基于采样模式分离的图像匹配方法及装置的制造方法
【技术领域】
[0001] 本发明设及图像处理技术领域，尤其设及一种基于采样模式分离的图像匹配方法 及装置。
【背景技术】
[0002] 图像匹配技术可W应用到增强现实、人脸识别、图像检索等很多领域，因此，越来 越多的人都开始研究图像匹配方面的问题。目前，现有的图像匹配方法一般通过W下步骤 实现的：可先分别提取待匹配图像中的特征点，之后可根据该特征点和现有图像匹配算法 (如BRI邸炬inary Robust Independent Elementary Fea1:ures)算法、ORB(Oriented FAST and Rotated BRIE巧算法、BRISK 炬inary Robust Invariant Scalable Keypoints)算法 或FREAK (Fast Retina Keypoint)算法等）建立采样模式，然后可根据该采样模式分别计 算特征方向和生成特征描述子，最后，根据特征描述子对待匹配图像进行匹配。
[0003] 但是，在图像匹配的过程中，通过同一种图像匹配算法建立采样模式，并使用同一 种采样模式计算特征方向和生成特征描述子，由于不同的图像匹配算法具有各自的优点和 缺点，所W，使用同一种采样模式可能会导致匹配结果不准确，或者导致匹配效率差等的问 题。
【发明内容】
[0004] 本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
[0005] 为此，本发明的第一个目的在于提出一种基于采样模式分离的图像匹配方法。该 方法通过结合不同采样模式的优点，为研发匹配算法提供了更大灵活性，能够获得更高效 的特征描述子，通过高效的特征描述子能够提高图像的匹配效果，实现了图像之间的快速 匹配。
[0006] 本发明的第二个目的在于提出一种基于采样模式分离的图像匹配装置。
[0007] 为了实现上述目的，本发明第一方面实施例的基于采样模式分离的图像匹配方 法，包括：接收第一待匹配图像和第二待匹配图像，并分别提取所述第一待匹配图像和第二 待匹配图像的第一特征点和第二特征点；根据所述第一特征点和所述第二特征点分别建立 所述第一待匹配图像和所述第二待匹配图像的第一采样模式；根据所述第一待匹配图像和 所述第二待匹配图像的第一采样模式分别计算所述第一特征点的第一方向角度和所述第 二特征点的第二方向角度；根据所述第一特征点和所述第二特征点分别建立所述第一待匹 配图像和所述第二待匹配图像的第二采样模式；W所述第一方向角度为旋转角度，对所述 第一待匹配图像的第二采样模式进行逆时针旋转，并根据旋转后的所述第一待匹配图像的 第二采样模式生成所述第一待匹配图像的第一特征描述子，W所述第二方向角度为旋转角 度，对所述第二待匹配图像的第二采样模式进行逆时针旋转，并根据旋转后的所述第二待 匹配图像的第二采样模式生成所述第二待匹配图像的第二特征描述子；W及根据所述第一 特征描述子和所述第二特征描述子对所述第一待匹配图像和第二待匹配图像进行图像匹 配。
[000引根据本发明实施例的基于采样模式分离的图像匹配方法，可W使得计算特征点的 方向角度时采用一种采样模式，生成特征描述子时采用另一种采样模式，通过结合不同采 样模式的优点，为研发匹配算法提供了更大灵活性，能够获得更高效的特征描述子，通过高 效的特征描述子能够提高图像的匹配效果，实现了图像之间的快速匹配，在图像检索、增强 现实等方面有很重要的应用。
[0009] 为了实现上述目的，本发明第二方面实施例的基于采样模式分离的图像匹配装 置，包括：提取模块，用于接收第一待匹配图像和第二待匹配图像，并分别提取所述第一待 匹配图像和第二待匹配图像的第一特征点和第二特征点；第一建立模块，用于根据所述第 一特征点和所述第二特征点分别建立所述第一待匹配图像和所述第二待匹配图像的第一 采样模式；第一生成模块，用于根据所述第一待匹配图像和所述第二待匹配图像的第一采 样模式分别计算所述第一特征点的第一方向角度和所述第二特征点的第二方向角度；第二 建立模块，用于根据所述第一特征点和所述第二特征点分别建立所述第一待匹配图像和所 述第二待匹配图像的第二采样模式；第二生成模块，用于W所述第一方向角度为旋转角度， 对所述第一待匹配图像的第二采样模式进行逆时针旋转，并根据旋转后的所述第一待匹配 图像的第二采样模式生成所述第一待匹配图像的第一特征描述子，W所述第二方向角度为 旋转角度，对所述第二待匹配图像的第二采样模式进行逆时针旋转，并根据旋转后的所述 第二待匹配图像的第二采样模式生成所述第二待匹配图像的第二特征描述子；W及匹配模 块，用于根据所述第一特征描述子和所述第二特征描述子对所述第一待匹配图像和第二待 匹配图像进行图像匹配。
[0010] 根据本发明实施例的基于采样模式分离的图像匹配装置，可W使得计算特征点的 方向角度时采用一种采样模式，生成特征描述子时采用另一种采样模式，通过结合不同采 样模式的优点，为研发匹配算法提供了更大灵活性，能够获得更高效的特征描述子，通过高 效的特征描述子能够提高图像的匹配效果，实现了图像之间的快速匹配，在图像检索、增强 现实等方面有很重要的应用。
[0011] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0012] 本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中：
[0013] 图1是根据本发明一个实施例的基于采样模式分离的图像匹配方法的流程图；
[0014] 图2是根据本发明一个实施例的FREAK采样模式的展示示例图；
[0015] 图3是根据本发明一个实施例的BRIEF采样模式的展示示例图；
[0016] 图4是根据本发明一个实施例的基于采样模式分离的图像匹配装置的结构示意 图；
[0017] 图5是根据本发明实施例的基于采样模式分离的图像匹配方法将数据集中的 graf 1图像旋转180度后与原图匹配的结果的示例图；
[001引图6是根据FREAK方法、BRISK方法及本发明实施例的基于采样模式分离的图像 匹配方法（即第一和第二采样模式分别采用的是FREAK及BRIEF的采样模式）得到的匹配 正确率的示例图；
[0019] 图7是根据本发明提出的基于采样模式分离的图像匹配方法（即第一和第二采样 模式分别采用的是FREAK及BRIEF的采样模式）与FREAK方法、BRISK方法在视点变化下 的匹配正确率的测试结果的示例图。
【具体实施方式】
[0020] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0021] 目前，根据描述子的类型，现有的图像匹配算法可W被分为两大类；一类是特征描 述子是由十进制数据组成的向量，具有代表性的算法是SIFT算法和SURF算法；另一类是特 征描述子由二进制串组成，具有代表性的算法是BRIEF算法、ORB算法、BRISK算法和FREAK 算法。
[0022] 其中，SIFT算法具有旋转不变性、尺度不变性、光照不变等特点，且在视角变化、仿 射变换、噪声方面也保持了一定程度的稳定性，但最大的也是最致命的缺点就是计算速度 太慢，达不到实时性。SURF算法在进行图像特征点匹配时，只是在基本保持SIFT算法优点 的基础上，在计算速度方面提高了一些，但也达不到实时处理。由于十进制特征描述子的原 因，SIFT算法和SURF算法计算速度过慢，在后来的发展中就出现了二进制特征描述子，在 匹配速度上有了很大的提高，但是伴随速度的提高，也出现了其它的缺点。具体地，与SIFT 算法和SURF算法相比，BRIEF算法匹配速度很快而且存储效率高，其另外一个很重要的特 性是匹配准确率特别高，但是BRIEF算法既无旋转不变性，又无尺度不变性，而且对噪声很 敏感，该又使得BRIEF算法的应用很有局限性，鲁椿性不强；ORB算法针对BRIEF算法的一 些缺点进行了改进，具有旋转不变性、抗噪性、计算速度较SIFT算法和SURF算法有了很大 的提高，但不具备尺度不变性；BRISK算法具有尺度不变性和旋转不变性，但是在性能完善 的过程中，伴随而来的是计算速度的减慢；FREAK算法具有旋转不变性，而且当图像旋转时 匹配效果很好，也就是说FREAK算法计算的特征方向准确。
[0023] 因此，由于现有的图像匹配方法在计算特征方向和生成特征描述子时采用的是同 一种采样模式，可能会导致匹配结果不准确，或者导致匹配效率差等的问题。为此，本发明 提出了一种基于采样模式分离的图像匹配方法及装置，其通过结合不同采样模式的优点， 为研发匹配算法提供了更大灵活性，使得我们可W获得更高效的描述子。具体地，下面参考 附图描述根据本发明实施例