一種基于圖像尖銳度分布的特征點(diǎn)匹配方法
【專利摘要】在本發(fā)明提供的基于圖像尖銳度分布的特征點(diǎn)匹配方法中，使用邊緣檢測(cè)算子計(jì)算出圖像特征點(diǎn)的尖銳度來(lái)定義特征點(diǎn)的描述方法，主要通過(guò)計(jì)算兩幅圖像中特征點(diǎn)的歸一化相關(guān)系數(shù)，依次進(jìn)行特征點(diǎn)的初步匹配、刪除錯(cuò)誤的特征點(diǎn)匹配、計(jì)算圖像的透視投影矩陣來(lái)實(shí)現(xiàn)所有特征點(diǎn)的匹配，提高了匹配的精準(zhǔn)度及匹配效率。
【專利說(shuō)明】一種基于圖像尖銳度分布的特征點(diǎn)匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別涉及一種基于圖像尖銳度分布的特征點(diǎn)匹配方法。
【背景技術(shù)】
[0002]圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中特征點(diǎn)匹配有著廣闊的應(yīng)用背景，如圖像配準(zhǔn)、物體識(shí)別、目標(biāo)跟蹤檢測(cè)等。目前所產(chǎn)生的特征點(diǎn)匹配方法有以下幾種:
[0003]基于Harris檢測(cè)特征點(diǎn)的特征點(diǎn)匹配方法，其受信號(hào)處理中自相關(guān)函數(shù)的啟發(fā)，給出與自相關(guān)函數(shù)相關(guān)聯(lián)的自相關(guān)矩陣，根據(jù)自相關(guān)矩陣進(jìn)行特征點(diǎn)匹配。Harris算法很穩(wěn)定，能正確的匹配出大多數(shù)特征點(diǎn)，但是仍存在小部分錯(cuò)誤匹配點(diǎn)對(duì)。
[0004]基于Susan角點(diǎn)檢測(cè)的特征點(diǎn)匹配方法，其具有較高的匹配準(zhǔn)確率和較好的噪聲魯棒性，但是這種方法采用圓形模板來(lái)檢測(cè)圖像中的角點(diǎn)，在圖像窗口較大的情況下，獲取Susan區(qū)域需要耗費(fèi)大量的時(shí)間，降低了工作效率，不具有普遍適用性。
[0005]為了提高匹配效率，Qian提出的一種由粗到細(xì)的特征點(diǎn)匹配方法，這種方法首先利用多尺度Harris角點(diǎn)檢測(cè)提取特征點(diǎn)，再利用基于投票策略的匹配方法產(chǎn)生初始特征點(diǎn)匹配對(duì)，再次利用剛體變換模型對(duì)其余特征點(diǎn)進(jìn)行匹配。但是這種方法仍然存在錯(cuò)誤的匹配。
[0006]Awrangjeb提出了一個(gè)基于仿射長(zhǎng)度參數(shù)化的改進(jìn)曲率尺度空間的角點(diǎn)檢測(cè)算法，這種方法利用迭代過(guò)程來(lái)計(jì)算最佳匹配點(diǎn)可達(dá)到很高的匹配效果，但是這種方法需要耗費(fèi)大量的時(shí)間。
[0007]SIFT方法，這種方法利用高斯差分尺度空間產(chǎn)生具有尺度和旋轉(zhuǎn)不變的關(guān)鍵點(diǎn)，并給出每個(gè)點(diǎn)的特征描述，再根據(jù)歐式距離最近鄰和次近鄰的比值大于一定的閾值來(lái)匹配特征點(diǎn)。SIFT方法適用范圍廣，能夠產(chǎn)生較多的特征匹配點(diǎn)，但是特征維數(shù)高，計(jì)算速度慢，而且存在錯(cuò)誤匹配率。
[0008]由于上述的幾種現(xiàn)有的特征點(diǎn)匹配方法各自都存在著匹配率不高、耗費(fèi)大量時(shí)間、不具備普遍適用性等缺點(diǎn)，因此，研究一種具有較高準(zhǔn)確匹配率，計(jì)算速度快、具備普遍適用性的特征點(diǎn)匹配方法成為本領(lǐng)域技術(shù)人員亟待解決的問(wèn)題。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于提供一種基于圖像尖銳度分布的特征點(diǎn)匹配方法，以解決現(xiàn)有的特征點(diǎn)匹配方法中匹配率不高、計(jì)算需要耗費(fèi)大量時(shí)間、方法不具備普遍適用性的現(xiàn)象，從而導(dǎo)致特征點(diǎn)匹配的精準(zhǔn)度低及匹配效率低的問(wèn)題。
[0010]為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于圖像尖銳度分布的特征點(diǎn)匹配方法，包括步驟:
[0011]從不同角度拍攝同一剛體或者同一近似剛體的兩幅圖像，并輸入計(jì)算機(jī)；
[0012]使用邊緣檢測(cè)算子進(jìn)行圖像特征點(diǎn)檢測(cè)，并計(jì)算特征點(diǎn)的尖銳度；[0013]基于特征點(diǎn)的尖銳度，定義特征點(diǎn)的描述方法；
[0014]計(jì)算特征點(diǎn)的歸一化相關(guān)系數(shù)，并進(jìn)行特征點(diǎn)的初步匹配；
[0015]刪除錯(cuò)誤的特征點(diǎn)匹配；
[0016]選取已匹配好的特征點(diǎn)，計(jì)算圖像的透視投影矩陣；
[0017]利用透視投影矩陣匹配所有特征點(diǎn)。
[0018]可選的，在所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法中，所述計(jì)算特征點(diǎn)的尖銳度的方法:
[0019]以圖像任意一條邊緣輪廓線上的任意一特征點(diǎn)Pi為中心向前和向后各取k個(gè)點(diǎn)，共得到2k+l個(gè)點(diǎn)，構(gòu)成特征點(diǎn)Pi的支撐區(qū)域；由特征點(diǎn)Pi向特征點(diǎn)P1-J5及特征點(diǎn)Pi+k連線，得到兩條支撐臂PiP1-,、PiPitk,所述兩支撐臂PiP1-,、PiPi+,之間的夾角為支撐角Qi;特征點(diǎn)Pi, P1-k，pi+k視為一段圓弧上間隔較近的三點(diǎn)，則ΙρΡηΙ = |PiPi+kl，
【權(quán)利要求】
1.一種基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，包括步驟: 從不同角度拍攝同一剛體或者同一近似剛體的兩幅圖像，并輸入計(jì)算機(jī)； 使用邊緣檢測(cè)算子進(jìn)行圖像特征點(diǎn)檢測(cè)，并計(jì)算特征點(diǎn)的尖銳度； 基于特征點(diǎn)的尖銳度，定義特征點(diǎn)的描述方法； 計(jì)算特征點(diǎn)的歸一化相關(guān)系數(shù)，并進(jìn)行特征點(diǎn)的初步匹配； 刪除錯(cuò)誤的特征點(diǎn)匹配； 選取已匹配好的特征點(diǎn)，計(jì)算圖像的透視投影矩陣； 利用透視投影矩陣匹配所有特征點(diǎn)。
2.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述計(jì)算特征點(diǎn)的尖銳度的方法: 以圖像任意一條邊緣輪廓線上的任意一特征點(diǎn)Pi為中心向前和向后各取k個(gè)點(diǎn)，共得到2k+l個(gè)點(diǎn)，構(gòu)成特征點(diǎn)Pi的支撐區(qū)域；由特征點(diǎn)Pi向特征點(diǎn)P1-J5及特征點(diǎn)Pi+k連線，得到兩條支撐臂PiP1-,、PiPitk,所述兩支撐臂PiP1-,、PiPi+,之間的夾角為支撐角Qi;特征點(diǎn)Pi, P1-k，pi+k視為一段圓弧上間隔較近的三點(diǎn)，則
3.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述使用邊緣檢測(cè)算子進(jìn)行圖像特征點(diǎn)檢測(cè)之前還包括:對(duì)圖像進(jìn)行灰度化、深度搜索、邊緣檢測(cè)的預(yù)處理操作。
4.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述定義特征點(diǎn)的描述方法為一 6維特征向量
5.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述計(jì)算特征點(diǎn)的歸一化相關(guān)系數(shù)的方法包括: 第一步，在所述兩幅圖像上分別取一個(gè)特征點(diǎn)，并對(duì)其分別定義特征點(diǎn)的描述方法:

6.如權(quán)利要求5所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述計(jì)算兩個(gè)特征點(diǎn)的歸一化相關(guān)系數(shù)越大，則所述兩個(gè)特征點(diǎn)匹配度越好。
7.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述刪除錯(cuò)誤的特征點(diǎn)匹配通過(guò)規(guī)則一及在所述規(guī)則一之后進(jìn)行的規(guī)則二實(shí)現(xiàn)；其中， 所述規(guī)則一，通過(guò)投票的方法，找出在兩幅圖像中的兩條邊小于等于I對(duì)特征點(diǎn)匹配成功的特征點(diǎn)對(duì)，并對(duì)其進(jìn)行刪除:選取兩幅圖像中的一幅，遍歷這幅圖像中的所有邊緣輪廓線，如果這條邊緣輪廓線中有一個(gè)特征點(diǎn)匹配成功，則將這條邊緣輪廓線投票數(shù)加I，最后統(tǒng)計(jì)這幅圖像中所有邊緣輪廓線的投票數(shù)，將那些投票數(shù)小于等于I的邊緣輪廓線對(duì)應(yīng)的匹配特征點(diǎn)對(duì)刪除； 所述規(guī)則二，對(duì)經(jīng)規(guī)則一之后的所有特征點(diǎn)的歸一化相關(guān)系數(shù)進(jìn)行排序，選取其中相關(guān)系數(shù)最大的兩個(gè)特征點(diǎn)對(duì)作為參考點(diǎn)對(duì)，依次計(jì)算待判定點(diǎn)與兩個(gè)參考點(diǎn)之間的距離再計(jì)算rdi與1(12的比值rd,判斷|rd_l|與σ的大小關(guān)系,刪除|rd_l|超過(guò)σ的特征點(diǎn)對(duì)。
8.如權(quán)利要求1所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述計(jì)算圖像的透視投影矩陣的方法: 對(duì)經(jīng)刪除錯(cuò)誤的特征點(diǎn)匹配步驟之后剩余的所有特征點(diǎn)的歸一化相關(guān)系數(shù)進(jìn)行排序，選取相關(guān)系數(shù)較大的特征點(diǎn)對(duì)，其中所述相關(guān)系數(shù)較大的特征點(diǎn)對(duì)的數(shù)目為大于等于4 ； 利用上一步選取的特征點(diǎn)對(duì)計(jì)算兩幅圖的透視投影矩陣H ； 其中，由透視投影矩陣H得到匹配特征點(diǎn)坐標(biāo)(xt，yt)與待匹配特征點(diǎn)坐標(biāo)(&，孓)之間的關(guān)系:
9.如權(quán)利要求8所述的基于圖像尖銳度分布的特征點(diǎn)匹配方法，其特征在于，所述由透視投影矩陣H得到匹配特征點(diǎn)坐標(biāo)(xt，yt)與待匹配特征點(diǎn)坐標(biāo)(A,孓)之間的關(guān)系，計(jì)算出匹配圖像特征點(diǎn)在待匹配圖像上的估計(jì)坐標(biāo)(A, 50，
【文檔編號(hào)】G06T7/00GK103700107SQ201310732830
【公開(kāi)日】2014年4月2日 申請(qǐng)日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】趙玥, 蘇劍波 申請(qǐng)人:上海交通大學(xué)