本发明专利技术公开了一种图像快速匹配方法，属于数字图像处理技术领域。该方法包括以下步骤：步骤A、利用小波分解方法提取源图像的低频子图像，所述小波分解所使用的小波滤波器满足以下条件：其低通滤波器的系数之和为1；步骤B、利用SIFT特征图像匹配方法对所述低频子图像和目标图像进行粗匹配，得到源图像中的粗匹配点；步骤C、从源图像中选取粗匹配点最集中的部分图像；步骤D、利用SIFT特征图像匹配方法对所选取的部分图像和目标图像进行细匹配，得到最终的图像匹配结果。相比现有技术，本发明专利技术在保证匹配准确度的同时，大幅降低了计算量，提高了图像匹配的速度。
【技术实现步骤摘要】
本专利技术涉及一种图像匹配方法，尤其涉及一种利用小波分解的方法缩小SIFT特 征匹配的搜索范围、提高匹配速度的图像快速匹配方法，属于数字图像处理
技术介绍
在图像匹配领域，由于 SIFT (Scale Invariant Feature Transform,尺度不变特 征变换）算法对存在尺度、旋转、照度、视角、仿射变化等情况下的图像，都能够实现图像的 准确匹配，因此它在图像匹配领域得到了广泛的应用。然而，由于SIFT算法本身所需的庞 大计算量，其对于某些本身数据量较大或者具有较高实时性要求的场合，例如高分辨率遥 感图像，则并不能很好地应用。 为了解决该问题，一些研宄者提出了多种不同的方案，例如以提升算法效率为 主的 SURF//9th European Conference on Computer Vision, 2006:404-417]和 PCASIFT//Proceedings of the 2004IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004, 2:506-513]算法，虽然在匹配速度 上，较SIFT算法相比已有了明显的提高，但在实际工程中，尤其在图像尺寸变大后，这 种性能上的提高便被大幅地弱化。即使是近几年新提出的BIRSK//IEEE International Conference on Computer Vision, 2011:2548-2555]和 FREAK//IEEE Conference on Computer Vision and Pattern Recognition, 2012:510-517]算法，当图像尺寸变大 后，其匹配速度依然不能满足要求。而最重要的是，上述几种算法描述子的综合性能不 如 SIFT 描述子稳定. IEEE Trans, on PAMI, 2005, 27 (10): 1615-1630]。文献. The 6th International Conference on Computer Science&Education, 2011:909-914]提出用小波变换与 SIFT 算法联合来提 高SAR图像的目标识别，但算法采用单一、固定的小波滤波器，没有具体分析小波变换对频 谱的影响，没有给出选择小波滤波器的指导性原则或者公式，而实际仿真发现，并非所有的 小波滤波器都适合与SIFT算法联合，以提高图像的匹配速度。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术不足，提供一种适于实际应用的利 用小波分解方法缩小SIFT特征匹配的搜索范围、提高匹配速度的图像快速匹配方法。 本专利技术具体采用以下技术方案解决上述技术问题： -种图像快速匹配方法，包括以下步骤： 步骤A、利用小波分解方法提取源图像的低频子图像，所述小波分解所使用的小波 滤波器满足以下条件：其低通滤波器的系数之和为1 ; 步骤B、利用SIFT特征图像匹配方法对所述低频子图像和目标图像进行粗匹配， 得到源图像中的粗匹配点； 步骤C、从源图像中选取粗匹配点最集中的部分图像； 步骤D、利用SIFT特征图像匹配方法对所选取的部分图像和目标图像进行细匹 配，得到最终的图像匹配结果。 进一步地，在步骤B与步骤C之间还包括对粗匹配点进行筛选的步骤：首先对以粗 匹配点的坐标所构成的数据集进行聚类，在聚类完成后将不能归入任一簇集的粗匹配点作 为错误匹配点进行剔除。 优选地，所述从源图像中选取粗匹配点最集中的部分图像，具体方法如下：以聚类 所得到的各簇中心的横坐标均值、纵坐标均值作为横坐标、纵坐标在源图像中确定一点，在 源图像中选取以该点为中心的部分图像。 优选地，所述从源图像中选取粗匹配点最集中的部分图像，具体方法如下：以各粗 匹配点的横坐标均值、纵坐标均值作为横坐标、纵坐标在源图像中确定一点，在源图像中选 取以该点为中心的部分图像。 优选地，从源图像中所选取的部分图像的大小按照以下方法确定：【主权项】1. ，其特征在于，包括以下步骤： 步骤A、利用小波分解方法提取源图像的低频子图像，所述小波分解所使用的小波滤波 器满足以下条件：其低通滤波器的系数之和为1 ; 步骤B、利用SIFT特征图像匹配方法对所述低频子图像和目标图像进行粗匹配，得到 源图像中的粗匹配点； 步骤C、从源图像中选取粗匹配点最集中的部分图像； 步骤D、利用SIFT特征图像匹配方法对所选取的部分图像和目标图像进行细匹配，得 到最终的图像匹配结果。2. 如权利要求1所述图像快速匹配方法，其特征在于，在步骤B与步骤C之间还包括对 粗匹配点进行筛选的步骤：首先对以粗匹配点的坐标所构成的数据集进行聚类，在聚类完 成后将不能归入任一簇集的粗匹配点作为错误匹配点进行剔除。3. 如权利要求2所述图像快速匹配方法，其特征在于，所述从源图像中选取粗匹配点 最集中的部分图像，具体方法如下：以聚类所得到的各簇中心的横坐标均值、纵坐标均值作 为横坐标、纵坐标在源图像中确定一点，在源图像中选取以该点为中心的部分图像。4. 如权利要求1所述图像快速匹配方法，其特征在于，所述从源图像中选取粗匹配点 最集中的部分图像，具体方法如下：以各粗匹配点的横坐标均值、纵坐标均值作为横坐标、 纵坐标在源图像中确定一点，在源图像中选取以该点为中心的部分图像。5. 如权利要求1所述图像快速匹配方法，其特征在于，从源图像中所选取的部分图像 的大小按照以下方法确定：式中，UW分别为源图像的长度、宽度，1为所选取部分图像的边长，1、L、W的单位均为 像素；L」表示向下取整运算。6. 如权利要求1所述图像快速匹配方法，其特征在于，所述小波分解采用软件实现的B 样条小波滤波器。7. 如权利要求1所述图像快速匹配方法，其特征在于，所述小波分解采用硬件实现的 非规范的haar小波滤波器。8. 如权利要求1~7任一项所述图像快速匹配方法，其特征在于，源图像为遥感图像。【专利摘要】本专利技术公开了，属于数字图像处理
该方法包括以下步骤：步骤A、利用小波分解方法提取源图像的低频子图像，所述小波分解所使用的小波滤波器满足以下条件：其低通滤波器的系数之和为1；步骤B、利用SIFT特征图像匹配方法对所述低频子图像和目标图像进行粗匹配，得到源图像中的粗匹配点；步骤C、从源图像中选取粗匹配点最集中的部分图像；步骤D、利用SIFT特征图像匹配方法对所选取的部分图像和目标图像进行细匹配，得到最终的图像匹配结果。相比现有技术，本专利技术在保证匹配准确度的同时，大幅降低了计算量，提高了图像匹配的速度。【IPC分类】G06T7-00, G06K9-46【公开号】CN104751470【申请号】CN201510161296【专利技术人】祁友杰, 朱恩, 王建新, 胥陈彧, 彭金龙 【申请人】东南大学【公开日】2015年7月1日【申请日】2015年4月7日本文档来自技高网...
【技术保护点】
一种图像快速匹配方法，其特征在于，包括以下步骤：步骤A、利用小波分解方法提取源图像的低频子图像，所述小波分解所使用的小波滤波器满足以下条件：其低通滤波器的系数之和为1；步骤B、利用SIFT特征图像匹配方法对所述低频子图像和目标图像进行粗匹配，得到源图像中的粗匹配点；步骤C、从源图像中选取粗匹配点最集中的部分图像；步骤D、利用SIFT特征图像匹配方法对所选取的部分图像和目标图像进行细匹配，得到最终的图像匹配结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：祁友杰，朱恩，王建新，胥陈彧，彭金龙，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。