本发明基于局部-整体视角的模板匹配方法，属于计算机视觉领域。
背景技术：
1、本发明针对特定物体构建通用模板库，并与图像中的提取的物体轮廓进行匹配，达成提取目标物体的目的。在实际场景中，可用于如显微图像的花粉颗粒匹配，对显微图像中的花粉粒计数并预报浓度，有助于花粉过敏患者防范过敏症。
2、现有的模板匹配按照匹配的特征不同可以分为两种：基于灰度的方法和基于形状的方法。基于灰度的模板匹配方法主要关注于图像的灰度值特征，分别对模板图像和待检测图像的灰度值进行统计，计算相似度以推断其匹配程度。在以往的研究中，barbara等人[1]提出了归一化相关法该方法把图像整体看作一个矢量，计算模板和图像之间的相关系数从而判断是否匹配。wang等人[2]融合了序贯相似性检测算法和基于图像块的匹配算法，获得了较好性能。基于灰度的模板匹配方法一般不需要对目标图像进行复杂的预处理，即可实现较高的匹配精度，但其对环境引起的灰度变化较为敏感，且匹配速度较慢，具有一定能的局限性。基于形状的模板匹配方法关注于图像的轮廓特征，这种方法通常要先对模板图像和待检测图像的轮廓进行特征描述，再计算特征描述子之间的相似度实现模板匹配。在以往的研究中，hu等人[3]首先将几何不变矩应用到二维图像特征描述中，可以描述形状的不变形态特征和高阶统计特征，但其中只有一个具有平移、旋转和缩放不变性，因此不适合对复杂形状进行描述。nguyen[4]提出一种基于平均场的倒角模板匹配算法，每个模板被表示为场模型，并且将模板与输入图像匹配被表达为场模型中的后验最大值的估计。侯春萍等人[5]提出了一种针对轮廓段的形状描述子用于复杂背景中的目标检测，该描述子提取了轮廓段的距离、角度和弧度信息，将描述子间相关系数作为相似度度量。
3、以上方法均可以在一定程度上分割花粉区域，但存在以下一些限制：(1)基于灰度的方法关注于图像的灰度值特征，在实际场景下，物体颜色易受到光照印象，且存在目标物体类别间颜色相近的情况，无法保证模板和目标物体之间的匹配性。(2)基于形状的模板匹配方法则多关注于目标物体的整体形状，对于物体的细微差异不敏感。
4、为了克服这些挑战，本专利提出了一种基于局部-整体视角的模板匹配方法，针对物体的轮廓，通过两个特征描述子分别计算模板和目标物体的局部和整体相似度，通过细节和整体角度提高匹配准确度。
5、参考文献：
6、[1]barbara zitová,flusser j.image registration methods:a survey[j].image and vision computing,2003,21(11):977-1000.
7、[2]wang z,wang b,zhou z,et al.a novel ssda-based block matchingalgorithm for image stabilization[c].international conference on intelligenthuman-machine systems&cybernetics.
8、ieee computer society,2015.
9、[3]hu m.visual pattern recognition by moment invariants[j].
10、information theory ire transactions on,1962,8(2):179-187.
11、[4]nguyen d t.a novel chamfer template matching method usingvariational mean field[c].2014ieee conference on computer vision and patternrecognition(cvpr).ieee computer society,2014:2425-2432.
12、[5]侯春萍,张倩文,王晓燕等.轮廓匹配的复杂背景中目标检测算法[j].哈尔滨工业大学学报,2020,52(05):121-128.
技术实现思路
1、本发明提出了一种基于局部-整体视角的模板匹配方法，通过形状上下文描述子和形状度量描述子分别计算模板和目标物体的局部和整体相似度，结合局部和整体视角的信息完成模板匹配。本发明首先需要构建模板库，之后进行模板匹配，匹配过程包括以下步骤：轮廓提取、轮廓特征描述以及特征匹配。首先从原始图片中提取目标轮廓，之后轮廓的局部和整体特征将用的两个特征描述子(形状上下文特征、形状度量特征)代表。最后根据特征描述子将目标轮廓与我们构建的模板库中的花粉模板相匹配，形成目标轮廓与模板间的对应关系，筛选强对应关系的目标轮廓区域作为匹配结果。
2、本发明的具体方案如附图1所示，具体步骤如下。
3、步骤1：构建模板库
4、构建一套目标物体模板库，提取包含完整物体轮廓特征的区域作为模板图像。为保证模板的准确性首先需要人工定位图像中的目标物体，之后通过canny算子提取目标物体的外层边缘线条，并经过人工修正后，形成轮廓模板库。
5、步骤2：轮廓提取
6、首先对图像做迁移均值滤波和高斯滤波处理，弱化内部纹理的影响并平滑图像边缘；将图像转为灰度图后利用canny算子提取图像中所有的边缘线条；最后保留最外层封闭线条，作为轮廓提取结果。
7、步骤3：形状上下文特征提取
8、利用形状上下文特征描述子统计了轮廓点集中每一个点的上下文信息，经过轮廓点采样、形状上下文特征描述子提取等操作得到目标轮廓的形状上下文特征。
9、步骤4：形状度量特征提取
10、为了衡量轮廓的整体形状，本发明提出了形状度量特征，包含四个特征维度，分别为圆度比、圆方差、矩形度和凹度，我们对目标轮廓提取以上四维度的特征得到其形状度量特征。
11、步骤5：特征匹配
12、对模板轮廓和目标轮廓分别计算两个特征描述子，根据特征距离将提取的目标轮廓与模板像匹配，选取匹配度高的轮廓区域，经过轮廓过滤和k-nn分类之后，得到匹配结果。
13、与已有技术相比，本发明有益效果在于：
14、一、本发明采用的一种基于局部-整体视角的模板匹配方法，充分考虑物体的局部特征和整体特征，从细节和整体的角度提高匹配准确度，保证匹配区域边界的完整性。
15、二、本发明采用的位置-边界信息引导的图像对象分割方法，在物体轮廓的整体视角方面，充分考虑了多个维度的特征，将物体间的相似度映射为物体与规则形状间的相似度，通过相似度的比较完成匹配。
1.一种基于局部-整体视角的模板匹配方法，其特征在于：
