。
[0042]应该说明的是，上述的第一图像为源图像，第二图像为目标图像，而在另一种可实施的方式中，第一图像可为目标图像，第二图像可为源图像，本实施例不对其进行限定。
[0043]102、确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离。
[0044]举例来说，可设第一直线段与第二直线段之间的特征距离为DFeat，几何距离为D5e。，则第一直线段与第二直线段之间的最终距离可为D = DFeat+2DGeo,由上式可看出知，最终距离中几何距离具有更大的权重，这是因为线段的位置特征不受重复结构的影响，具有很好的鲁棒性，而最终距离取特征距离与几何距离的线性加权结果则具有更强的约束性。因此，对包含重复结构的图像，也能很好地进行直线段的匹配。
[0045]在实际应用中，确定上述第一直线段与第二直线段之间的特征距离可包括如下所述的子步骤SI至子步骤S3，如图2a所示。
[0046]S1、依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的特征描述。
[0047]S2、计算直线段上所有点的特征描述的均值和方差，并将所述均值和方差作为该直线段的特征描述子。
[0048]举例来说，可将方向量化为四个等距离的区间，依次以第一直线段上的每一个点为中心点，计算其周围5*5区域内的梯度方向直方图，并将这个梯度直方图作为该点的特征描述，再将第一直线段上所有的点的特征描述取均值和方差，将所有点的特征描述的均值和方差作为第一直线段的特征描述子。第二直线段确定其特征描述子的过程与第一直线段相同，此处不再赘述。应该说明的是，本实施例选取5*5区域计算其梯度方向是一个经验取值，当然，根据实际需要可选取其它区域，如4*4区域或6*6区域来计算以第一直线段或第二直线段上的点为中心点的梯度方向直方图，本实施例不对其进行限定。而采用直线段上所有点的均值和方差作为该直线段的特征描述子，对长度不一致的直线段有一定的鲁棒性；由于本实施例使用梯度方向而不是颜色作为描述，故能够较好地处理光照的变换。
[0049]S3、将所述第一直线段与第二直线段的特征描述子之间的距离作为所述第一直线段与第二直线段之间的特征距离。
[0050]举例来说，将第一直线段与第二直线段的特征描述子之间的二范式距离作为第一直线段与第二线段之间的特征距离。
[0051]在具体应用中，上述的确定第一直线段与第二直线段之间的几何距离可包括如下所述的子步骤Tl至子步骤T5，如图2b所示。
[0052]Tl、提取所述第一图像与第二图像的特征点，并对所述特征点进行匹配，得到匹配的特征点。
[0053]举例来说，可采用SIFT法提取第一图像与第二图像的特征点，并对提取的特征点进行匹配。
[0054]T2、将所述匹配的特征点进行聚类，根据聚类结果将所述第一图像与第二图像进行相应的区域划分，并确定所述第一图像中各区域与所述第二图像对应区域的投影变换规则。
[0055]举例来说，可米用Agglomerative Correspondence Clustering 聚类法对上述的匹配的特征点进行聚类。
[0056]应该说明的是，若某一类中的特征点数量小于预设的阈值，则将该类作为噪声并去除。上述的阈值为一经验值，例如，可取阈值为20，若某一类中特征点的数目小于20，则将该类作为噪声并去除。本实施例不对阈值的设定值进行限定。
[0057]在一种可实施的方式中，在用上述方法对聚类结果进行过滤后，可依次以各类的中心点位置确定Voronoi图，并根据所述Voronoi图将上述第一图像与第二图像进行相应的区域划分。在实际应用中，可直接以Voronoi图作为图像区域的划分。
[0058]而对于第一图像与第二图像各区域的特征点，可采用RANSAC算法拟合出第一图像中各区域与所述第二图像对应区域的投影变换规则。可理解的是，上述的特征点是匹配的特征点，那么，对于第一图像中某区域对应的区域，即在第二图像中与第一图像中该区域特征点匹配特征点所在的区域。例如，第一图像中区域A中的特征点与第二图像中区域B中的特征点匹配，则第二图像中区域B则为第一图像中区域A相应的区域。
[0059]T3、将所述第一直线段根据所属区域的投影变换规则变换为在所述第二图像中的第三直线段，并计算所述第三直线段与所述第二直线段的第一几何距离。
[0060]T4、将所述第二直线段根据所属区域的投影变换规则变换为在所述第一图像中的第四直线段，并计算所述第四直线段与所述第一直线段的第二几何距离。
[0061]T5、将所述第一几何距离与所述第二几何距离的均值作为所述第一直线段与第二直线段之间的几何距离。
[0062]应该说明的是，上述的计算第一几何距离及第二几何距离的过程可在Hough空间进行。
[0063]举例来说，设第一直线段所属区域为第一图像区域A，第一图像区域A到第二图像相应区域B的投影变换规则为H，则第二图像区域B到第一图像区域A的投影变换规则为H1。具体地，将第一直线段根据投影变换规则H变换为在第二图像中的第三直线段，计算第三直线段与第二直线段的第一几何距离Ds;再将第二直线段根据投影变换规则H 1变换为在第一图像中的第四直线段，计算第四直线段与第一直线段的第二几何距离Dt;最后将第一几何距离与第二几何距离的均值(Ds+DT)/2作为第一直线段与第二直线段之间的几何距离。
[0064]在一种可能存在的情况中，如果第一直线段与第二直线段不在相互对应的区域里，那么将第一直线段与第二直线段之间的几何距离取值为无穷大。
[0065]103、若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段。
[0066]举例来说，如果第一直线段Ls与第二直线段L t的最终距离为L 3与第二图像中所有直线段距离中的最小值，同时，以与L s的最终距离为L t与第一图像中的有直线段距离中的最小值，那么可将Lir^Lt作为一对匹配的直线段。而在实际应用时，可出现如下情况:第一直线段Lsl与第二直线段L tl的最终距离为L 31与第二图像中所有直线段距离中的最小值，但在第一图像中与Ltl距离最小的直线段不为L sl，则此时的Lsl与L tl不能为一对匹配的直线段。
[0067]本实施例的直线段匹配方法，通过将第一直线段与第二直线段之间的特征距离及几何距离线性加权的结果作为第一直线段与第二直线段之间的最终距离，在所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值时，将所述第一直线段与第二直线段作为一对匹配的直线段。由此，可以鲁棒地在含有重复结构的图像之间进行直线段的匹配，并且具有较高的准确率。
[0068]图3示出了本发明一实施例提供的直线段匹配装置，如图3所述，本实施例的直线段匹配装置，包括:直线段提取单元31、最终距离确定单元32和直线段匹配单元33。
[0069]所述直线段提取单元31，用于提取第一图像的第一直线段与第二图像的第二直线段；
[0070]最终距离确定单元32，用于确定所述第一直线段与第二直线段之间的特征距离及几何距离，将所述特征距离及几何距离进行线性加权，并将线性加权的结果作为所述第一直线段与所述第二直线段之间的最终距离，所述特征距离为所述第一直线段与第二直线段的特征描述子之间的距离；
[0071]直线段匹配单元33，用于若所述最终距离为所述第一直线段与所述第二图像中各直线段距离中的最小值，且所述最终距离为所述第二直线段与所述第一图像中各直线段距离中的最小值，则将所述第一直线段与所述第二直线段作为一对匹配的直线段；
[0072]其中，所述第一图像为源图像，所述第二图像为目标图像。
[0073]可选地，所述最终距离确定单元32，具体用于依次以所述第一直线段或第二直线段上的各点作为中心点，计算该点预设区域内的梯度方向直方图，并将所述梯度方向直方图作为该点的