本发明涉及计算机视觉中的图像特征匹配领域，特别是图像匹配中点匹配和线匹配方法。
背景技术：
特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等领域有重要应用。目前已有的曲线匹配方法主要有如下两类，第一类是基于曲线形状的匹配方法，第二类方法是基于图像内容的匹配方法[1-3]。两种方法在局部形变较大时，均会产生较多地错误匹配，匹配正确率和总数达不到预期的效果。因此，从现有的匹配结果中去除错误匹配是计算机视觉、模式识别等领域中的一项基本问题，其应有广泛。
现有方法对特征点错误匹配去除方法研究较多，一些算法将线和点结合建立关系实现错误匹配的去除。例如lourakis等人[4]用两条直线和两个点构成的射影不变量实现平面上直线和点的匹配，但由于点匹配和直线匹配均是未知的，进行自由组合时需要大量时间。为避免在区域内寻找点匹配的组合搜索问题，fan等人[5]利用已有的特征点匹配结果，提出一种基于点线不变量的直线错误匹配去除方法。但现有点线结合的方法只适用于直线匹配，均无法用于曲线错误匹配的剔除。
参考文献：
[1]wangz,wuf,huz.msld:arobustdescriptorforlinematching[j].patternrecognition,2009,42(5):941-953.
[2]王志衡,智珊珊,刘红敏.基于亮度序的均值标准差描述子[j].模式识别与人工智能,2013,26(4):91-98.
[3]liuh.m,zhis.s,wangz.h.,iocd:intensityordercurvedescriptor[j].internationaljournalofpatternrecognitionandartificialintelligence,2013,27(7):1355011-135037
[4]lourakism.i.a.,halkidiss.t,orphanoudakiss.c.matchingdisparateviewsofplanarsurfacesusingprojectiveinvariants[j].imagevisioncomputing,2000,18(9):673–683.
[5]fanb,wuf,huz.aggregatinggradientdistributionsintointensityorders:anovellocalimagedescriptor[c]//ieee,2011:2377-2384.。
技术实现要素：
本发明针对现有曲线匹配和点匹配算法中存在有错误匹配的问题，目的是提供一种将点、线特征融合起来的匹配方法。为了实现本目的，本发明基于点线特征融合的错误匹配剔除方法，包括以下步骤：
步骤s1：从不同角度拍摄同一场景两幅不同图像并输入计算机；
步骤s2：利用sift技术进行特征点检测及匹配；
步骤s3：利用曲线描述子进行曲线匹配；
步骤s4：确定各匹配曲线的支撑区域；
步骤s5：获取匹配曲线对应支撑区域内的匹配点对；
步骤s6：计算曲线支撑区域内特征点到曲线的最小距离；
步骤s7：根据匹配曲线对的差异度剔除错误曲线匹配；
步骤s71：计算匹配曲线对的差异度；
步骤s72：验证匹配曲线对的正确性并剔除错误曲线匹配；
步骤s8：根据匹配点对的差异度剔除错误点匹配；
步骤s81：计算匹配点对的差异度；
步骤s82：验证匹配点对的正确性并剔除错误点匹配。
本发明提供的点线特征融合的错误匹配剔除方法，首先利用已建立的点匹配结果约束、验证曲线匹配的结果，然后利用得到的曲线匹配结果约束、验证点匹配结果。本发明提供的方法不仅能够准确检测出错误的匹配，而且计算简单，不需要复杂变换，在计算复杂性及效率上优于已有方法；同时，该方法具有通用性，可用于各种点匹配和曲线匹配算法结果中错误匹配的剔除。
附图说明
图1为本发明点线特征融合的错误匹配剔除方法流程图。
具体实施方式
如图1所示为本发明点线特征融合的错误匹配剔除方法流程图，包括：采集图像并输入计算机、匹配图像中的特征点、匹配图像中的特征曲线、确定匹配曲线的支撑区域、获取匹配曲线对应支撑区域内的匹配点对、计算曲线支撑区域内特征点到曲线的最小距离、根据匹配曲线对的差异度剔除错误曲线匹配、根据匹配点对的差异度剔除错误点匹配。
各步骤的具体实施细节如下：
步骤s1：从不同角度拍摄同一场景两幅不同图像并输入计算机。
步骤s2：利用sift技术进行特征点检测与匹配，获得匹配点对集合s(p)={(pi,pi’),i=1,2,…,np}，其中pi表示第1幅图像中匹配的特征点，pi’表示第2幅图像中与pi匹配的特征点，np为匹配特征点对的个数。
步骤s3：利用canny边缘检测算子提取曲线并使用文献iocd:intensityordercurvedescriptor，internationaljournalofpatternrecognition&artificialintelligence.2013,27(7),1355011所述亮度序曲线描述子进行曲线匹配，获得匹配曲线对集合s(c)={(cj,cj’),j=1,2,…,nc}，其中cj表示第1幅图像中的匹配曲线，cj’表示第2幅图像中与cj匹配的曲线，nc为匹配曲线对的个数。
步骤s4：确定各曲线的支撑区域，具体方式为，对于任一条由num(c)个点组成的匹配曲线c，记c上任一点为pk，k=1,2,…,num(c)，将以pk为圆心r为半径的圆形区域定义为点pk的支撑区域并记为g(pk)，c上各点支撑区域覆盖的区域定义为c的支撑区域并记为g(c)=g(p1)∪g(p2)∪…∪g(pnum(c))。
步骤s5：获取匹配曲线对应支撑区域内的匹配点对，具体方式为，对于任一匹配曲线对(cj,cj’)，由步骤s4分别获得cj、cj’的支撑区域g(cj)、g(cj’)，寻找满足如下条件的匹配点对(p,p’)：p∈g(cj)&p’∈g(cj’)&(p,p’)∈s(p)，得到(cj,cj’)对应支撑区域内的匹配点对集合s(cpj)={(pl,pl’),l=1,2,…,nj}，nj为匹配点对的个数。
步骤s6：计算曲线支撑区域内特征点到曲线的最小距离，具体方式为，对于步骤s5获取的匹配点对集合s(cpj)中的任一匹配点对(pl,pl’)，计算特征点pl到曲线cj上各点距离并记距离最小值为djl；计算pl’到曲线cj’上各点距离并记距离最小值为djl’；获得s(cpj)对应的最小距离集合s(d)={(djl,djl’),l=1,2,…,nj}。
步骤s7：根据匹配曲线对的差异度剔除错误曲线匹配，具体方式如下：
步骤s72：验证匹配曲线对的正确性并剔除错误曲线匹配，具体方式为，对于任一匹配曲线对(cj,cj’)，给定阈值tc，tc一般取8~15，如果dif(cj,cj’)<tc，则(cj,cj’)为正确匹配，否则将(cj,cj’)作为错误匹配剔除。
步骤s8：根据匹配点对的差异度剔除错误点匹配，具体方式如下
步骤s81：计算匹配点对的差异度，具体方式为，对于集合c中的任一匹配点对(pi,pi’)，如果pi∈g(cj)，计算点pi到曲线cj的最小距离并记为dij；计算点pi’到曲线cj’的最小距离并记为dij’，则匹配点对(pi,pi’)的差异度定义为：dif(pi,pi’)=|dij-dij’|。
步骤s82：验证匹配点对的正确性并剔除错误点匹配，具体方式为，对于任一匹配点对(pi,pi’)，定义阈值tp，tp一般取35~45，如果dif(pi,pi’)<tp，则(pi,pi’)为正确匹配，否则将(pi,pi’)作为错误匹配剔除。
本发明提供的点线特征融合的错误匹配剔除方法，首先利用已建立的点匹配结果约束、验证曲线匹配结果，剔除不满足约束条件的曲线匹配对；然后利用得到的曲线匹配结果约束、验证点匹配结果，实现错误匹配的剔除。本发明提供的方法不仅能够准确检测出错误匹配，而且计算简单，在计算复杂性及效率上优于已有方法；同时，该方法具有通用性，可用于各种点匹配和曲线匹配算法结果中错误匹配的剔除。