[發明專利]一種圖像匹配方法及其裝置

無效

• 申請號: 201110218922.6
• 申請日: 2011-08-01
• 公開（公告）號: CN102236798A
• 公開（公告）日: 2011-11-09
• 發明（設計）人: 周東華;陳茂銀;劉安
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/64
• 分類號: G06K9/64
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 劉華聯;王建軍

技術領域

本發明涉及計算機視覺和圖像處理領域，尤其涉及圖像匹配技術中的消除錯誤匹配的技術。

背景技術

圖像匹配技術作為計算機視覺領域的一項基礎工作，廣泛應用導航、地圖、地形識別、環境監測和生理病變研究等領域。圖像匹配重要的是在建立兩圖像間的點對點的對應關系，或對某種感興趣的特征建立關聯?，F有匹配算法中，由于圖像的視角變化，光照變化等影響，不可避免會出現錯誤的匹配點。這些錯誤的匹配點，對正確估計圖像變換模型參數，獲取圖像深度信息，建立圖像三維模型都會產生很大的影響，導致后續的圖像對齊配準、拼接及物體識別等任務出現較大的困難和錯誤。在圖像匹配中，去除錯誤匹配點，保留正確匹配點，是建立匹配的重要的不可缺少的環節。

在現有匹配算法中，主要分為基于相關匹配算法和基于特征的匹配算法。基于相關的匹配算法，只能在圖像間發生平移時有效，雖然其方法匹配率高，但是需要處理的信息量很大，計算復雜而且容易出錯，很難達到實時匹配的要求，而且對圖像間的細微差別很敏感，一個很小的變化都有可能對匹配的結果產生較大的影響，所以該算法看噪聲及其他抗干擾的能力比較差?；谔卣鞯钠ヅ渌惴?，通過提取具有平移，旋轉，尺度，光照，視點等變換具有不變性的特征進行匹配，該算法具有很好的穩定性和適用性。

主要的特征匹配算法有尺度不變特征變換(Scale?Invariant?FeatureTransform，簡稱SIFT)算法及其衍生算法。其算法包括特征檢測和特征匹配兩個步驟。SIFT算子對尺度變化，旋轉，尺度縮放，部分三維視角變化和光照變化保持不變，公認為穩定性、適應性較強的局部特征匹配算子。

SIFT算法產生的匹配點，是根據興趣點的周邊領域信息，采用特征向量(特征描述符)距離比率來確定的。其前提條件，一是圖像存在灰度梯度顯著變化的興趣點，二是興趣點的周邊在兩圖像間基本保持不變。該方法對圖像中存在多個局部相似結構，極易出現錯誤匹配，例如隨著攝像視角的增大(如寬基線攝影測量)，圖像的局部區域出現很大的變化，該算法隨著視角增大，其誤匹配率也會顯著增高。實踐表明，當視點角度超過25°～30°時，匹配準確率大為下降，誤匹配率都將低于50％。因此去除誤匹配點在特征匹配中必不可少，對提高匹配正確率和匹配效率有重要意義。

現有去除錯誤匹配點的算法主要有，隨機采樣一致性算法(Randomsample?consensus，RANSAC)和利用極線幾何約束算法(Epipolar?lineconstraints)。這兩種算法都需利用特征點集的內在約束關系，要估計單應性矩陣(Homography)或基礎矩陣(Fundamental?matrix)，估計精度受錯誤匹配率影響很大。RANSAC算法的前提是建立在大樣本的基礎之上，并假定匹配只符合一個平面約束，得到存在符合這一約束的最大集合。其算法迭代次數受錯誤匹配率影響很大，錯誤匹配率越大，迭代的次數越大，但是實際中錯誤匹配率都需要假定。RANSAC雖然可以去除誤匹配，但同時也去除了較多原本正確的匹配點對，即損失的正確匹配率較高，這在大視角變化時，尤為顯著，其去除誤匹配的效率很低，有效的匹配數目過少，不能滿足圖像匹配的要求。

發明內容

本發明所要解決的技術問題是提供一種在大視角變化下的有效的去除錯誤匹配點的圖像匹配方法及其裝置。

根據本發明的一方面，提供了一種圖像匹配方法。該圖像匹配方法包括：步驟一，提取參考圖像與目標圖像各自的特征初始匹配點集，分別作為參考匹配點集和目標匹配點集；步驟二，通過機器學習方法針對所述參考匹配點集和所述目標匹配點集進行迭代學習，在每次迭代中獲得所述參考匹配點集和所述目標匹配點集的函數關系；步驟三，分別根據在各次迭代中所獲得所述參考匹配點集和所述目標匹配點集的各所述函數關系，對所述參考匹配點集進行逐次估計，得到各匹配估計點集，并針對每個所述匹配估計點集，計算匹配估計點集中的每個點與所述目標匹配點集中相應的點的殘差值，以獲得各殘差點集；步驟四，根據各所述殘差點集的分布情況，對所述參考匹配點集進行兩次或兩次以上篩選，以獲得錯誤匹配點集；步驟五，將所述參考匹配點集賦值為所述參考匹配點集與所述錯誤匹配點集的差，并根據所述參考匹配點集獲得相應的所述目標匹配點集；步驟六，判斷是否滿足預設的結束迭代條件，如果判斷為是，參考各所述錯誤匹配點集來進行所述參考圖像與所述目標圖像之間的圖像匹配，反之，則返回所述步驟二。

根據本發明另一方面的圖像匹配方法，根據尺度不變特征變換算法提取參考圖像與目標圖像各自的特征初始匹配點集。