【技术实现步骤摘要】
本专利技术属于图像匹配
,具体涉及一种适合变形图像的稠密匹配方法。
技术介绍
针对变形图像对之间的匹配,国内学者开展了较多的关于特征匹配的研究,杨恒等在2010年提出了一种新的局部不变特征检测和描述算法,首先在每一层尺度图像上提取Harris角点,然后在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度,最后为每个特征点计算主方向,并采用梯度的距离和方向直方图来描述局部特征,完成特征匹配;陈梦婷等在2012年提出了基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法,首先进行Harris角点提取,然后对得到的点进行SIFT描述,最后使用最近邻/次近邻比值法完成匹配;赵西安等在2012年提出了一种具有尺度与旋转不变性的立体影像自动匹配方法,首先基于方向小波变换构造三尺度特征点算子,进行两尺度匹配,保证其尺度不变性问题,其次构造特征点64维描述向量,解决影像匹配的旋转不变性,最终完成特征匹配;叶沅鑫等在2013年提出了一种结合SIFT和边缘信息的多源遥感影像匹配方法,首先在高斯差分尺度空间进行特征点检测,并采用相位一致性提取可靠的边缘信息,然后结合改进的SIFT和形状上下文对特征点进行描述,最后将欧氏距离作为相似性测度获取同名点,完成特征匹配;张正鹏等在2014年提出了光流特征聚类的车载全景序列影像匹配方法,采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域,利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配,并 ...
【技术保护点】
一种适合变形图像的稠密匹配方法,其特征在于:所述方法包括:步骤1:分别在左图像和右图像中人工提取匹配特征点对;所述左图像和右图像为相对变形的一对原始待匹配图像;所述匹配特征点对大于5对;所述匹配特征点对构成匹配特征点,能够覆盖左图像和右图像的重叠区域;步骤2:利用二次多项式纠正原始右图像的相对变形,得到纠正后的右图像;步骤3:对左图像和纠正后的右图像进行稠密匹配;步骤4:确定左图像中像素点在原始右图像中的匹配像素点的像素坐标。
【技术特征摘要】
1.一种适合变形图像的稠密匹配方法,其特征在于:所述方法包括:步骤1:分别在左图像和右图像中人工提取匹配特征点对;所述左图像和右图像为相对变形的一对原始待匹配图像;所述匹配特征点对大于5对;所述匹配特征点对构成匹配特征点,能够覆盖左图像和右图像的重叠区域;步骤2:利用二次多项式纠正原始右图像的相对变形,得到纠正后的右图像;步骤3:对左图像和纠正后的右图像进行稠密匹配;步骤4:确定左图像中像素点在原始右图像中的匹配像素点的像素坐标。2.根据权利要求1所述的适合变形图像的稠密匹配方法,其特征在于:所述步骤2包括:步骤2-1:将左图像中匹配特征点的像素坐标转换为像平面直角坐标,将原始右图像中所有像素点的像素坐标转换为像平面直角坐标;步骤2-2:将匹配特征点的像平面直角坐标代入式(1)所示的二次多项式,求解该二次多项式的系数; x ′ = a 0 + a 1 X ′ + a 2 Y ′ + a 3 X ′ 2 + a 4 X ′ Y ′ + a 5 Y ′ 2 y ′ = b 0 + b 1 X ′ + b 2 Y ′ + b 3 X ′ 2 + b 4 X ′ Y ′ + b 5 Y ′ 2 - - - ( 1 ) ]]>其中,(X',Y')为原始右图像中匹配特征点的像平面直角坐标;(x',y')为左图像中匹配特征点的像平面直角坐标,a0、a1、a2、a3、a4、a5、b0、b1、b2、b3、b4、b5为二次多项式系数;步骤2-3:对原始右图像中所有像素点进行如下操作,得到纠正后的右图像:首先,将原始右图像中像素坐标为(I,J)的像素点对应的像平面直角坐标(X,Y)代入式(2)所示的二次多项式,得到纠正后该像素点的像平面直角坐标(Xnew,Ynew),然后再将该像平面直角坐标(Xnew,Ynew)转换为像素坐标(Inew,Jnew); X ...
【专利技术属性】
技术研发人员:徐辛超,徐爱功,车丽娜,
申请(专利权)人:辽宁工程技术大学,
类型:发明
国别省市:辽宁;21
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。