括：
[0117]
目标梯度子模块，用于对目标图像进行金字塔压缩处理，获取目标图像对应的目标梯度信息，其中，目标梯度信息包括目标横向梯度、目标纵向梯度和目标弧度梯度。
[0118]
进一步地，模板筛选模块30包括：
[0119]
范围确定子模块，用于根据参数加速因子，确定当前层的目标边缘搜索范围；
[0120]
模板选取子模块，用于根据括参数重合因子和参数梯度因子，选取当前层的目标边缘搜索范围内的角度模板，确定为待匹配模板模板，并获取与待匹配模板相对应的待匹配边缘梯度信息。
[0121]
进一步地，范围确定子模块包括：
[0122]
全局搜索单元，用于当当前层为顶层，则确定当前层的目标边缘搜索范围为全局搜索；
[0123]
局部搜索单元，用于当当前层不为顶层，则根据参数加速因子，获取局部搜索参数，并根据局部搜索参数，确定当前层的目标边缘搜索范围为局部搜索。
[0124]
进一步地，信息匹配模块40包括：
[0125]
匹配度计算子模块，用于通过如下公式计算每个待匹配边缘梯度信息对应的边缘匹配度：
[0126][0127]
其中，d
(u,v)
为待匹配边缘梯度信息对应的边缘匹配度，为模板横向梯度，为模板纵向梯度，为模板弧度梯度，为目标横向梯度，为目标纵向梯度，为目标弧度梯度。
[0128]
关于图像边缘匹配装置的具体限定可以参见上文中对于图像边缘匹配方法的限定，在此不再赘述。上述图像边缘匹配装置中的各个模块可全部或部分通过软件、硬件及其
组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0129]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于图像边缘匹配。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像边缘匹配方法。
[0130]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中图像边缘匹配方法，例如步骤s10至步骤s40。或者，处理器执行计算机程序时实现上述实施例中数据导入装置的各模块/单元的功能，例如模块10至模块40的功能。为避免重复，此处不再赘述。
[0131]
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中图像边缘匹配方法，例如步骤s10至步骤s40。或者，处理器执行计算机程序时实现上述实施例中数据导入装置的各模块/单元的功能，例如模块10至模块40的功能。为避免重复，此处不再赘述。
[0132]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0133]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
[0134]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。