一种图像匹配方法、设备组成比例

本发明专利技术提供一种图像匹配方法、设备，所属方法包括：获取待匹配图像G1和G2中的各个低纹理密度子图像；获得各个低纹理密度子图像的特征描述符；分别获得G1和G2中两两相邻低纹理密度子图像共有的边及边的属性；基于G1中各个低纹理密度子图像的特征描述符和G1中边及边的属性获得G1的无向图；基于G2中各个低纹理密度子图像的特征描述符和G2中边及边的属性获得G2的无向图；基于G1的无向图和G2的无向图构造G1和G2的相似性矩阵；在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系。具有匹配稳定、准确率高的有益效果。

【技术实现步骤摘要】
一种图像匹配方法、设备
本专利技术涉及图像匹配领域，更具体地，涉及一种图像匹配方法、系统及设备。
技术介绍
随着科学技术的发展，图像匹配技术在近代信息处理领域中的应用范围越来越广泛。常用的匹配方法为基于点的图像匹配方法，但是基于点的图像匹配方法存在匹配稳定性差、准确率低、匹配速度慢，不太富有语义、对用户不友好等缺点。
技术实现思路
为了解决上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的图像匹配方法、系统及设备。根据本专利技术实施例的第一方面，提供了一种图像匹配方法，包括：获取待匹配图像G1和G2中的各个低纹理密度子图像，其中各个低纹理密度子图像为纹理密度低于其所属G1或G2中平均纹理密度n倍的区域，其中n≥0；获得各个低纹理密度子图像的特征描述符；分别获得G1和G2中两两相邻低纹理密度子图像共有的边及边的属性；基于G1中各个低纹理密度子图像的特征描述符和G1中边及边的属性获得G1的无向图；基于G2中各个低纹理密度子图像的特征描述符和G2中边及边的属性获得G2的无向图；基于G1的无向图和G2的无向图构造G1和G2的相似性矩阵；在G1和G2的相似性矩阵中搜寻相似性最大的本文档来自技高网...

【技术保护点】
1.一种图像匹配方法，其特征在于，包括：获取待匹配图像G1和G2中的各个低纹理密度子图像，其中各个低纹理密度子图像为纹理密度低于其所属G1或G2中平均纹理密度n倍的区域，其中n≥0；获得各个低纹理密度子图像的特征描述符；分别获得G1和G2中两两相邻低纹理密度子图像共有的边及边的属性；基于G1中各个低纹理密度子图像的特征描述符和G1中边及边的属性获得G1的无向图；基于G2中各个低纹理密度子图像的特征描述符和G2中边及边的属性获得G2的无向图；基于G1的无向图和G2的无向图构造G1和G2的相似性矩阵；在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系。

【技术特征摘要】
1.一种图像匹配方法，其特征在于，包括：获取待匹配图像G1和G2中的各个低纹理密度子图像，其中各个低纹理密度子图像为纹理密度低于其所属G1或G2中平均纹理密度n倍的区域，其中n≥0；获得各个低纹理密度子图像的特征描述符；分别获得G1和G2中两两相邻低纹理密度子图像共有的边及边的属性；基于G1中各个低纹理密度子图像的特征描述符和G1中边及边的属性获得G1的无向图；基于G2中各个低纹理密度子图像的特征描述符和G2中边及边的属性获得G2的无向图；基于G1的无向图和G2的无向图构造G1和G2的相似性矩阵；在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系。2.根据权利要求1所述的方法，其特征在于，所述获取待匹配图像G1和G2中的各个低纹理密度子图像，之后还包括：对各个低纹理密度子图像进行归一化处理；其中，所述归一化处理包括图像方向归一化处理、图像尺寸归一化处理和图像中梯度最大值归一化处理。3.根据权利要求2所述的方法，其特征在于，所述获得各个低纹理密度子图像的特征描述符，包括：将归一化后的各低纹理密度子图像等分成m*m个孙子图像，其中m＞1；获取各低纹理密度子图像的4m-4个孙子图像，将4m-4个孙子图像中每个孙子图像中每个像素的梯度大小按方向累加入u个主方向，u＞0；获得各低纹理密度子图像中4m-4个孙子图像的梯度直方图；按逆时针或顺时针方向，分别将各低纹理密度子图像中4m-4个孙子图像的梯度直方图进行拼接，获得各个低纹理密度子图像的特征描述符。4.根据权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：罗胜，
申请(专利权)人：温州大学激光与光电智能制造研究院，
类型：发明
国别省市：浙江,33