一種圖像匹配方法及裝置制造方法
【專利摘要】本發(fā)明實施例公開了一種圖像匹配方法及裝置，方法包括：步驟S1、從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集；步驟S2、根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)；步驟S3、根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點；步驟S4、重復執(zhí)行S1至S3的操作直到滿足預設停止條件，提取獲得的內點數(shù)目最大的變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。本發(fā)明實施例的技術方案能提高圖像匹配的精確度。
【專利說明】一種圖像匹配方法及裝置【技術領域】
[0001 ] 本發(fā)明涉及圖像處理【技術領域】，具體涉及一種圖像匹配方法及裝置。
【背景技術】
[0002]圖像匹配技術是實現(xiàn)圖像融合、圖像校正、圖像鑲嵌以及目標識別與跟蹤的關鍵步驟之一，已經(jīng)廣泛應用在圖像識別以及圖像重建等領域中?，F(xiàn)有的圖像匹配技術主要包括利用圖像的灰度信息進行匹配的模板匹配技術、相位相關匹配技術和基于特征的圖像匹配技術。
[0003]現(xiàn)有的基于特征的圖像匹配技術，主要是通過從兩幅圖像中提取了變化明顯的點、線、區(qū)域等特征形成特征點集合，依據(jù)兩幅圖像間對應的特征點集合中所包含的特征點，將不同圖像上由同一場景點投影而成的特征點一一對應，具有計算量較小、速度較快的特點，已逐漸成為未來的發(fā)展方向。
[0004]但是，由于噪聲、 運動物體、重復性紋理等不確定因素的影響，使得數(shù)據(jù)模型中存在比較多的錯誤數(shù)據(jù)，現(xiàn)有的基于特征的圖像匹配技術精確度不高。

【發(fā)明內容】

[0005]有鑒于此，本發(fā)明實施例提供一種圖像匹配方法及裝置，以提高圖像匹配的精確度。
[0006]本發(fā)明實施例采用以下技術方案:
[0007]第一方面，本發(fā)明實施例提供了一種圖像匹配方法，包括:
[0008]步驟S1、從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集；
[0009]步驟S2、根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)；
[0010]步驟S3、根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點；
[0011 ] 步驟S4、重復執(zhí)行SI至S3的操作直到滿足預設停止條件，提取獲得的內點數(shù)目最大的變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。
[0012]第二方面，本發(fā)明實施例還提供了一種圖像匹配裝置，包括:
[0013]樣本集抽取單元，用于從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集；
[0014]變換模型參數(shù)獲取單元，用于根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)；
[0015]內點獲取單元，用于根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點；
[0016]匹配單元，用于當滿足預設停止條件時，提取獲得的內點數(shù)目最大的變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。
[0017]本發(fā)明實施例提出的技術方案的有益技術效果是:
[0018]本發(fā)明實施例的技術方案通過多次從基準圖像與待配準圖像的匹配點對集合中抽取樣本集并計算對應的變換模型參數(shù)，挑選出內點數(shù)目最大的樣本集所對應的變換模型參數(shù)，根據(jù)該變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配，以提高圖像匹配的精確度。
【專利附圖】

【附圖說明】
[0019]為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對本發(fā)明實施例描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)本發(fā)明實施例的內容和這些附圖獲得其他的附圖。
[0020]圖1是本發(fā)明實施例一所述的圖像匹配方法流程圖；
[0021]圖2是本發(fā)明實施例二所述的圖像匹配方法示意圖；
[0022]圖3是本發(fā)明實施例二所述的圖像匹配方法中匹配點分塊示意圖；
[0023]圖4是本發(fā)明實施例二所述的圖像匹配方法中匹配點分塊提取示意圖；
[0024]圖5是本發(fā)明實施例二所述的圖像匹配方法中分塊選取示意圖；
[0025]圖6是本發(fā)明實施例二所述的圖像匹配方法中匹配點選取示意圖；
[0026]圖7是本發(fā)明實施例三所述的圖像匹配裝置的結構框圖；
[0027]圖8是本發(fā)明實施例三所述的圖像匹配裝置中的樣本集抽取單元的結構框圖。
【具體實施方式】
[0028]為使本發(fā)明解決的技術問題、采用的技術方案和達到的技術效果更加清楚，下面將結合附圖對本發(fā)明實施例的技術方案作進一步的詳細描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0029]下面結合附圖并通過【具體實施方式】來進一步說明本發(fā)明的技術方案。
[0030]實施例一
[0031]圖1是本實施例提供的圖像匹配方法流程圖，本實施例可適用于通過計算機軟件將一幅圖像匹配到另一幅圖像的情況，可將這兩幅圖像分別稱為待配準圖像和基準圖像，本實施例的方法即為將待配準圖像匹配到基準圖像，該方法可以由能夠執(zhí)行所述計算機軟件的終端來執(zhí)行，包括但不限于計算機、手機、平板電腦、智能相機等，如圖1所示，本實施例所述的圖像匹配方法包括:
[0032]S101、從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集。
[0033]本操作步驟為本實施例的核心操作步驟。由于噪聲、運動物體、重復性紋理等不確定因素的影響容易產(chǎn)生錯誤的數(shù)據(jù)，為了盡可能地避免圖像中這些錯誤數(shù)據(jù)對圖像匹配的精確的影響，需要從圖像中匹配點對集合中抽取精確的匹配點對作為樣本集，并盡大可能地確保所述樣本集中的匹配點對的數(shù)據(jù)準確度。
[0034]那么，如何確保所述樣本集中的匹配點對的數(shù)據(jù)準確度呢，則是通過多次抽取不同的樣本集，通過后續(xù)操作步驟來分別對各樣本集進行評價驗證，最終挑選出最優(yōu)的樣本集，依據(jù)該最優(yōu)樣本集來作為圖像匹配依據(jù)。
[0035]具體地，從匹配點對集合中抽取匹配點對作為樣本集的方式可為多種，包括但不限于隨機抽取和按照預設算法提取，只要保證各次提取的樣本集中的匹配點對不同即可。
[0036]本領域的技術人員需要明確的是，本步驟中各次提取的樣本集中所包含的匹配點對的數(shù)目可以相同，也可以不同，將對應的內點數(shù)目最大的樣本集作為最優(yōu)樣本集。
[0037]S102、根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)。
[0038]本步驟中，依據(jù)樣本集所包含的匹配點對計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)的具體方法同現(xiàn)有技術中的常規(guī)方法，例如，可利用RANSAC (RandomSample Consensus,隨機樣本一致)算法和最小二乘法迭代算法,實現(xiàn)樣本集中匹配點對之間的正確匹配，并根據(jù)正確匹配對計算出圖像的變換模型參數(shù)。
[0039]例如，已知樣本集中所包含的匹配的點對:(398，134)與(409，131)匹配，(202，87)與(211，127)匹配，(380，177)與(398，149)匹配。設旋轉角度為U，平移從標為(x，y)，則得出如下方程組:
[0040]409 = 398*cos(u)_134*sin(u)+tx ；
[0041]131 = 398*sin (u)+134*cos (u)+ty ；
[0042]211 = 202*cos(u)_87*sin(u)+tx ；
[0043]127 = 202*sin(u)+87*cos(u)+ty ；
[0044]398 = 380*cos(u)_177*sin(u)+tx ；
[0045]176 = 380*sin(u)+177*cos(u)+ty
[0046]通過求解上述方程組即可求出變換模型參數(shù)。
[0047]S103、根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點。
[0048]S104、判斷是否滿足預設停止條件，若是則執(zhí)行操作S105，否則返回操作SlOl。
[0049]預設停止條件通過預先設定，例如設定預設停止條件為當存在樣本集中所包含的內點數(shù)目達到第一預設數(shù)目，則停止抽取其他樣本集，根據(jù)該樣本集對應的變換模型參數(shù)進行圖像匹配。又如，設定重復次數(shù)達到預設次數(shù)則停止。
[0050]S105、提取獲得的內點數(shù)目最大的變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。
[0051]本領域的技術人員需要明確的是，本步驟中各次提取的樣本集中所包含的匹配點對的數(shù)目可以相同，也可以不同，將對應的內點數(shù)目最大的樣本集作為最優(yōu)樣本集，若存在一個以上的樣本集的內點數(shù)目相等且均為最大值，最可隨機選定其中一個樣本集作為內點數(shù)目最大的樣本集，也可選定匹配點對的數(shù)目較小的樣本集作為內點數(shù)目最大的樣本集，還可進一步重新設定一個較小的預設閾值再來分別重新計算上述內點數(shù)目相等的樣本集的內點，進而從中重新挑選內點數(shù)目最大的樣本集。
[0052]本發(fā)明實施例的技術方案通過多次從基準圖像與待配準圖像的匹配點對集合中抽取樣本集并計算對應的變換模型參數(shù)，挑選出內點數(shù)目最大的樣本集所對應的變換模型參數(shù)，根據(jù)該變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配，以提高圖像匹配的精確度。
[0053]實施例二
[0054]本發(fā)明實施例二的匹配對象為同一場景的兩張幅圖像，以示區(qū)別，將所述兩幅圖分別稱為基準圖像和待配準圖像，兩幅圖像拍攝于不同時間、不同角度，圖像具有一定的重置區(qū)域。
[0055]圖2是本實施例所述的圖像匹配方法流程圖，如圖2所示，本實施例所述的圖像匹配方法包括:
[0056]S201、輸入待配準圖像的特征點集合。
[0057]圖像的特征點集合，主要是先從圖像中提取變化明顯的點、線、區(qū)域等特征形成特征集。
[0058]S202、輸入基準圖像的特征點集合。
[0059]本步驟方法同步驟S201，在此不作贅述。
[0060]S203、獲取匹配點對，形成匹配點對集合。
[0061]分別獲取待配準圖像的特征點集合和基準圖像的特征點集合以后，將兩個圖像上由同一場景點的投影點進行一一對應，獲取匹配點對，形成匹配點對集合。
[0062]需要說明的是，每個匹配點對包括兩個匹配點，所述兩個匹配點分別來源于基準圖像和待配準圖像。
[0063]S204、抽取匹配點對作為樣本集。
[0064]具體抽取匹配點對的方法可以包括接照預設算法來抽取和通過預先設定數(shù)目來抽取(例如隨機抽取預先設定數(shù)目的匹配點對)。
[0065]例如，基于分塊匹配策略的匹配點選取方法抽取4個匹配點對，組成一個樣本集Ui (ul, u2, u3, u4)。
[0066]若抽取的匹配點對互相之間很接近，則會影響計算精確度。因此，抽取樣本集中的匹配點對時，盡量能在匹配點對集合的坐標范圍之內均勻抽取。本步驟的優(yōu)選實施方式包括:
[0067]S2041、在待配準圖像中根據(jù)匹配點坐標的范圍把待配準圖像中包含匹配點的部分分成4X4塊，需保證每一塊的大小相同。具體的匹配點分塊示意圖如圖3所示。
[0068]例如，待配準圖像的大小為559*540，所有的匹配點的橫坐標大于等于150，小于等于350，而所有的匹配點的縱坐標大于等于145，小于等于455，則將所述待配準圖像中橫坐標大于等于150，小于等于350，縱坐標大于等于145，小于等于455的區(qū)間平均劃分成4X4塊。當然，具體劃分的塊數(shù)可據(jù)情況具體限定，并且，分塊時橫向劃分的塊數(shù)與縱向劃分的塊數(shù)可相同也可不同。
[0069]S2042、去掉那些沒有匹配點的塊。
[0070]由于匹配點分布的隨機性，有的塊中有匹配點，而有的塊中沒有，為了使樣本集中的匹配點對分布更加均勻，確保所選取的樣本集分別取自于不同的塊，為了更好地控制樣本集中匹配點對的選取，因此，將待配準圖像中包含大部分或全部匹配點的區(qū)域進行分塊后，去掉那些沒有匹配點的塊，便于下一步從各塊中分別選取匹配點。具體的匹配點分塊提取示意圖如圖4所示。
[0071]S2043、在分成的塊中隨機選取4個互不相同的塊。具體的圖像匹配方法中分塊選取示意圖如圖5所示。
[0072]當然，具體選取塊的方式包括但不限于隨機選取方式，可根據(jù)具體情況設定選取規(guī)則。
[0073]S2044、在這4塊的每塊中隨機選取一個特征點，然后在基準圖像中找到和它們對應的匹配點，這樣共得到4對分布比較均勻的匹配點。具體的圖像匹配方法中匹配點選取示意圖如圖6所示。
[0074]S205、計算變換模型參數(shù)。
[0075]步驟S2:根據(jù)抽取的匹配點對，求解圖像之間的變換模型參數(shù)，相鄰兩幅圖像之間的變換參數(shù)可以用投影變換模型來表示，其中，參數(shù)投影變換模型齊次坐標表示如下:
【權利要求】
1.一種圖像匹配方法，其特征在于，包括: 步驟S1、從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集； 步驟S2、根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)； 步驟S3、根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點； 步驟S4、重復執(zhí)行步驟SI至步驟S3的操作直到滿足預設停止條件，提取獲得的內點數(shù)目最大變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。
2.如權利要求1所述的圖像匹配方法，其特征在于，所述預設停止條件包括:內點數(shù)目達到第一預設數(shù)目或重復操作的次數(shù)達到預設次數(shù)；和/或， 所述根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)的操作具體包括:根據(jù)所述樣本集用最小二乘法計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)。
3.如權利要求1所述的圖像匹配方法，其特征在于，所述從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集的操作具體包括: 獲取基準圖像與待配準圖像的匹配點對集合，獲取所述匹配點對集合對應于所述待配準圖像的匹配點，根據(jù)所述匹配點的范圍將所述待配準圖像劃分成第二預設數(shù)目的塊； 從包含匹配點的塊中挑選出第三預設數(shù)目的塊； 分別從所挑選的各塊中挑選第四預設數(shù)目的匹配點，將所挑選的匹配點所對應的匹配點對作為樣本集。
4.如權利要求3所述的圖像匹配方法，其特征在于，根據(jù)匹配點坐標的范圍，將待配準圖像劃分成第二預設數(shù)目的塊具體包括: 獲取所述待配準圖像中包含全部或預設比例的匹配點的區(qū)域的坐標范圍； 根據(jù)所述坐標范圍將所述待配準圖像中所述區(qū)域平均劃分成第二預設數(shù)目的塊。
5.如權利要求3所述的圖像匹配方法，其特征在于，所述從包含匹配點的塊中挑選出第三預設數(shù)目的塊具體包括:從包含匹配點的塊中隨機挑選出第三預設數(shù)目的塊；和/或 分別從所挑選的各塊中挑選第四預設數(shù)目的匹配點的操作具體包括:分別從所挑選的各塊中隨機挑選第四預設數(shù)目的匹配點。
6.一種圖像匹配裝置，其特征在于，包括: 樣本集抽取單元，用于從基準圖像與待配準圖像的匹配點對集合中抽取匹配點對作為樣本集； 變換模型參數(shù)獲取單元，用于根據(jù)所述樣本集計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)； 內點獲取單元，用于根據(jù)所述變換模型參數(shù)計算所述匹配點對集合所包含的匹配點對的兩個匹配點之間的距離，將距離小于預設閾值的匹配點對作為內點； 匹配單元，用于當滿足預設停止條件時，提取獲得的內點數(shù)目最大的變換模型參數(shù)，根據(jù)所提取的變換模型參數(shù)對所述基準圖像和所述待配準圖像進行匹配。
7.如權利要求6所述的圖像匹配裝置，其特征在于，所述預設停止條件包括:內點數(shù)目達到第一預設數(shù)目或重復操作的次數(shù)達到預設次數(shù)；和/或，變換模型參數(shù)獲取單元具體用于:根據(jù)所述樣本集用最小二乘法計算所述基準圖像與所述待配準圖像之間的變換模型參數(shù)。
8.如權利要求6所述的圖像匹配裝置，其特征在于，所述樣本集抽取單元具體包括: 塊劃分子單元，用于獲取基準圖像與待配準圖像的匹配點對集合，獲取所述匹配點對集合對應于所述待配準圖像的匹配點，根據(jù)所述匹配點的范圍將所述待配準圖像劃分成第二預設數(shù)目的塊； 塊挑選子單元，用于從包含匹配點的塊中挑選出第三預設數(shù)目的塊； 匹配點挑選子單元，用于分別從所挑選的各塊中挑選第四預設數(shù)目的匹配點，將所挑選的匹配點所對應的匹配點對作為樣本集。
9.如權利要求8所述的圖像匹配裝置，其特征在于，所述塊劃分子單元具體用于: 獲取所述待配準圖像中包含全部或預設比例的匹配點的區(qū)域的坐標范圍； 根據(jù)所述坐標范圍將所述待配準圖像中所述區(qū)域平均劃分成第二預設數(shù)目的塊。
10.如權利要求8所述的圖像匹配裝置，其特征在于，所述塊挑選子單元具體用于:從包含匹配點的塊中隨機挑選出第三預設數(shù)目的塊；和/或 所述匹配點挑選子單元具體用于:分別從所挑選的各塊中隨機挑選第四預設數(shù)目的匹配點。
【文檔編號】G06T7/00GK103955931SQ201410179054
【公開日】2014年7月30日 申請日期:2014年4月29日 優(yōu)先權日:2014年4月29日
【發(fā)明者】方圓圓, 張雷 申請人:江蘇物聯(lián)網(wǎng)研究發(fā)展中心