一种运动结构相似性的低秩序列影像匹配点粗差检测方法技术

本发明专利技术提供了一种运动结构相似性的低秩序列影像匹配点粗差检测方法，包括对初始匹配点计算序列影像间匹配点运动结构相似度矩阵；进行低秩和稀疏分解建模。采用运动结构的几何一致性条件，实现了稳健的匹配点(稀疏或密集)粗差检测，成果既可应用到常规的灰度匹配中，也可以应用于特征跟踪匹配中，并支持多视匹配结果的粗差检测。本发明专利技术的方法以运动结构相似性为正确匹配约束条件，构建序列影像匹配点的低秩和稀疏优化模型，完成错误匹配点的检测。本发明专利技术方法的处理过程没有近似，并且可在多视影像特征点匹配之后或匹配点跟踪过程中使用，可有效提高正确匹配率。

A Gross Error Detection Method for Low Order Sequence Image Matching Points with Similarity of Motion Structure

The invention provides a gross error detection method for matching points of low order sequence images with similarity of motion structure, including calculating the similarity matrix of motion structure of matching points between sequence images for initial matching points, and modeling by low rank sum sparse decomposition. Robust gross error detection of matching points (sparse or dense) is realized by using geometric consistency condition of motion structure. The results can be applied not only to conventional gray level matching, but also to feature tracking matching, and support gross error detection of multi-view matching results. The method of the present invention takes the similarity of motion structure as the constraint condition of correct matching, constructs a low rank and sparse optimization model of matching points of sequence images, and completes the detection of mismatching points. The processing process of the method has no approximation, and can be used after matching feature points of multi-view images or in matching point tracking process, thus effectively improving the correct matching rate.

【技术实现步骤摘要】
一种运动结构相似性的低秩序列影像匹配点粗差检测方法
本专利技术涉及影像匹配的
，尤其涉及一种运动结构相似性的低秩序列影像匹配点粗差检测方法。
技术介绍
运动结构相似性的低秩序列影像匹配点粗差检测方法，能自动检测出视频或序列影像中的错误匹配点，可应用于地面、航空、航天视频序列影像的匹配、目标跟踪等领域中，作为双视或多视错误匹配点的检测方法。目前基于序列影像的匹配方法主要有基于像方的灰度相关和光流跟踪法、但受光照、尺度变化、深度不连续、运动物体边界变化以及重复纹理等影响，序列影像间往往不满足灰度不变性和亮度守恒性，因此影像匹配后仍存在大量的错误匹配点。相应的，基于几何约束的匹配点粗差检测方法被陆续提出，具体可分为全局法和局部法两大类。基于几何约束的全局法，认为序列影像间满足全局几何一致性，如对极几何、投影几何等，通过在像方和物方构建全局几何一致性模型实现匹配点的粗差检测。在此基础上，TorrPHS等人提出了采用MLESAC随机一致性采样方法估计影像间对极几何检测匹配点粗差的方法，(参考：TorrPHS,ZissermanA.MLESAC:ANewRobustEstimatorwit本文档来自技高网...

【技术保护点】
1.一种运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，包括如下步骤：S1：将序列影像的n视m个初始匹配点按横纵坐标xy组成一个m×2n的坐标矩阵X，记第i个初始匹配点构成坐标矩阵的一个行向量为：(Xi1,Xi2,…,Xin)＝(xi1,yi1,xi2,yi2,…,xin,yin)；S2：对步骤S1所得结果X计算序列影像间匹配点运动结构相似度矩阵D；S3：对步骤S2所得结果D进行低秩和稀疏分解建模，得到优化模型f(A,E)，其中D＝A+E，A为满足运动结构相似性的低秩矩阵，E为错误匹配点的稀疏矩阵；S4：对步骤S3所得结果f(A,E)，表达为增广拉格朗日函数L(A,E,Y,μ)，其...

【技术特征摘要】
1.一种运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，包括如下步骤：S1：将序列影像的n视m个初始匹配点按横纵坐标xy组成一个m×2n的坐标矩阵X，记第i个初始匹配点构成坐标矩阵的一个行向量为：(Xi1,Xi2,…,Xin)＝(xi1,yi1,xi2,yi2,…,xin,yin)；S2：对步骤S1所得结果X计算序列影像间匹配点运动结构相似度矩阵D；S3：对步骤S2所得结果D进行低秩和稀疏分解建模，得到优化模型f(A,E)，其中D＝A+E，A为满足运动结构相似性的低秩矩阵，E为错误匹配点的稀疏矩阵；S4：对步骤S3所得结果f(A,E)，表达为增广拉格朗日函数L(A,E,Y,μ)，其中Y为拉格朗日乘子，μ为模型的惩罚参数，采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A和稀疏矩阵E；S5：对步骤S4所得结果E计算其列向量的奇异值得到奇异值向量ζ和其均值mean(ζ)；S6：对步骤S5所得结果ζ计算其标准差σζ；S7：对步骤S5所得结果ζ和步骤S6所得结果σζ，判断某列向量奇异值ζi与均值mean(ζ)之差是否大于k倍奇异值向量标准差σζ，即ζi-mean(ζ)>kσζ，如果是，则该列向量对应的匹配点为错误匹配点，如果否，则该列对应的匹配点为正确匹配点。2.根据权利要求1所述的运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，所述步骤S2中的运动结构相似度矩阵D中，其r行c列表达式为：其中，<Φr,Φc>＝tr(Φr...

【专利技术属性】
技术研发人员：张正鹏，卜丽静，张强，
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