一种基于SIFT特征的铁道检测图片匹配方法组成比例

本发明专利技术公开了一种基于SIFT特征的铁道检测图片的匹配方法，包括选择目标位置图片、待检测图片输入、SIFT特征检测与匹配、DTW最优路径规划和匹配图片输出等步骤。选择目标位置图片由人工标定需要检测的电线杆，待检测图片为具有冗余度的一组图片，SIFT特征检测与匹配得到冗余图片与目标位置图片可匹配特征点的数量，DTW最优路径规划得到全局最优的匹配结果，从匹配结果中得到一张匹配度最高的图片并将其输出用于道路检测。本发明专利技术可以不依赖于天气环境和拍摄角度，将上万张具有冗余性的图片压缩至几千至几百张用于检测，从而可以极大降低人工劳动强度，同时保证匹配的准确性。

An image matching method for railway detection based on SIFT feature

The invention discloses a matching method of railway detection image based on SIFT features, including the selection of the target location image, detecting image input, SIFT feature detection and matching, DTW optimal path planning and matching image output step. Select the target location of the picture by manual calibration poles need to detect the detecting image with a set of pictures of redundancy, SIFT feature detection and matching of redundant pictures and target location picture can match the number of feature points, DTW optimal path planning by matching results of the global optimum, get a best matching pictures from the matching result is output for road detection. The invention can not depend on the weather conditions and the shooting angle, will have tens of thousands of redundancy to hundreds to thousands of image compression for detection, thus greatly reducing the labor intensity, while ensuring the accuracy of matching.

【技术实现步骤摘要】

本专利技术涉及图像处理技术，尤其涉及一种基于SIFT特征的铁道检测图片匹配方法。
技术介绍
随着中国铁路技术的发展，对铁道的安全性提出了更高的要求。为此，相关部门在列车上安装了高帧率的摄像头，并对获得的图片进行人工检测，以发现铁道及其周边环境(如两侧的线杆)是否发生异常变化。然而，由于路程远、帧率高，每辆列车仅仅在两个站点之间获取的图片数量，就达到了几万甚至几十万。对于人工检测，无疑需要极高的劳动强度。而事实却是，由于图片之间较高的相似性和连续性，对于每根线杆，会有多张可供检测的冗余的图片，所以在这上万张图片中真正需要用来检测的，只有几千张甚至几百张。
技术实现思路
本专利技术的目的在于针对铁路检测图片的冗余问题，提供了一种基于SIFT特征的铁道检测图片匹配方法。为实现上述技术目的，本专利技术采用的技术方案如下：1、一种基于SIFT特征的铁道检测图片的匹配方法，该方法包括以下步骤：(1)选择目标位置图片：选择天气良好时两火车站点之间拍摄的一组图片，按照电线杆标号的顺序，依次从图片中选择出每一根电线杆的一张清晰图片，选择出的与电线杆数量相同的匹配图片集合设为匹配图片集Aim，匹配图片集Aim中的图片数量为M1。(2)待检测图片输入：火车运行时，在与步骤1相同两火车站点之间拍摄一组图片，设为待匹配图片集Match，待匹配图片集Match中的图片数量为M2。(3)SIFT特征检测与匹配：检测步骤1得到的匹配图片集Aim与步骤2得到的待匹配图片集Match中每张图片的SIFT特征，分别记为feature_A与feature_M；对feature_A(i)与feature_M(j)进行SIFT特征匹配，i，j分别为匹配图片集Aim和待匹配图片集Match中的图片对应的下标。将匹配的特征点数量记为Num(i，j)，构成矩阵Num。(4)DTW最优路径规划：对于矩阵Num，选择Num(1，1)起点，Num(M1，M2)为终点，利用DTW算法，寻找一条从Num(1，1)到Num(M1，M2)代价最高的路径ROAD，ROAD(i，j)＝1表示路线经过(i，j)点；ROAD(i，j)＝0，表示路线未经过；对于路径ROAD，若ROAD(i，j)＝1，则Match(j)与Aim(i)匹配；一张图片Aim(i)对应于多张图片Match(j)，对于每一个i，找到使Num(i，j)最大时的j＝j_max。(5)匹配图片输出：对于每张图片Aim(i)，依次输出对应的Match(j_max)，构成一个新的数量为M1的匹配集合，并将此图片集合输出用于道路检测。本专利技术的有益效果是，本专利技术可以不依赖于天气环境和拍摄角度，将上万张具有冗余性的图片压缩至几千至几百张用于检测，从而可以极大降低人工劳动强度，同时保证匹配的准确性。附图说明图1是实施例中杭州至德清局部路段晴天匹配结果图；图2是实施例中杭州至德清局部路段雨天匹配结果图；图3是实施例中杭州至德清晴天1232号线杆目标位置图；图4是实施例中杭州至德清雨天1232号线杆5张匹配图片；图5是实施例中杭州至德清雨天1232号线杆最佳匹配图片。具体实施方式本专利技术基于SIFT特征的铁道检测图片的匹配方法，该方法包括以下步骤：(1)选择目标位置图片：选择天气良好时两火车站点之间拍摄的一组图片，按照电线杆标号的顺序，依次从图片中选择出每一根电线杆的一张清晰图片，选择出的与电线杆数量相同的匹配图片集合设为匹配图片集Aim，匹配图片集Aim中的图片数量为M1。(2)待检测图片输入：火车运行时，在与步骤1相同两火车站点之间拍摄一组图片，设为待匹配图片集Match，待匹配图片集Match中的图片数量为M2。(3)SIFT特征检测与匹配：检测步骤1得到的匹配图片集Aim与步骤2得到的待匹配图片集Match中每张图片的SIFT特征，分别记为feature_A与feature_M；对feature_A(i)与feature_M(j)进行SIFT特征匹配，i，j分别为匹配图片集Aim和待匹配图片集Match中的图片对应的下标。将匹配的特征点数量记为Num(i，j)，构成矩阵Num。(4)DTW最优路径规划：对于矩阵Num，选择Num(1，1)起点，Num(M1，M2)为终点，利用DTW算法，寻找一条从Num(1，1)到Num(M1，M2)代价最高的路径ROAD，ROAD(i，j)＝1表示路线经过(i，j)点；ROAD(i，j)＝0，表示路线未经过；对于路径ROAD，若ROAD(i，j)＝1，则Match(j)与Aim(i)匹配；一张图片Aim(i)对应于多张图片Match(j)，对于每一个i，找到使Num(i，j)最大时的j＝j_max。(5)匹配图片输出：对于每张图片Aim(i)，依次输出对应的Match(j_max)，构成一个新的数量为M1的匹配集合，并将此图片集合输出用于道路检测。实施例在杭州至德清火车站之间，按照本专利技术的方法进行铁道检测图片匹配。如图1所示，为在天气晴朗的条件下，将992张待匹配图片(即Match)匹配至50张目标位置图片(即Aim)的匹配结果ROAD。可以看到，对于这50张图片，每张图片对应了多张待匹配图片。如图2所示，为在雨天的条件下，将725张待匹配图片(即Match)匹配至50张目标位置图片(即Aim)的匹配结果ROAD。可以看到，对于这50张图片，每张图片对应了多张待匹配图片。如图3所示，为这50张目标位置图片中第39张图片，线杆标号为‘1232’。如图4所示，为天气晴朗时，由图1的匹配结果ROAD，得到的待匹配图片中所有与第39张图片目标位置匹配的结果，共5张图片。如图5所示，为从图4的5张图片中中选择出的对应Num(i,j)最大的图片，即第4张。则以此图片作为最终与‘1232’电线杆相匹配的图片。实验证明，本专利技术可以不依赖于天气环境和拍摄角度，应用本专利技术的方法可以从待测图片中迅速匹配合适的图片用于人工检测，从而可以极大降低人工劳动强度，同时保证匹配的准确性。本文档来自技高网...

【技术保护点】
一种基于SIFT特征的铁道检测图片的匹配方法，其特征在于，该方法包括以下步骤：(1)选择目标位置图片：选择天气良好时两火车站点之间拍摄的一组图片，按照电线杆标号的顺序，依次从图片中选择出每一根电线杆的一张清晰图片，选择出的与电线杆数量相同的匹配图片集合设为匹配图片集Aim，匹配图片集Aim中的图片数量为M1。(2)待检测图片输入：火车运行时，在与步骤1相同两火车站点之间拍摄一组图片，设为待匹配图片集Match，待匹配图片集Match中的图片数量为M2。(3)SIFT特征检测与匹配：检测步骤1得到的匹配图片集Aim与步骤2得到的待匹配图片集Match中每张图片的SIFT特征，分别记为feature_A与feature_M；对feature_A(i)与feature_M(j)进行SIFT特征匹配，i，j分别为匹配图片集Aim和待匹配图片集Match中的图片对应的下标。将匹配的特征点数量记为Num(i，j)，构成矩阵Num。(4)DTW最优路径规划：对于矩阵Num，选择Num(1，1)起点，Num(M1，M2)为终点，利用DTW算法，寻找一条从Num(1，1)到Num(M1，M2)代价最高的路径ROAD，ROAD(i，j)＝1表示路线经过(i，j)点；ROAD(i，j)＝0，表示路线未经过；对于路径ROAD，若ROAD(i，j)＝1，则Match(j)与Aim(i)匹配；一张图片Aim(i)对应于多张图片Match(j)，对于每一个i，找到使Num(i，j)最大时的j＝j_max。(5)匹配图片输出：对于每张图片Aim(i)，依次输出对应的Match(j_max)，构成一个新的数量为M1的匹配集合，并将此图片集合输出用于道路检测。...

【技术特征摘要】
1.一种基于SIFT特征的铁道检测图片的匹配方法，其特征在于，该方法包括以下步骤：(1)选择目标位置图片：选择天气良好时两火车站点之间拍摄的一组图片，按照电线杆标号的顺序，依次从图片中选择出每一根电线杆的一张清晰图片，选择出的与电线杆数量相同的匹配图片集合设为匹配图片集Aim，匹配图片集Aim中的图片数量为M1。(2)待检测图片输入：火车运行时，在与步骤1相同两火车站点之间拍摄一组图片，设为待匹配图片集Match，待匹配图片集Match中的图片数量为M2。(3)SIFT特征检测与匹配：检测步骤1得到的匹配图片集Aim与步骤2得到的待匹配图片集Match中每张图片的SIFT特征，分别记为feature_A与feature_M；对feature_A(i)与feature_M(j)进行SIFT特征匹配，i，j分别为匹配图片...

【专利技术属性】
技术研发人员：马彦昭，胡浩基，王曰海，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33