一种物体识别中基于sift特征尺度分量的两级匹配方法
【专利摘要】本发明提供了一种物体识别中基于SIFT特征尺度分量的两级匹配方法，属于计算机视觉领域。本发明包括第一级初匹配部分和第二级精匹配两部分，第一级初匹配部分先提取出两幅图像的SIFT特征点，然后分别以两组特征向量为基准，利用基于比值的准则对其进行判定，计算匹配点对集合，最后对两个集合取并集，得到初步的匹配点对提供给下一级继续匹配；第二级精匹配部分先对上一级匹配得到的点对进行处理，即计算各点对的尺度比值，然后计算这个尺度比值集合的均值和方差，制定新的匹配准则对筛选匹配点对，得到最终的匹配结果。本发明提供了两级匹配步骤，第一步选择出较多的匹配点对，再利用SIFT特征的尺度分量特征，经过第二步筛选精选出匹配点对，剔除误匹配点对，能够提高同类物体间的识别率和不同类物体间的区分性，因此适合与物体识别的应用中。
【专利说明】—种物体识别中基于SIFT特征尺度分量的两级匹配方法
【技术领域】
[0001]本发明属于计算机视觉领域，具体涉及一种物体识别中基于SIFT特征尺度分量的两级匹配方法。
【背景技术】
[0002]人类百分之八十的信息是靠视觉获得的，人们通过视觉系统对成千上万的物体进行识别和分类，这个看似简单的过程其实蕴含着一个极为复杂且庞大的处理过程，计算机视觉就是用计算机来模拟人的视觉系统获取和处理视频信息。
[0003]物体识别是计算机视觉领域一个极富挑战的课题，其过程会受到光线、环境如背景、遮挡、尺度、视角变化以及图像传输噪声的影响，从而对识别结果造成影响。因此需要提取出能够较好描述物体的特征，利用有效的匹配准则对物体进行识别，目前对匹配方法的研究较少，与一般的图像配准不同，物体识别更要求特征之间的区域相似性。
[0004]SIFT特征作为一种局部不变特征，具有优异的性能而受到广泛的应用。可以概括为四个步骤:(I)尺度空间极值检测；(2)关键点定位；(3)关键点方向确定；(4)生成关键点描述子。在计算过程中由于关键点位置的确定和关键点的方向的计算，还有关键点描述子的产生等步骤而使得其具有旋转不变性。SIFT特征描述符为128维向量，常用的方法是以欧氏距离D为测度来评价两个SIFT关键点3和6的相似性，如下:
【权利要求】
1.一种在物体识别中的SIFT特征两级匹配方法，其特征在于，所述方法包括: (1)第一级初匹配部分:首先分别提取两幅图像I和2的SIFT特征，以图像I为基准，利用基于比值的准则求其中每个SIFT特征点在图像2中的匹配点，将点与点匹配的序号索引记录下来，再以图像2为基准重复上述步骤，最后将两次的索引结合起来取并集，即得到第一级匹配的点对； (2)第二级精匹配部分:首先计算第一级匹配点对的比值，再计算比值集合的方差，如果方差大于某个阈值^就直接认为两者不匹配，反之再判定各匹配点对的比值是否在一个比值区间WasJ内，如果在该区间内则保留该匹配点，反之去除该匹配点，最后计算剩余的匹配点数作为匹配结果。
2.根据权利要求1所述的方法，其特征在于，所述第一级初匹配部分包括以下步骤: (1)以图像I为基准，遍历图像2中的所有SIFT特征点，计算任意两点间的欧式距离:
3.根据权利要求2所述的方法，其特征在于，所述步骤(4)的计算步骤如下: Φ以图像I为基准得到的匹配点对集为C7，以图像2为基准得到的匹配点对集为C2，1，将C2，1的索引序号调转:若原来为
4.根据权利要求1所述的方法，其特征在于，所述第二级精匹配部分包括以下步骤: (1)对第一级初匹配得到的结合进行处理，计算每两个点的尺度比值，得到集合D； (2)计算集合D的均值和方差，并通过指定的新准则进行判定:若尺度比值的方差大于某一阈值时可以直接认定两个物体不匹配，当方差在接受范围以内时，则通过尺度比值在某一范围内对初匹配得到的匹配点对进行筛选，在规定范围内的认为是匹配正确的点，否则将其剔除，即必须满足式如下:
【文档编号】G06K9/46GK103886314SQ201210555887
【公开日】2014年6月25日 申请日期:2012年12月20日 优先权日:2012年12月20日
【发明者】艾浩军, 艾雄军, 艾晓敏 申请人:武汉三际物联网络科技有限公司