一种基于图像尖锐度分布的特征点匹配方法
【专利摘要】在本发明提供的基于图像尖锐度分布的特征点匹配方法中，使用边缘检测算子计算出图像特征点的尖锐度来定义特征点的描述方法，主要通过计算两幅图像中特征点的归一化相关系数，依次进行特征点的初步匹配、删除错误的特征点匹配、计算图像的透视投影矩阵来实现所有特征点的匹配，提高了匹配的精准度及匹配效率。
【专利说明】一种基于图像尖锐度分布的特征点匹配方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】，特别涉及一种基于图像尖锐度分布的特征点匹配方法。
【背景技术】
[0002]图像处理和计算机视觉领域中特征点匹配有着广阔的应用背景，如图像配准、物体识别、目标跟踪检测等。目前所产生的特征点匹配方法有以下几种:
[0003]基于Harris检测特征点的特征点匹配方法，其受信号处理中自相关函数的启发，给出与自相关函数相关联的自相关矩阵，根据自相关矩阵进行特征点匹配。Harris算法很稳定，能正确的匹配出大多数特征点，但是仍存在小部分错误匹配点对。
[0004]基于Susan角点检测的特征点匹配方法，其具有较高的匹配准确率和较好的噪声鲁棒性，但是这种方法采用圆形模板来检测图像中的角点，在图像窗口较大的情况下，获取Susan区域需要耗费大量的时间，降低了工作效率，不具有普遍适用性。
[0005]为了提高匹配效率，Qian提出的一种由粗到细的特征点匹配方法，这种方法首先利用多尺度Harris角点检测提取特征点，再利用基于投票策略的匹配方法产生初始特征点匹配对，再次利用刚体变换模型对其余特征点进行匹配。但是这种方法仍然存在错误的匹配。
[0006]Awrangjeb提出了一个基于仿射长度参数化的改进曲率尺度空间的角点检测算法，这种方法利用迭代过程来计算最佳匹配点可达到很高的匹配效果，但是这种方法需要耗费大量的时间。
[0007]SIFT方法，这种方法利用高斯差分尺度空间产生具有尺度和旋转不变的关键点，并给出每个点的特征描述，再根据欧式距离最近邻和次近邻的比值大于一定的阈值来匹配特征点。SIFT方法适用范围广，能够产生较多的特征匹配点，但是特征维数高，计算速度慢，而且存在错误匹配率。
[0008]由于上述的几种现有的特征点匹配方法各自都存在着匹配率不高、耗费大量时间、不具备普遍适用性等缺点，因此，研究一种具有较高准确匹配率，计算速度快、具备普遍适用性的特征点匹配方法成为本领域技术人员亟待解决的问题。
【发明内容】
[0009]本发明的目的在于提供一种基于图像尖锐度分布的特征点匹配方法，以解决现有的特征点匹配方法中匹配率不高、计算需要耗费大量时间、方法不具备普遍适用性的现象，从而导致特征点匹配的精准度低及匹配效率低的问题。
[0010]为了解决上述技术问题，本发明提供一种基于图像尖锐度分布的特征点匹配方法，包括步骤:
[0011]从不同角度拍摄同一刚体或者同一近似刚体的两幅图像，并输入计算机；
[0012]使用边缘检测算子进行图像特征点检测，并计算特征点的尖锐度；[0013]基于特征点的尖锐度，定义特征点的描述方法；
[0014]计算特征点的归一化相关系数，并进行特征点的初步匹配；
[0015]删除错误的特征点匹配；
[0016]选取已匹配好的特征点，计算图像的透视投影矩阵；
[0017]利用透视投影矩阵匹配所有特征点。
[0018]可选的，在所述的基于图像尖锐度分布的特征点匹配方法中，所述计算特征点的尖锐度的方法:
[0019]以图像任意一条边缘轮廓线上的任意一特征点Pi为中心向前和向后各取k个点，共得到2k+l个点，构成特征点Pi的支撑区域；由特征点Pi向特征点P1-J5及特征点Pi+k连线，得到两条支撑臂PiP1-,、PiPitk,所述两支撑臂PiP1-,、PiPi+,之间的夹角为支撑角Qi;特征点Pi, P1-k，pi+k视为一段圆弧上间隔较近的三点，则ΙρΡηΙ = |PiPi+kl，
【权利要求】
1.一种基于图像尖锐度分布的特征点匹配方法，其特征在于，包括步骤: 从不同角度拍摄同一刚体或者同一近似刚体的两幅图像，并输入计算机； 使用边缘检测算子进行图像特征点检测，并计算特征点的尖锐度； 基于特征点的尖锐度，定义特征点的描述方法； 计算特征点的归一化相关系数，并进行特征点的初步匹配； 删除错误的特征点匹配； 选取已匹配好的特征点，计算图像的透视投影矩阵； 利用透视投影矩阵匹配所有特征点。
2.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算特征点的尖锐度的方法: 以图像任意一条边缘轮廓线上的任意一特征点Pi为中心向前和向后各取k个点，共得到2k+l个点，构成特征点Pi的支撑区域；由特征点Pi向特征点P1-J5及特征点Pi+k连线，得到两条支撑臂PiP1-,、PiPitk,所述两支撑臂PiP1-,、PiPi+,之间的夹角为支撑角Qi;特征点Pi, P1-k，pi+k视为一段圆弧上间隔较近的三点，则
3.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述使用边缘检测算子进行图像特征点检测之前还包括:对图像进行灰度化、深度搜索、边缘检测的预处理操作。
4.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述定义特征点的描述方法为一 6维特征向量
5.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算特征点的归一化相关系数的方法包括: 第一步，在所述两幅图像上分别取一个特征点，并对其分别定义特征点的描述方法:
6.如权利要求5所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算两个特征点的归一化相关系数越大，则所述两个特征点匹配度越好。
7.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述删除错误的特征点匹配通过规则一及在所述规则一之后进行的规则二实现；其中， 所述规则一，通过投票的方法，找出在两幅图像中的两条边小于等于I对特征点匹配成功的特征点对，并对其进行删除:选取两幅图像中的一幅，遍历这幅图像中的所有边缘轮廓线，如果这条边缘轮廓线中有一个特征点匹配成功，则将这条边缘轮廓线投票数加I，最后统计这幅图像中所有边缘轮廓线的投票数，将那些投票数小于等于I的边缘轮廓线对应的匹配特征点对删除； 所述规则二，对经规则一之后的所有特征点的归一化相关系数进行排序，选取其中相关系数最大的两个特征点对作为参考点对，依次计算待判定点与两个参考点之间的距离再计算rdi与1(12的比值rd,判断|rd_l|与σ的大小关系,删除|rd_l|超过σ的特征点对。
8.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算图像的透视投影矩阵的方法: 对经删除错误的特征点匹配步骤之后剩余的所有特征点的归一化相关系数进行排序，选取相关系数较大的特征点对，其中所述相关系数较大的特征点对的数目为大于等于4 ； 利用上一步选取的特征点对计算两幅图的透视投影矩阵H ； 其中，由透视投影矩阵H得到匹配特征点坐标(xt，yt)与待匹配特征点坐标(&，孓)之间的关系:
9.如权利要求8所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述由透视投影矩阵H得到匹配特征点坐标(xt，yt)与待匹配特征点坐标(A,孓)之间的关系，计算出匹配图像特征点在待匹配图像上的估计坐标(A, 50，
【文档编号】G06T7/00GK103700107SQ201310732830
【公开日】2014年4月2日 申请日期:2013年12月26日 优先权日:2013年12月26日
【发明者】赵玥, 苏剑波 申请人:上海交通大学