[發明專利]基于EPI_Volume的LF_SURF光場圖像特征匹配方法

有效

• 申請號: 202010131469.4
• 申請日: 2020-02-28
• 公開（公告）號: CN111353537B
• 公開（公告）日: 2023-02-07
• 發明（設計）人: 金海燕;邊敏艷;肖照林;蔡磊
• 申請（專利權）人: 西安理工大學
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/46;G06V10/764
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 張皎

本發明基于EPI_Volume的LF_SURF光場圖像特征匹配方法，具體按照以下步驟實施：步驟1、將第一張光場圖像讀入至MATLAB軟件中得到光場圖像五維矩陣[s,t,u,v,3]；步驟2、計算得到四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣；步驟3、進行SURF特征點檢測得到光場圖像精確特征點；步驟4、每個光場圖像精確特征點生成128維特征描述向量；步驟5、將第一張光場圖像的特征點與第二張光場圖像的特征點按照歐式距離進行相似性度量進而完成特征點匹配；步驟6、根據特征匹配的精確率對特征匹配的正確性進行驗證。本發明基于EPI_Volume的LF_SURF光場圖像特征匹配方法，克服了現有的光場圖像特征檢測方法檢測出的特征點不穩定，計算復雜度高，沒有對特征點進行描述做進一步匹配的問題。

技術領域

本發明屬于光學圖像處理技術領域，具體涉及基于EPI_Volume的LF_SURF光場圖像特征匹配方法。

背景技術

光場是光線在空間傳播中四維的概念，是空間中同時包含位置和方向信息的四維光輻射場的參數化表示，是空間中所有光線光輻射函數的總體。光場成像可以獲得空間內任意的角度、任意的位置、空間環境的真實信息，克服了傳統成像因視角的局限性存在遮擋、丟失深度等缺點，對場景的捕捉更加全面，而廣泛應用于三維重建和安防監控領域。

光場圖像特征的檢測、匹配是完成圖像配準、姿態估計、三維重建、位置識別等各種計算機視覺任務的基礎，特征檢測和匹配的準確性會直接影響計算機視覺任務的效果。現有的光場圖像特征檢測方法有：跨視圖重復SIFT特征檢測方法，LIFF光場特征點檢測方法，基于Lisad空間的3維特征點檢測方法等。但是這些特征檢測方法均存在不足：跨視圖重復SIFT特征檢測方法計算復雜度高，檢測出的特征點魯棒性差；LIFF光場特征點檢測方法時間復雜度大，焦點堆棧的斜率不具有自適應性，特征檢測結果精確率和召回率較低；基于Lisad空間的3維特征點檢測方法提取的是邊緣特征，并且沒有討論特征描述以促進在多個光場上的后續匹配對應，當SfM需要唯一點時，邊緣點不是唯一的，很容易與它們的相鄰特征混淆。

發明內容

本發明的目的是提供基于EPI_Volume的LF_SURF光場圖像特征匹配方法，克服了現有的光場圖像特征檢測方法檢測出的特征點不穩定，計算復雜度高，沒有對特征點進行描述做進一步匹配的問題。

本發明所采用的技術方案是：基于EPI_Volume的LF_SURF光場圖像特征匹配方法，具體按照以下步驟實施：

步驟1、取兩張在不同視角下拍攝的具有相同場景的光場圖像，將第一張光場圖像讀入至MATLAB軟件中進行解碼得到光場圖像信息，利用光場圖像信息得到光場圖像五維矩陣[s,t,u,v,3]；

步驟2、利用步驟1得到的光場圖像五維矩陣計算得到四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣；

步驟3、分別對四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣進行SURF特征點檢測得到各自的候選特征點并進行篩選得到精確特征點，再將四維水平EPI_Volume矩陣和四維垂直EPI_Volume矩陣上的精確特征點合并得到光場圖像精確特征點；

步驟4、提取每個光場圖像精確特征點在四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣中的Harr小波特征，并在四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣上分別生成64維特征描述向量，再將每個光場圖像精確特征點在四維水平EPI_Volume矩陣、四維垂直EPI_Volume矩陣上生成的64維特征描述向量串聯，使得每個光場圖像精確特征點生成128維特征描述向量；