第283章 当年往事 (第2/4页)
于一些特定场合。特征匹配法需要先对图像分割成点、线、面后再提取特征，对提取出来的多个特征进行相似程度匹配并建立映射关系。本文构建架构主要基于特征提取的sift(尺度不变特征变换)算法[2]。图像匹配算法流程如图1所示。图1图像匹配算法流程sift算法是由davidlowe于1999年提出的算法，在2004年进行了深入的完善。可以应对图形的缩放、旋转、仿射变换并保持很好的匹配。在相关的局部特征描述算法对比研究中，证实sift及相关改进算法具有相当的健壮性。sift算法检测图像的局部特征，具有独特性、多量性、实时性、扩展性强等特点。sift算法本质是在使用高斯卷积得到的不同尺度空间上定位出特征点，基于图像局部梯度方向确定其特征描述并进行匹配。3应用方案31灰度化首先需要对待提取整个屏幕进行截屏处理，截屏得到的图像按照bp(位图bitap)格式进行存储。截屏图像具有r、g、b三种颜色，数值范围均为0至255，为了便于处理需要对图像处理为256级灰度图像，这里采用一种常见的方法转化，公式如下：灰度值=03b+059g+011r32sift定位使用sift算法对dows屏幕程序各要素定位需要预先获取各目标对象的特征和属性。随后基于已经构建好的模型进行匹配。在选取特征的过程中由于sift算法的优良特性不用过多考虑平移、旋转、尺度、亮度等影响因子。sift算法[3]的步骤分为尺度空间的构建、极值点检测、极值点定位、特征点方向分配、生成特征点等五个步骤。首先需要建立一个目标特征库，通过分析提取大量应用程序界面内按钮、窗口等要素特征点将其加入目标特征库供特征匹配使用。由于各各应用程序按钮、窗口等要素的几何形状的差异性，特征点可能存在较大的区别，该目标特征库还需要具备学习功能，不断收集新的特征点加入特征库以提高识别的准确率和稳定性。33文本定位[4]得到各项应用程序界面元素对象之后还需要确定其
-->>(第2/4页)（本章未完，请点击下一页继续阅读）