一種基于小尺度特征點的高精度圖像匹配方法
【技術領域】
[0001] 本發(fā)明涉及特征點匹配方法，尤其是一種基于小尺度特征點的高精度圖像匹配方 法。
【背景技術】
[0002] 圖像配準是機器視覺領域的一個基本問題，一直是人們研究的熱點和難點。圖像 配準是指在來自不同時間、不同視角或不同傳感器的同一場景的兩幅或多幅圖像之間尋找 對應關系。有關圖像配準的方法主要分為：基于灰度配準和基于特征配準的方法。
[0003] 基于灰度配準的方法，也稱為相關配準方法，用空間二維滑動模板進行圖像配準， 不同算法的區(qū)別主要體現(xiàn)在相關準則的選擇?；谔卣鼽c配準方法是首先在原始圖像中提 取特征，然后建立兩幅圖像之間特征點的配準關系，具有較高的魯棒性，比如SURF算法。目 前，基于SURF算法圖像配準已經(jīng)得到廣泛應用，比如應用于醫(yī)學圖像配準，遙感圖像配準 等。SURF特征點具有的尺度特性是提取圖像中的小尺度特征點進行特征點匹配，并將匹配 的小尺度特征點對用于計算圖像配準變換模型參數(shù)，使待配準圖像準確地變換到標準圖像 位置，以達到配準目的。特征點的匹配是實現(xiàn)圖像配準的關鍵，匹配的精度直接影響著后續(xù) 配準的精度。算法中根據(jù)SURF特征點描述符中包含的特征點鄰域信息，采用K最近鄰法可 以找出每個特征點潛在的兩個最佳匹配點，并通過匹配點的距離最佳值與次佳值比率優(yōu)選 出最佳匹配點。
[0004] 根據(jù)SURF特征點的描述方法可知，特征點的尺度是特征點所具有的主要特征之 一，并且與特征點的鄰域信息存在正比例關系。在基于特征點的圖像配準過程中，匹配特征 點的定位精度影響著圖像間配準的準確性。為了提高圖像配準的精度，如何選取適宜尺度 的特征點是解決這一問題的關鍵。

【發(fā)明內容】

[0005] 本發(fā)明的目的在于提供一種基于小尺度特征點的高精度圖像匹配方法，選取提取 不受圖像角度變化影響的特征點，從而提高圖像配準的精度。
[0006] 本發(fā)明解決其技術問題是采取以下技術方案實現(xiàn)的：
[0007] -種基于小尺度特征點的高精度圖像匹配方法，其特征在于：
[0008] (1)特征點檢測，利用SURF特征點檢測算法在配準圖像中檢測圖像特征點；
[0009] (2)選取用于匹配的小尺度特征點，從步驟（1)中獲得的特征點選擇三個非共線 的小尺度特征點作為匹配特征點；
[0010] (3)計算，將上一步所選取的小尺度特征點的坐標代入待配準圖像到標準圖像變 換的模型參數(shù)，準確計算出待配準圖像到標準圖像變換的模型參數(shù)。
[0011] 而且，所述待配準圖像到標準圖像變換的模型參數(shù)為：
[0012]
【主權項】
1. 一種基于小尺度特征點的高精度圖像匹配方法，其特征在于： (1) 特征點檢測，利用SURF特征點檢測算法在配準圖像中檢測圖像特征點； (2) 選取用于匹配的小尺度特征點，從步驟（1)中獲得的特征點選擇三個非共線的小 尺度特征點作為匹配特征點； (3) 計算，將上一步所選取的小尺度特征點的坐標代入待配準圖像到標準圖像變換的 模型參數(shù)，準確計算出待配準圖像到標準圖像變換的模型參數(shù)。
2. 根據(jù)權利要求1所述的基于小尺度特征點的高精度圖像匹配方法，其特征在于：所 述待配準圖像到標準圖像變換的模型參數(shù)為：
上式中，（x，y)和（x'，y'）為兩幅待配準圖像中的匹配點坐標，參數(shù)矩陣M的6個參數(shù) 通過圖像中3個非共線的匹配點對來建立線性方程計算得到，將最終求出的特征點用于配 準變換模型參數(shù)的計算，是作為SURF算法圖像配準的計算圖像配準變換模型參數(shù)，使待配 準圖像準確地變換到標準圖像位置，達到配準目的。
3. 根據(jù)權利要求1所述的基于小尺度特征點的高精度圖像匹配方法，其特征在于：所 述小尺度特征點具有的位移變換描述能力驗證方法： (1) 將標準圖像進行平移處理，得到平移條件下的待配準圖像，分別提取標準圖像和待 配準圖像中的特征點，并進行特征點間的匹配；將標準圖像中匹配成功的特征點坐標根據(jù) 實際平移的像素數(shù)計算出平移后的理論坐標值，再將得到的理論坐標值與平移圖像中匹配 成功的特征點坐標值逐一進行X和Y方向上的差值計算；小尺度特征點的上述差值為零，即 小尺度特征點能夠完全準確地描述平移變換，而與之相對應大尺度特征點的上述差值均為 非零值，即大尺度特征點在描述平移變換方面存在誤差； (2) 將標準圖像進行旋轉處理，得到平移條件下的待配準圖像，分別提取標準圖像和待 配準圖像中的特征點，并進行特征點間的匹配；將標準圖像中匹配成功的特征點坐標根據(jù) 實際平移的像素數(shù)計算出平移后的理論坐標值，再將得到的理論坐標值與平移圖像中匹配 成功的特征點坐標值逐一進行X和Y方向上的差值計算；小尺度特征點的上述差值較小，表 明小尺度特征點的旋轉變換描述能力較強，而與之相對應大尺度特征點的上述差值較大， 表明大尺度特征點的旋轉變換描述能力較弱。
4. 根據(jù)權利要求1所述的基于小尺度特征點的高精度圖像匹配方法，其特征在于：所 述標準圖像分別旋轉角度為正負5度，得到旋轉圖像，然后提取標準圖像和旋轉圖像中的 特征點，并實現(xiàn)特征點間的匹配情況，將標準圖像中匹配的特征點按照圖像實際旋轉的角 度計算出旋轉后的理論坐標值，并與旋轉圖像中匹配的特征點做同樣的差值計算，得到差 值計算結果；選取在上述不同旋轉條件下，與理論坐標值的偏差分布均在〇. 2個像素內的 特征點，作為用于匹配的小尺度特征點。
【專利摘要】本發(fā)明涉及一種基于小尺度特征點的高精度圖像匹配方法，步驟如下：(1)在配準圖像上隨機選取多個特征點，自動選取多個特征點，同時隨機獲取多個尺度大、小不同的特征點；(2)選取用于匹配的小尺度特征點，從步驟(1)中獲得的特征點中選擇三個非共線的小尺度特征點作為匹配特征點；(3)計算，將上一步所選取的小尺度特征點的坐標代入待配準圖像到標準圖像變換的模型參數(shù)，準確計算出待配準圖像到標準圖像變換的模型參數(shù)。本方法通過驗證特征點的尺度與匹配性能，選取描述能力最強的小尺度特征點用于圖像匹配，有利于搜索到定位精度更高的特征點作為變換模型的計算依據(jù)，從而提高匹配精度。
【IPC分類】G06T7-00
【公開號】CN104637055
【申請?zhí)枴緾N201510051334
【發(fā)明人】胡曉彤, 陳蘊智, 田仁贊, 郭少英, 程雪
【申請人】天津科技大學
【公開日】2015年5月20日
【申請日】2015年1月30日