个和第1个特征点的坐标，1 = 1. .. M，设# (MXM的矩阵）表示图像II中特征点的坐标距离矩阵，其各元素为
[0046]
[0047] 其中，a为经验值，a控制了实际坐标距离对结构距离加权的权值的影响程度。 柳4引本实施例中，在进行所述"归一化图像I、II的特征点的坐标距离矩阵"的步骤 时，使影每行加和、每列加和都为1，归一化后图像I的特征点的坐标距离矩阵为
[0049]
[0050] 归一化后，W将作为匹配时图像I各特征点结构距离加和的权值，即对于图像I中 的第i个特征点Si, Wik表示了第k个特征点S k对S 1的权值，图像I中除S义外所有特征 点对Si的权值加和为1 ;
[0051] 使东'每行加和、每列加和都为1，归一化后图像II的特征点的坐标距离矩阵为
[0052]
[0053] 归一化后，W'将作为匹配时图像II各特征点结构距离加和的权值，即对于图像II 中的第j个特征点t，，1?表示了第1个特征点t拥t ,的权值，图像II中除t ,之外所有特 征点对tj的权值加和为1。
[0054] 本实施例中，在进行所述"用归一化的坐标距离矩阵及图像I、II最佳匹配特征点 的描述子结构距离迭代优化所述描述子距离矩阵"的步骤时，设C(NXM的矩阵）表示图像 I和图像II的特征点的描述子结构距离矩阵，其初始值为C = D，C中第i行第j列的元素 Cu表示图像I中第i个特征点与图像II中第j个特征点的描述子结构距离，对于所有i和 j，即i = 1. . . N，j = 1. . . M，计算并更新 阳化引
[0056] 其中，
[0057] Tk表示图像I中第k个特征点与图像II中最佳匹配的特征点的描述子结构距离， 取值区间是1到M之间的整数，对于k = 1. .. N，
[0058]
[0059] r康示图像II中第1个特征点与图像I中最佳匹配的特征点的描述子结构距离， 取值区间是1到N之间的整数，对于1 = 1...M，
[0060]
[0061] 本实施例中，在进行所述"根据迭代优化后的描述子距离矩阵的元素变化及迭代 次数判定并输出匹配度"的步骤时，如果迭代优化前后C中没有元素发生变化，或者迭代次 数达到预设的最大次数，则统计T和r中小于预设的最大匹配阔值的元素个数之和，作为 图像I和图像II的匹配度进行输出。
[0062] 在进行所述"根据迭代优化后的描述子距离矩阵的元素变化及迭代次数判定并输 出匹配度"的步骤时，如果迭代优化前后C中有元素发生变化，且迭代次数未达到预设的最 大次数，则再次执行"用归一化的坐标距离矩阵及图像I、II最佳匹配特征点的描述子结构 距离迭代优化所述描述子距离矩阵"的步骤，直至迭代优化前后C中没有元素发生变化，或 者迭代次数达到预设的最大次数，再统计T和r中小于预设的最大匹配阔值的元素个数之 和，作为图像I和图像II的匹配度进行输出。
[0063] 有利地，所述保持空间结构的图像特征点匹配方法，在特征点匹配过程中，除了描 述子的直接比较，还加入了基于位置关系的结构距离计算，使得匹配结果能够保持空间结 构；将特征点之间的位置距离作为权值，对于每个特征点，其周围较近的其他特征点对该点 的匹配有较大影响，较远特征点只有较小影响，如此设计既融入了空间结构的匹配、又保证 了全局匹配的正确性；并且该方法容易通过矩阵乘法等线性运算近似实现，算法效率高。
[0064] W上所掲露的仅为本发明实施例中的较佳实施例而已，当然不能W此来限定本 发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
【主权项】
1. 一种保持空间结构的图像特征点匹配方法，包括步骤： 提取和表征出待匹配的图像I、II的特征点； 构建图像I、II的特征点的描述子距离矩阵； 构建图像I、II的特征点的坐标距离矩阵； 归一化图像I、II的特征点的坐标距离矩阵； 用归一化的坐标距离矩阵及图像I、II最佳匹配特征点的描述子结构距离迭代优化所 述描述子距离矩阵； 根据迭代优化后的描述子距离矩阵的元素变化及迭代次数判定并输出匹配度。2. 如权利要求1所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"构建 图像I、II的特征点的描述子距离矩阵"步骤中， 设N表示图像I中提取到的特征点数，8;表示图像I中第i个特征点的描述子，i =1. . . N ； 设Μ表示图像II中提取到的特征点数，tj表示图像II中第j个特征点的描述子，j = 1. . .Μ ； 设D(NXM的矩阵）表示图像I和图像II的特征点的描述子距离矩阵，D中第i行第j 列的元素 Du表示图像I中第i个特征点与图像II中第j个特征点的描述子距离，其计算 方法为 | | s i-tj | |。3. 如权利要求2所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"构建 图像I、II的特征点的坐标距离矩阵"步骤中， 设pJP P及别表示图像I中第i个和第k个特征点的坐标，k = 1. . . N，设# (NXN 的矩阵）表示图像I中特征点的坐标距离矩阵，其各元素为设化和P冷别表示图像Π 中第j个和第1个特征点的坐标，1 = 1. . . M，设#，(MXM 的矩阵）表示图像II中特征点的坐标距离矩阵，其各元素为其中，α为经验值，α控制了实际坐标距离对结构距离加权的权值的影响程度。4. 如权利要求3所述的保持空间结构的图像特征点匹配方法，其特征在于， 所述"归一化图像I、II的特征点的坐标距离矩阵"步骤中， 使#每行加和、每列加和都为1，归一化后图像I的特征点的坐标距离矩阵为归一化后，W将作为匹配时图像I各特征点结构距离加和的权值，即对于图像I中的第 i个特征点Sp Wik表示了第k个特征点s ^ s ;的权值，图像I中除s ;之外所有特征点对s ; 的权值加和为1 ; 使#'每行加和、每列加和都为1，归一化后图像II的特征点的坐标距离矩阵为归一化后，W'将作为匹配时图像II各特征点结构距离加和的权值，即对于图像II中 的第j个特征点ti，1?表示了第1个特征点^对t j的权值，图像II中除t j之外所有特征 点对的权值加和为1。5. 如权利要求4所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"用归 一化的坐标距离矩阵及图像I、II最佳匹配特征点的描述子结构距离迭代优化所述描述子 距离矩阵"步骤中， 设C(NXM的矩阵）表示图像I和图像II的特征点的描述子结构距离矩阵，其初始值 为C = D，C中第i行第j列的元素表示图像I中第i个特征点与图像II中第j个特征 点的描述子结构距离，对于所有i和j，即i = 1. . . N，j = 1. . . M，计算并更新其中， !；表示图像I中第k个特征点与图像II中最佳匹配的特征点的描述子结构距离，取值 区间是1到Μ之间的整数，对于k = 1. . . N，Τ' 1表示图像II中第1个特征点与图像I中最佳匹配的特征点的描述子结构距离，取 值区间是1到Ν之间的整数，对于1 = 1...Μ，6. 如权利要求5所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"根据 迭代优化后的描述子距离矩阵的元素变化及迭代次数判定并输出匹配度"步骤中，如果迭 代优化前后C中没有元素发生变化，或者迭代次数达到预设的最大次数，则统计Τ和Τ'中 小于预设的最大匹配阈值的元素个数之和，作为图像I和图像II的匹配度进行输出。7. 如权利要求6所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"根据 迭代优化后的描述子距离矩阵的元素变化及迭代次数判定并输出匹配度"步骤中，如果迭 代优化前后C中有元素发生变化且迭代次数未达到预设的最大次数，则再次执行前述"用 归一化的坐标距离矩阵及图像I、II最佳匹配特征点的描述子结构距离迭代优化所述描述 子距离矩阵"的步骤，直至迭代优化前后C中没有元素发生变化，或者迭代次数达到预设的 最大次数，再统计Τ和Τ'中小于预设的最大匹配阈值的元素个数之和，作为图像I和图像 II的匹配度进行输出。8. 如权利要求1所述的保持空间结构的图像特征点匹配方法，其特征在于，所述"提取 和表征出待匹配的图像I、II的特征点"的步骤采用尺度不变特征转换算法进行。9. 如权利要求8所述的保持空间结构的图像特征点匹配方法，其特征在于，该尺度不 变特征转换算法包括步骤：尺度空间极值检测、关键点定位、方向确定以及关键点描述。10. 如权利要求9所述的保持空间结构的图像特征点匹配方法，其特征在于，所述度空 间极值检测是在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点； 所述关键点定位是在兴趣点位置上确定关键点的位置和尺度；所述方向确定是指基于图像 局部的梯度方向给每个关键点分配方向；所述关键点描述是在每个关键点的领域内测量图 像局部的梯度，最终用一个特征向量来表达。
【专利摘要】本发明公开一种保持空间结构的图像特征点匹配方法，包括步骤：提取和表征出待匹配的图像I、II的特征点；构建图像I、II的特征点的描述子距离矩阵；构建图像I、II的特征点的坐标距离矩阵；归一化图像I、II的特征点的坐标距离矩阵；用归一化的坐标距离矩阵及图像I、II最佳匹配特征点的描述子结构距离迭代优化所述描述子距离矩阵；根据迭代优化后的描述子距离矩阵的元素变化及迭代次数判定并输出匹配度。本发明的有益效果是，由于在特征点匹配过程中融入了空间结构的匹配，提高了特征点匹配的准确性。
【IPC分类】G06T7/00
【公开号】CN105719272
【申请号】CN201410740484
【发明人】胡懋地, 范宜强, 李其均
【申请人】航天信息股份有限公司
【公开日】2016年6月29日
【申请日】2014年12月5日