一种基于有效区域的改进RANSAC算法求解单应矩阵的方法技术

本发明专利技术公开了一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，首先根据图像匹配算法得到输入图像的初始匹配点集，并根据GMS算法对图像得到图像之间的有效匹配区域；基于初始匹配集和有效匹配区域，随机选取四个有效匹配区域，并在每个区域中随机选取一对匹配点初始化单应矩阵，然后在余下有效匹配区域中各随机选择一对匹配点验证单应模型，若超过50％的匹配点对通过验证，则利用该模型测试所有匹配点以得到内点集，若内点集大于设定阈值，则使用内点集重新估计单应矩阵模型，作为本发明专利技术的模型求解结果，否则继续迭代求解。本发明专利技术的方法避免了利用所有匹配点对验证大量不合适模型的计算，在恢复出可靠单应矩阵模型的前提下较高地提升了计算效率。

An improved RANSAC algorithm based on effective region for homography matrix

【技术实现步骤摘要】
一种基于有效区域的改进RANSAC算法求解单应矩阵的方法
本专利技术涉及一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，涉及一种利用图像匹配算法得到的初始匹配集进行图像之间单应模型求解的方法，属于计算机视觉中图像匹配领域。
技术介绍
图像之间的关系模型估计通常是图像匹配之后的必要工作，现实生活中我们往往需要根据已经得到的匹配关系求解模型，单应矩阵是最常见的求解模型，它代表了图像坐标之间的对应关系。早期Zhang等提出了经典的棋盘标定原理求解图像、相机之间的变换模型，精度较好，但是对设备及成像条件要求较高。而随着图像匹配算法的发展，基于特征匹配的模型求解成为主流，即首先通过图像匹配算法获取图像之间的初始匹配集，同时由于初始匹配集不可避免的含有相当量的误匹配，因此需要根据一定的策略对初始匹配集进行提纯，减小匹配集中“外点”的干扰，最后使用提纯的匹配集估计图像关系模型。随机抽样一致(RANSAC)算法是典型的基于上述思想的模型估计算法，但是RANSAC算法存在以下缺点：(1)其不保证得到全局最优解，很容易陷入局部最优解，即RANSAC算法只能从特定的数据集中估计出一个模型；(2)它每次初始化的随机选点方式导致迭代有可能进行很多次，并随着误匹配比例的增加而增加，且其得到可信模型的概率和迭代次数成正比，因此迭代次数没有上限；(3)它在得到一个模型之后使用余下所有点进行测试，由于一开始我们得到的大部分模型是错误的，那么大量时间浪费在了错误模型的投影误差计算上，导致效率较差。GMS算法是为了快速提纯匹配集而提出的一种基于网格的运动统计方法，它是基于视频序列中高实时性的要求提出的将平面光滑运动近似为区域内一定数量匹配的统计方法，将迭代运算转换为统计量的形式，根据区域得分对区域进行匹配，从而达到对匹配点对的区域筛选，是一种快速、高实时性的匹配算法，但是其是基于真匹配占据初始匹配集一定比例时才有效，否则大量的误匹配会影响估计模型的精度。
技术实现思路
针对上述问题，本专利技术提供一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，以获得图像之间可靠的单应关系模型。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提供一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，包括以下步骤：(1)根据图像匹配算法得到输入图像的初始匹配点对集C，并初始化迭代次数k和内点集判断阈值t；(2)利用基于网格的运动统计GMS算法对输入图像进行网格剖分，根据网格得分设置有效匹配区域，随机选择四个有效匹配区域，并在每个所选的有效匹配区域中随机选择一对匹配点初始化单应矩阵模型；(3)随机在步骤(2)中余下的有效匹配区域中各取一对匹配点对初始化的单应矩阵进行验证，当这些点以一定比例符合该单应矩阵模型时，则利用该单应矩阵测试初始匹配点对集C中余下的所有匹配点对以得到内点集Cj，进入步骤(4)，否则抛弃该单应矩阵模型，返回步骤(2)；(4)若步骤(2)得到的内点集Cj的数量小于阈值t，则跳转到步骤(2)，否则利用内点集Cj重新估计单应矩阵模型，得到当前最佳单应矩阵模型，进入步骤(5)；(5)若迭代次数没有达到k，则存储当前最佳单应矩阵模型，并更新k和t，返回步骤(2)，否则将当前最佳单应矩阵模型作为最终的单应矩阵估计模型输出。作为本专利技术的进一步技术方案，步骤(1)中根据基于多视角信息的图像匹配算法得到输入图像的初始匹配点对集，初始化迭代次数k为整数最大值，初始化内点集判断阈值t为整数最小值，所述的输入图像包括模板图像和待匹配图像。作为本专利技术的进一步技术方案，所述步骤(2)包括以下步骤：(21)首先对输入图像进行8×8的网格剖分，得到64个网格区域；(22)假设Si表示初始匹配点对集C中的第i对匹配点所在网格区域的得分，Xi表示第i对匹配点所在网格区域的8邻域中所有匹配点对集合，定义Si＝|Xi|-1，|Xi|表示匹配点对基数，-1表示将第i对匹配点除去；将Si较高的前60％的网格区域设置为有效匹配区域；(23)根据得到的有效匹配区域，基于四点法原理，随机选取4个有效匹配区域，并在每个所选取的有效匹配区域中随机选取一对匹配点p(x1,y1,1)和q(x2,y2,1)，假设单应矩阵为则有：x1(h31x2+h32y2+1)＝h11x2+h12y2+h13y1(h31x2+h32y2+1)＝h21x2+h22y2+h23每一对匹配点得到两个方程，因此随机选取的四对匹配点即可初始化单应矩阵模型Hj。作为本专利技术的进一步技术方案，步骤(3)包括以下步骤：(31)随选在余下的有效匹配区域中各取一对匹配点，对Hj进行验证，若某一匹配点对符合Hj，则将其加入内点集Ci；(32)若超过一半的匹配点对被加入内点集Ci，则利用初始匹配点对集C中余下的所有匹配点对进行Hj测试，若某一匹配点对符合Hj，则将其加入内点集Cj；否则直接舍弃Hj，返回步骤(2)重新迭代求解。作为本专利技术的进一步技术方案，所述步骤(5)包括以下步骤：若迭代次数没有达到k，则存储当前最佳单应矩阵模型，并更新k和t，返回步骤(2)，否则将当前最佳单应矩阵模型作为最终的单应矩阵估计模型输出(51)若迭代次数没有达到k，则存储当前最佳单应矩阵模型，并更新k和t，返回步骤(2)；其中，t更新为当前内点集Cj的数量，k更新为P为得到的单应矩阵模型是真实单应矩阵模型的置信度，w为内点集所占初始匹配点对集的比例，n＝4；(52)若迭代次数达到k，则停止迭代，并将当前最佳单应矩阵模型作为最终的单应矩阵估计模型输出。作为本专利技术的进一步技术方案，P的取值范围为0.95～0.98。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、首先将图像划分为网格区域，然后根据区域得分理论对区域进行排序，以一定的比例分成可信区域和不可信区域，并在可信区域中进行随机分散性采样匹配点对，用于估计单应矩阵的初始化模型，避免了随机采样的盲目性，提升了采样点为内点的概率，减少了迭代次数；2、通过采样若干点对对模型进行先验测试，明显不符合的模型直接舍弃，符合的才进行所有匹配点对的再次验证，因为很多时候得到的都是错误模型，因此本章算法避免了利用所有匹配点对验证大量错误模型的计算，较高地提升了迭代计算效率；3、本专利技术提出的方法相比于RANSAC算法在效率提升的同时能够得到较为准确的图像之间关系模型，并且对于初始匹配集中真匹配比例较小时亦适用。附图说明图1为本专利技术的流程图；图2为RANSAC方法在Oxford数据集中Graffiti序列图像的第1和第4图像对的重投影误差结果；图3为本专利技术方法在Oxford数据集中Graffiti序列图像的第1和第4图像对的重投影误差结果；图4为RANSAC方法在Oxford数据集中Wall序列图像的第1和第4图像对的重投影误差结果；图5为本专利技术方法在Oxford数据集中Wall序列图像的第1和第4图像对的重投影误差结果。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：如图1所示，本专利技术一种基于有效区域的改进RANSAC算法求解单应矩阵方法，具体包括以下步骤：步骤1，根据图像匹配算法得到输入图像的初始匹配点对集C，并初始化迭代次数k和内点集判断阈值t。所述的输入图像包括模板图像和待匹本文档来自技高网...

【技术保护点】
1.一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，其特征在于，包括以下步骤：(1)根据图像匹配算法得到输入图像的初始匹配点对集C，并初始化迭代次数k和内点集判断阈值t；(2)利用基于网格的运动统计GMS算法对输入图像进行网格剖分，根据网格得分设置有效匹配区域，随机选择四个有效匹配区域，并在每个所选的有效匹配区域中随机选择一对匹配点初始化单应矩阵模型；(3)随机在步骤(2)中余下的有效匹配区域中各取一对匹配点对初始化的单应矩阵进行验证，当这些点以一定比例符合该单应矩阵模型时，则利用该单应矩阵测试初始匹配点对集C中余下的所有匹配点对以得到内点集Cj，进入步骤(4)，否则抛弃该单应矩阵模型，返回步骤(2)；(4)若步骤(2)得到的内点集Cj的数量小于阈值t，则跳转到步骤(2)，否则利用内点集Cj重新估计单应矩阵模型，得到当前最佳单应矩阵模型，进入步骤(5)；(5)若迭代次数没有达到k，则存储当前最佳单应矩阵模型，并更新k和t，返回步骤(2)，否则将当前最佳单应矩阵模型作为最终的单应矩阵估计模型输出。

【技术特征摘要】
1.一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，其特征在于，包括以下步骤：(1)根据图像匹配算法得到输入图像的初始匹配点对集C，并初始化迭代次数k和内点集判断阈值t；(2)利用基于网格的运动统计GMS算法对输入图像进行网格剖分，根据网格得分设置有效匹配区域，随机选择四个有效匹配区域，并在每个所选的有效匹配区域中随机选择一对匹配点初始化单应矩阵模型；(3)随机在步骤(2)中余下的有效匹配区域中各取一对匹配点对初始化的单应矩阵进行验证，当这些点以一定比例符合该单应矩阵模型时，则利用该单应矩阵测试初始匹配点对集C中余下的所有匹配点对以得到内点集Cj，进入步骤(4)，否则抛弃该单应矩阵模型，返回步骤(2)；(4)若步骤(2)得到的内点集Cj的数量小于阈值t，则跳转到步骤(2)，否则利用内点集Cj重新估计单应矩阵模型，得到当前最佳单应矩阵模型，进入步骤(5)；(5)若迭代次数没有达到k，则存储当前最佳单应矩阵模型，并更新k和t，返回步骤(2)，否则将当前最佳单应矩阵模型作为最终的单应矩阵估计模型输出。2.根据如权利要求1所述的一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，其特征在于，步骤(1)中根据基于多视角信息的图像匹配算法得到输入图像的初始匹配点对集，初始化迭代次数k为整数最大值，初始化内点集判断阈值t为整数最小值，所述的输入图像包括模板图像和待匹配图像。3.根据如权利要求1所述的一种基于有效区域的改进RANSAC算法求解单应矩阵的方法，其特征在于，所述步骤(2)包括以下步骤：(21)首先对输入图像进行8×8的网格剖分，得到64个网格区域；(22)假设Si表示初始匹配点对集C中的第i对匹配点所在网格区域的得分，Xi表示第i对匹配点所在网格区域的8邻域中所有匹配点对集合，定义Si＝|Xi|-1，|Xi|表示匹配点对基数，-1表示将第i对匹配点...

【专利技术属性】
技术研发人员：达飞鹏，赵鹏图，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32