[發明專利]一種多顏色空間差分融合的圖像匹配方法

在審

• 申請號: 201710929526.1
• 申請日: 2017-10-09
• 公開（公告）號: CN107609603A
• 公開（公告）日: 2018-01-19
• 發明（設計）人: 李金屏;于向茹;丁健配;竇一民;林振凱;郭玉坤;韓延彬
• 申請（專利權）人: 濟南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;G06T5/00
• 代理公司: 濟南誠智商標專利事務所有限公司37105
• 代理人: 李修杰

技術領域

本發明涉及一種多顏色空間差分融合的圖像匹配方法，屬于計算機視覺 圖像處理技術領域。

背景技術

隨著國民經濟的發展，各行各業對電力的需求不斷擴大，各種人為和自 然事故導致的斷電造成的損失也越來越大。如何提早發現、處理和預防危害 輸電線路的自然災害及意外事故，時刻保障電力正常供應，成為人們關注的 焦點。

目前在我國許多地方已開始通過在各個高壓輸電線路的桿塔上安裝攝像 頭來監控輸電線路情況，代替傳統的人工巡線。最初時，攝像頭拍攝圖像或 視頻傳回服務器，再由人工觀察來排查隱患，工作量非常大，而且主觀性強， 效率低下。隨著智能信息處理技術的發展，人們開始探索利用圖像匹配技術 進行安全檢測的方法，也取得了一定的進展。

圖像匹配技術的基本思路說明如下：通常情況下，輸電線路周邊隱患對 應于發生變化的區域或者對象，即所謂的“沒有變化就沒有隱患”。這些變化 區域大致可以分成兩類：人為因素引起的變化和非人為因素引起的變化。絕 大多數隱患是由人為因素引起的，但是這些人為因素引起的變化在所有變化 的區域中卻占很小的比例，即絕大多數的變化是由于非人為因素引起的，這 對我們判定人為因素引起的真正隱患造成了很大干擾。由于非人為因素引起 的變化絕大多數是源于光照、風吹草動、水面波紋等因素，而這種變化是可 以通過某種匹配技術來檢測到的，因此，通過圖像匹配的方法檢測并濾除那 些非人為因素引起的變化就顯得至為重要。

圖像匹配技術作為數字圖像處理研究中的一個基礎性工作，一直是領域 內的研究熱點；經過多年的研究，人們提出了許多圖像匹配算法，這些算法 主要可以分為以灰度信息為基礎的匹配和以特征為基礎的匹配。

李強等人在“一種基于圖像灰度的快速匹配算法.自動化學報2006, 17(2):216-222.”中提出了一種基于圖像灰度的快速匹配算法，此算法利用 基于圖像灰度值的編碼表示方法，將圖像分割為R-塊，并計算每個R-塊內像 素灰度值的和，并根據當前塊與相鄰塊值的排序關系進行編碼。通過比較各 個R-塊的編碼值，實現圖像與模版的匹配。由于在匹配過程中僅僅是比較編 碼值，所以此算法的計算時間非常快。

鄭永斌等人在“SIFT和旋轉不變LBP相結合的圖像匹配算法.計算機輔 助設計與圖形學學報.2010,22(2):286-292.”中提出了SIFT (Scale-invariant Feature Transform，尺度不變特征變換)和旋轉不變LBP (Local Binary Pattern，局部二值模式)相結合的圖像匹配算法是以特征 為基礎的匹配算法，為了解決SIFT算法計算復雜度高的問題，鄭永斌等人使 用旋轉不變的LBP特征作為特征點的描述。在不損失匹配性能的前提下，降 低了算法的復雜度。

上述兩種方式都利用了圖像的灰度信息，但受到光照影響，圖像中灰度 信息變化較大，且實際拍攝的場景圖像中，如施工工地，存在許多內容相同 的區域，因此這兩種方法的匹配效果并不理想。

Jerome Revaud等人在“Hierarchical Deformable Dense Matching. International Journal of Computer Vision.2016,120(3):300-323.” 提出了DeepMatching算法來解決兩幅圖像間的密集對應匹配問題。 DeepMatching算法是受深度卷積方法的啟發，而設計的一個多層的、分層的 結構相關匹配方法。此算法能夠應對非剛性形變和重復紋理。

Ma等人在“Matching via Feature Guided Gaussian Mixture Model.IEEE International Conference on Multimedia and Expo.2016:1-6.”提出了 一種新的特征導向的高斯混合模型(Feature Guided Gaussian Mixture Model，FG-GMM)來進行圖像匹配。文中將問題表示成特征引導的密度混合的 估計：將GMM擬合至一個點集，使得高斯密度的中心和局部特征被約束為與 另一個點集一致。該問題在統一的最大似然框架下與由置信特征對應初始化 的迭代半監督期望最大化(Expectation Maximization，EM)算法一起解決。 在再生核Hilbert空間中指定圖像變換，并且采用稀疏近似來快速實現。