[發(fā)明專利]基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201410138256.9
• 申請日: 2014-04-08
• 公開（公告）號: CN104021542A
• 公開（公告）日: 2014-09-03
• 發(fā)明（設(shè)計(jì)）人: 胡伏原;董治方;吳宏杰
• 申請（專利權(quán)）人: 蘇州科技學(xué)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46
• 代理公司: 蘇州慧通知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32239
• 代理人: 安紀(jì)平

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理與模式識別領(lǐng)域中的圖像匹配技術(shù)范疇，尤其涉及一種基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法。

背景技術(shù)

圖像匹配技術(shù)主要是一種通過對影像內(nèi)容、特征、結(jié)構(gòu)、關(guān)系、紋理及灰度等的對應(yīng)關(guān)系，相似性和一致性分析，尋求相同影像目標(biāo)的方法。圖像匹配技術(shù)可分為：基于圖像灰度的匹配技術(shù)、基于圖像特征的匹配技術(shù)、基于模板匹配的匹配技術(shù)和基于變換域的匹配技術(shù)。灰度匹配的基本思想：以統(tǒng)計(jì)的觀點(diǎn)將圖像看成是二維信號，采用統(tǒng)計(jì)相關(guān)的方法尋找信號間的相關(guān)匹配，利用兩個(gè)信號的相關(guān)函數(shù)，評價(jià)它們的相似性以確定同名點(diǎn)。利用灰度信息匹配方法的主要缺陷是計(jì)算量太大，因?yàn)槭褂脠龊弦话愣加幸欢ǖ乃俣纫螅赃@些方法很少被使用。特征匹配是指通過分別提取兩個(gè)或多個(gè)圖像的特征(點(diǎn)、線、面等特征)，對特征進(jìn)行參數(shù)描述，然后運(yùn)用所描述的參數(shù)來進(jìn)行匹配的一種算法。但是無論采用哪種算法都存在著在匹配過程中出現(xiàn)錯(cuò)誤的可能，因此，在匹配過程中剔除錯(cuò)誤的點(diǎn)對，對提高匹配率有很重要的作用。

針對在相機(jī)平移情況下對尺度不變特征轉(zhuǎn)換(Scale-invariant?feature?transform或SIFT)提取出的局部特征匹配后，在SIFT檢測出特征點(diǎn)，計(jì)算得到特征描述符，針對特征描述符的歐氏距離進(jìn)行匹配，在這個(gè)匹配過程為保證匹配的效率用了K最臨近結(jié)點(diǎn)的算法進(jìn)行歐式距離匹配，為保證匹配的正確交叉匹配，至此得到的匹配點(diǎn)對，即為在SIFT算法中的正確點(diǎn)對，由于SIFT特征的局限性和算法的系統(tǒng)誤差導(dǎo)致得到的匹配點(diǎn)對有部分不正確，導(dǎo)致匹配率較低。

有鑒于上述現(xiàn)有的圖像匹配技術(shù)存在的缺陷，本發(fā)明人基于從事此類產(chǎn)品設(shè)計(jì)制造多年豐富的實(shí)務(wù)經(jīng)驗(yàn)及專業(yè)知識，并配合學(xué)理的運(yùn)用，積極加以研究創(chuàng)新，以期創(chuàng)設(shè)一種新型基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，使其更具有實(shí)用性。經(jīng)過不斷的研究、設(shè)計(jì)，并經(jīng)反復(fù)試作樣品及改進(jìn)后，終于創(chuàng)設(shè)出確具實(shí)用價(jià)值的本發(fā)明。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于，針對在相機(jī)平移情況下對David?Lowe提出尺度不變特征轉(zhuǎn)換(Scale?invariant?feature?transform或SIFT)提取出的局部特征匹配后，計(jì)算出相機(jī)的基礎(chǔ)矩陣，運(yùn)用空間結(jié)構(gòu)剔除匹配中錯(cuò)誤的點(diǎn)對，從而更加適于實(shí)用，且具有產(chǎn)業(yè)上的利用價(jià)值。

本發(fā)明的目的及解決其技術(shù)問題是采用以下技術(shù)方案來實(shí)現(xiàn)的。依據(jù)本發(fā)明提出的一種基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，通過特征點(diǎn)的檢測、特征點(diǎn)的分集以及集合的更新實(shí)現(xiàn)優(yōu)化操作。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，檢測每幅圖像中所有SIFT特征點(diǎn)，并提取每個(gè)特征點(diǎn)的128維描述符向量，在影像0(Image0)和影像1(Image1)中匹配特征點(diǎn)，利用向量間歐式距離在影像1(Image1)特征點(diǎn)中尋找與影像0(Image0)中每個(gè)特征點(diǎn)最近的和次進(jìn)的兩個(gè)特征點(diǎn)，分別計(jì)算最近特征點(diǎn)和次進(jìn)特征點(diǎn)的距離(Di?s0和Dis1)，并將最近特征點(diǎn)／次進(jìn)特征點(diǎn)(Dis0／Dis1)記為比率(ratio)，此時(shí)，影像0(Image0)中每個(gè)特征點(diǎn)都有一個(gè)比率值(ratio>0)。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，在影像0(Image0)所有特征點(diǎn)中，找出比率<0.382(ratio<0.382)的所有點(diǎn)存入點(diǎn)集合V1中；在點(diǎn)集合V1中計(jì)算每個(gè)特征點(diǎn)與影像1(Image1)中最近的特征點(diǎn)間的像素距離(distance)，并將0<像素距離<3的特征點(diǎn)存入集合V11中，3≤像素距離<6的特征點(diǎn)存入集合V12中，將6≤像素距離<80的特征點(diǎn)存入集合V13中。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，所述集合V11為優(yōu)質(zhì)點(diǎn)集合，所述集合V12為待測點(diǎn)集合，所述集合V13為標(biāo)準(zhǔn)點(diǎn)集合。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，更新所述集合V12。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，更新所述集合V13。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，將更新后的集合V12合并到所述集合V11中。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，將更新后的集合V13合并到所述集合V11中。

具體的，前述的基于極限約束的SIFT特征匹配點(diǎn)優(yōu)化方法，所述最優(yōu)化集合為集合V11、更新后的集合V12和更新后的集合V13的合并集合。