一种适合变形图像的稠密匹配方法组成比例

一种适合变形图像的稠密匹配方法，属于图像匹配技术领域，该方法包括步骤1：分别在左图像和右图像中人工提取匹配特征点对；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；本发明专利技术将多项式纠正和坐标对应关系保存机制用于变形图像的稠密匹配，可用于多种情况下的图像匹配，特别在图像发生较大变形的情况下也能获得较好的匹配效果，同时为多源图像的稠密匹配提供了新的解决思路，在纠正后的图像中采用相对视差约束搜索区域，缩小了匹配点的搜索范围，提高了匹配效率，增加了匹配结果的可靠性。

【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，并采用极线几何约束进行了误匹配的剔除；徐秋辉等在2015年提出了改进的DCCD和SIFT描述符的影像匹配方法，采用改进的DCCD快速检测影像上的关键点，然后确定关键点的主方向，生成特征点，采用SIFT描述符描述特征点，得到特征匹配结果后，通过BBF算法和随机采样一致性算法(RANSAC)进行特征点粗匹配和误匹配特征点剔除；张正鹏等在2015年提出了自适应运动结构特征的车载全景序列影像匹配方法，首先以采样点在空间域和光流域的局部空间结构定义自适应的带宽矩阵，采用局部光流特征向量的距离加权法，描述光流域上运动相似性结构特征的松弛扩散过程，然后给出自适应多变量核密度函数的表达形式，并给出了均值漂移向量的求解、终止条件以及种子点的选择方法，最后融合SIFT描述特征与运动结构特征，建立统一的全景影像匹配框架；肖雄武等在2015年提出了一种具有仿射不变性的倾斜影像快速匹配方法，首先通过估算影像的相机轴定向参数计算出初始仿射矩阵，通过逆仿射变换得到纠正影像，对纠正影像进行SIFT匹配，并通过多重约束提高匹配精度和可靠性；闫利等在2015年提出了分片纠正的球面全景影像匹配方法，先将等距形投影的全景影像按经纬度分成若干子影像块，对每个子块进行投影转换以得到畸变纠正后的影像，并对其做SIFT特征描述和提取，合并所有结果即可获得整幅全景影像的特征集，进而完成多幅全景影像间的特征匹配；赵宝玮等在2015年提出了视差约束的改进Hough变换多光谱影像匹配方法，该方法使用金字塔影像匹配策略，顶层金字塔影像通过尺度不变特征转换算子进行匹配来提供初始的视差约束条件，其他各层金字塔左右影像利用改进Hough变换影像方法进行匹配，匹配过程中利用上层匹配结果为当前层影像匹配提供视差约束条件，最终完成特征匹配。上述学者的研究结果虽然都取得了较好的匹配效果，但是通过特征匹配只能完成低精度的三维表面重建，即得到三维表面的框架，不能完成精度要求较高的三维重建，仍需要通过进一步的稠密匹配来完成。通用的稠密匹配方法通常是采用一定的匹配测度作为衡量两个像素点是否为匹配点的依据，如：绝对差和、差平方和、截断绝对差、归一化互相关、去均值归一化互相关等方法，该类方法对噪声敏感，只能对理想的图像完成稠密匹配，对于发生较大变形的图像，由于利用匹配窗口进行匹配测度计算时，原本为匹配点的像素发生了变形，导致匹配测度计算出现偏差，从而影响到最终的匹配结果。陈旺等在2009年提出了基于区域边界约束和图割优化的稠密匹配算法，该方法利用区域边界和边界像素间的约束构建能量函数，使得该函数既能求得全局最优解，又能使最终的重建表面较为平滑，最后采用计算机视觉领域中的经典图像获得了较好的稠密匹配结果，该方法在图像发生缩放时，其实现过程中基于窗口的区域匹配会出现偏差。葛亮等在2010年提出了一种改进的立体像对稠密匹配算法，该方法首先利用区域增长技术找到图像中的纹理单一区域，然后将整个区域作为匹配基元以得到纹理单一区域的稠密视差图，最后采用国际标准测试图像进行了实验，证明了方法的可行性与准确性，该方法重点处理了纹理单一区域、但当图像发生变形时，纹理单一的区域也会发生变形，导致算法的效率降低。李海滨等在2012年提出了基于候选点稠密匹配的三维场景重构方法，在空间中建立代表深度信息的网格节点，并对深度方向的节点分布进行合理规划，提高匹配的时效性，同时采用三目视觉系统代替双目，通过进行二次判决提高匹配的可靠性，该方法主要针对经典的双目立体图像进行处理，当外参数矩阵未知，且图像间发生相对旋转时，则无法完成图像的极线校正，从而不能完成后续稠密匹配。胡春海等在2013年提出了视差生长与张量相结合的多基线稠密匹配，利用SIFT算子进行初步的特征匹配，采用特征匹配结果作为稠密匹配的根点进行视差生长，并采用三视图进行匹配约束，提高稠密匹配精度，但是采用三视图作为稠密匹配的约束，当图像仅为两幅时，则无法完成算法提出的约束条件，从而影响到最终匹配结果的可靠性。张洁琳等在2014年提出了一种分层匹配方法，首先利用热核信号函数检测特征点，并采用局部融合策略和最远点采样法进行特征匹配结果的优化，在特征点集的基础上构造热核信号描述子，并利用熵将特征点按显著性排序作初始层匹配，再通过特征点各层邻域的局部匹配最终实现由粗到细的稠密匹配，该方法对于纹理重复的区域会造成拓扑关系混淆的问题。
技术实现思路
针对上述现有技术存在的不足，本专利技术提供一种适合变形图像的稠密匹配方法。本专利技术的技术方案如下：一种适合变形图像的稠密匹配方法，包括如下步骤：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，能够覆盖左图像和原始右图像的重叠区域；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 本文档来自技高网...

【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