[發明專利]一種基于超像素運動統計的誤匹配去除方法

有效

• 申請號: 201910060292.0
• 申請日: 2019-01-22
• 公開（公告）號: CN109949348B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 何凱;王陽;劉志國;馬紅悅
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/11;G06V10/74;G06V10/762
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于超像素運動統計的誤匹配去除方法，所述方法包括以下步驟：對兩張待匹配圖像進行特征提取、描述與匹配；利用改進的超像素分割算法對待匹配圖像Isubgt;1/subgt;和Isubgt;2/subgt;進行分割，得到兩張超像素標記圖；基于超像素標記圖建立超像素運動統計模型，通過模型實現非剛性形變圖像配準特征點的自動篩選。本發明采用超像素分割的策略代替簡單的矩形網格劃分，分割得到的超像素塊在空間上緊密相連，單個超像素塊內部在顏色和紋理上保持一致，且分割結果更遵循物體的運動邊緣，以保證超像素內部的特征點具有相同或一致的運動趨勢。

技術領域

本發明涉及計算機圖像匹配領域，尤其涉及一種基于超像素運動統計的誤匹配去除方法，可用于去除非剛性形變圖像的錯誤特征匹配。

背景技術

特征點配準方法的根本目的是建立兩幅或多幅圖像特征點集之間的匹配對應關系，它在圖像配準、三維重建、目標定位與識別等領域都有廣泛的應用。由于光照條件、噪聲、幾何變換、空間扭曲等因素的影響，實現完全準確的特征匹配是一項非常具有挑戰性的工作。目前，用于圖像配準的特征算子主要有SIFT算子(尺度不變特征變換)，SURF算子(加速穩健特征)，以及ORB算子^[1]等。利用上述方法可以實現比較準確的特征配準，但當圖像之間發生非剛性形變或存在大尺度位移時，容易產生較多的誤匹配，進而影響圖像的最終配準效果。

為此，Bian等^[2]指出：當圖像發生了非剛性形變或大尺度位移時，如何可靠的分離出正確與錯誤匹配是當前所面臨的主要任務。Bian等提出了一種基于網格的運動統計算法(GMS)，根據在矩形網格基礎上建立的統計函數來區分真假匹配，算法簡單高效，得到了廣泛應用。

然而，研究表明，矩陣網格雖然簡單，但往往會包含有不同的紋理成分，因此，假定同一矩形網格內具有相同的運動規律往往不夠準確，也會產生一定的統計誤差。

發明內容

本發明提供了一種基于超像素運動統計的誤匹配去除方法，本發明克服傳統網格運動統計算法存在的不足，采用超像素分割的網格化對傳統網格運動統計進行了改進，并建立了超像素網格統計模型，將真假匹配的概率分布特性轉換為統計特性，以此實現誤匹配點的自動篩選，詳見下文描述：

一種基于超像素運動統計的誤匹配去除方法，所述方法包括以下步驟：

對兩張待匹配圖像進行特征提取、描述與匹配；

利用改進的超像素分割算法對待匹配圖像I₁和I₂進行分割，得到兩張超像素標記圖；

基于超像素標記圖建立超像素運動統計模型，通過模型實現非剛性形變圖像配準特征點的自動篩選。

其中，所述對兩張待匹配圖像進行特征提取、描述與匹配具體為：

對兩張待匹配圖像，采用ORB算子分別提取圖像的特征點，得到兩個初始特征點集，并對特征點進行描述；

利用特征匹配對兩個特征點集進行初匹配，從而獲得N對初始匹配坐標對。

進一步地，所述改進的超像素分割算法具體為：

將圖像轉換至CIELAB色彩空間中，均勻選取K個聚類種子點，其間隔為L個像素，在每個種子點周圍2L×2L的鄰域范圍內搜索與之具有較高相似度的像素，并將其歸為一類；

采用皮爾遜相關系數來代替歐氏距離，獲取相似度。

具體實現時，所述采用皮爾遜相關系數來代替歐氏距離，獲取相似度具體為：