基于变换不变低秩纹理的投影变换图像匹配方法【
技术领域：
】[0001]本发明属于图像处理
技术领域：
，具体涉及一种投影变换图像匹配方法，可应用于目标识别与跟踪，图像拼接与三维重建领域。【
背景技术：
】[0002]在目标识别，图像拼接与三维重建等领域，需要先对同一场景的多幅视图进行匹配处理。一般情况下，可以采用基于特征的图像匹配方法进行图像匹配，这主要是考虑到一些图像特征对于图像的尺度、旋转以及仿射变换具有不变性，并且只用特征信息寻找图像间的几何关系具有计算效率高的优点。但是，当两幅图像间存在较大程度的投影失真时，现有技术往往很难提取到具有投影不变性的特征，从而导致匹配精度不够甚至无法实现匹配的问题。[0003]目前，基于特征的图像匹配方法中常用的特征信息有尺度不变特征SIFT，最大稳定极值区域MSER特征和完全仿射不变特征ASIFT，例如LoweD，"Distinctiveimagefeaturesfromscale-invariantkeypoints·''InternationalJournalofComputerVision,vol.60,no.2,pp.91-110.MatasJ,Chum0,etal·，"Robustwide-baselinestereofrommaximallystableextremalregions·''ImageandVisionComputing,vol.22，n。·10，pp.761-767.及MorelJM，YuG，"ASIFT:Anewframeworkforfullyaffineinvariantimagecomparison.''SIAMJournalonImagingSciences,vol.2,no.2，pp.438-469.这三篇文献公开的技术均为特征提取及匹配方法。[0004]基于尺度不变特征SIFT的图像匹配方法，能够匹配存在尺度变换的图像，并且获得较好的匹配效果。但是，当图像间存在较大的投影变换时，基于尺度不变特征SIFT的特征检测方法往往很少能够获得数目足够且正确率高的匹配点对，因此基于尺度不变特征SIFT的图像匹配方法不能匹配具有投影变换的图像。[0005]基于最大稳定极值区域MSER的图像匹配方法，采用最大稳定极值区域MSER的质心作为特征点进行匹配，由于最大稳定极值区域MSER具有较高的仿射变换不变性，因此能够实现存在较大仿射变换的图像配准，但是对于存在投影失真的图像仍不能获得准确的匹配对，并且由于成像传感器及成像环境的不同，采用的质心往往不能精确反映特征的位置，从而导致配准精度不高。[0006]完全仿射不变特征ASIFT算法，首先对原图像进行人为模拟的仿射空间采样，获得多幅视图；然后利用尺度不变特征SIFT方法对获得的多幅视图进行特征提取及特征匹配，这样能够获得比尺度不变特征SIFT方法更多的匹配点数，因此基于完全仿射不变特征ASIFT特征的图像配准方法可以配准存在较大仿射变换的图像。但该方法由于将投影变换的图像近似看作仿射变换并对图像在仿射空间上进行模拟，因此其仅适应于发生较小程度的投影失真图像匹配，对于存在较大程度投影失真的图像，仍然不能建立准确的匹配点对。【
发明内容】[0007]本发明的目的在于针对上述已有技术无法完成投影变换图像匹配的缺点，提出一种基于变换不变低秩纹理的投影变换图像匹配方法，该方法通过TILT变换消除输入图像的投影失真，将投影变换图像的匹配问题转换为相似变换的图像匹配问题，以获得更加准确的匹配点对。[0008]本发明的技术方案是:通过Canny边缘检测和Hough变换线检测实现对输入图像低秩纹理区域的自动选取;采用变换不变低秩纹理对低秩纹理区域进行校正并得到局部投影变换矩阵;使用局部投影变换矩阵对整幅输入图像进行投影变换，实现对整幅输入图像的校正，将投影变换图像匹配问题降级为相似变换图像匹配问题；利用基于特征的图像匹配方法完成对校正图像的匹配。[0009]其实现步骤包括如下：[0010](1)分别输入存在投影变换的两幅图像A和B，其中A为参考图像，B为待匹配图像；[0011](2)分别对输入的两幅图像进行低秩纹理区域检测，得到参考图像A中的低秩纹理区域Ua和待匹配图像B中的低秩纹理区域UB;[0012](3)分别对上述低秩纹理区域UA和UB进行变换不变低秩纹理TILT变换，得到各参考图像A的局部变换矩阵Ha和待匹配图像B的局部变换矩阵Hb;[0013](4)分别使用局部变换矩阵Ha和Hb对两幅输入图像A和B进行投影变换，得到校正后的参考图像#和校正后的待匹配图像V:[0014]A7=HaA[0015]B7=HbB；[0016](5)分别对上述两个校正后图像#和图像V进行高斯差分DoG极值点检测，得到校正后参考图像的特征点集Ωα'以及校正后待匹配图像的特征点集ΩΒ';分别对ΩΑ'以及ΩΒ'中的每一个特征点建立20维的几何形状描述符Ga'以及Gb';[0017](6)分别对上述两个特征点集ΩA'及ΩB'中的每一个特征点进行基于尺度不变特征变换描述，得到128维的局部特征描述符U以及U;[0018](7)利用步骤(6)中建立的128维局部特征描述符La'、Lb'以及步骤(5)中建立的20维的几何形状描述符Ga'、Gb'，分别建立校正后参考图像的特征点集ΩA'每一个特征点的特征描述符Da'和校正后待匹配图像的特征点集Ωb'每一个特征点的特征描述符Db':[0019][0020][0021]其中0<以1是局部特征与几何形状特征之间的权重因子。[0022](8)对上述得到的新型特征描述符Da'和Db'进行欧式距离度量，以最近邻比次近邻小于指定阈值的准则来建立参考图像与待匹配图像的匹配点对，完成存在投影变换的图像之间的匹配。[0023]本发明与现有的技术相比具有以下优点：[0024]第一，本发明由于对输入的参考图像和待匹配图像进行了基于变换不变低秩纹理的校正，并在获得的校正图像上进行基于特征的图像匹配，改善了现有技术对存在投影变换的图像进行匹配过程中，难以获得较高特征点重复率和正确匹配率的缺陷，使得本发明对存在投影变换的图像进行匹配时，具有更高的特征点重复率和正确匹配率。[0025]第二，本发明由于采用了Canny边缘检测与Hough变换线检测，改善了现有技术在利用变换不变低秩纹理TILT对图像进行校准时需要手动选取低秩纹理区域的缺陷，使得本发明与现有技术相比具有更高的效率。[0026]第三，本发明由于在特征点描述的过程中引入了几何形状描述符，改善了现有技术在利用局部特征描述符对包含大量重复性结构的图像进行匹配时容易产生误匹配点对的缺陷，使得本发明在上述情况下拥有更高的正确匹配率。【附图说明】[0027]图1为本发明的实现流程图；[0028]图2为用本发明对图像的矩形低秩纹理区域进行检测的仿真效果图；[0029]图3为用本发明对存在投影变换图像的匹配仿真效果图。[0030]具体的实施方式[0031]下面结合附图对本发明做进一步的描述。[0032]参照附图1，本发明的实现步骤如下：[0033]步骤1，输入参考图像和待匹配图像。[0034]分别输入从两个不同视角拍摄的存在投影变换的两幅图像，一幅作为参考图像A，另一幅作为待匹配图像B。[0035]步骤2,分别对两幅输入图像分别进行低秩纹理区域检测，得到参考图像A中的低秩纹理区域Ua以及待匹配图像B中的低秩纹理区域Ub。[0036]2a)分别对参考图像A和待匹配图像B旋转这三个不同的角度，得到三组不同旋转角度下的图像.4?_、爲，爲[0037]2b)对旋转后的参考图像.4?.进行Canny边缘检测和Hough变换线检测，得到不同旋转角度下图像中的直线检测结果：nk表示图像4?中检测到的直线的数目；对旋转后的待匹配图像馬4进行Canny边缘检测和Hough变换线检测，得到不同旋转角度下图像中的直线检测结果：1!\表示图像萬%中检测到的直线的数目；[0038]2c)将上述在旋转后的参考图像4?中检测得到的直线旋转θ'k角度，〇，-$，并将旋转得到的直线在参考图像A中进行显示，得到参考图像A中的直线群1A;将上述在旋转后的待匹配图像尾4中检测得到的直线旋转θ'k角度，涔，并将旋转得到的直线在待匹配图像B中进行显示，得到待匹配图像B中的直线群1B;[0039]2d)对上述步骤得到的参考图像A中的直当前第1页1 2 3