一种基于局部敏感置信度评估的图像匹配方法组成比例

本发明专利技术公开了一种基于局部敏感置信度评估的图像匹配方法，包括了以下步骤：步骤1，局部特征提取与预匹配。步骤2，寻找邻居匹配对。步骤3，基于邻居匹配计算投票线并估计真实匹配点的位置。步骤4，定义匹配置信度并进行匹配置信度的评估。步骤5，迭代去除错误匹配与迭代回归正确匹配从而得到最终结果并呈现。有益的技术效果：本发明专利技术克服了现有的旨在估算输入图像之间的全局变换或通过全局优化达到匹配解决方案的方法中易出现异常值和容易受到干扰等问题，有效提高了图像匹配的匹配效率和准确性。

【技术实现步骤摘要】
一种基于局部敏感置信度评估的图像匹配方法
本专利技术属于图像处理、计算机视觉、多媒体信息
，具体涉及一种基于局部敏感置信度评估的图像匹配方法。
技术介绍
建立可靠的特征对应在计算机视觉的各种应用中扮演重要的地位，包括目标识别，常见的模式识别，图像检索和三维场景模型建设。给定一对图像，通常通过比较使用局部特征检测器和描述子提取的特征之间的距离来获得特征之间的初始对应关系，然后再从假定的初始匹配集中定位到正确的匹配。从最初的匹配集合中定位到真实的匹配对，现有的研究人员在这方面已经做了大量的努力。尽管如此，算法的发展仍然很难完美解决许多真实世界中的图片问题。正如观察的那样，这个挑战主要存在于三个方面。第一，假定的匹配集合中通常含有大量的错误匹配，并且如果图片经过遮挡和目标扭曲等，情况则会变得更糟。第二，一般输入的图片中的物体有可能会在局部区域内共享一致的变换，而不是全局视图，这限制了例如RANSAC等算法的应用。第三，为局部区域的变换进行编码，而将其应用于全局优化框架以进行正确匹配地识别，这通常会有大量的噪声。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有方法技术的本文档来自技高网...

【技术保护点】
1.一种基于局部敏感置信度评估的图像匹配方法，其特征在于：通过计算机将一对待匹配图像依次做如下处理：步骤1，局部特征提取与预匹配；局部特征，是指图像特征的局部表达，反映了图像上具有的局部特性；局部特征提取，是指使用计算机提取图像中属于局部特征性的信息的方法及过程；局部特征预匹配，是指对提取的局部图像特征进行初始的匹配，得到初始匹配对；步骤2，在步骤1得到的初始匹配对中寻找邻居匹配对；邻居匹配对，是指距离相近的相邻匹配对；步骤3，基于邻居匹配计算投票线并估计真实匹配点的位置；投票线，是指根据邻居匹配对中的匹配点计算出的一条用于测试该匹配对正确与否的一条直线；真实匹配点，是指根据局部几何一致性原理...

【技术特征摘要】
1.一种基于局部敏感置信度评估的图像匹配方法，其特征在于：通过计算机将一对待匹配图像依次做如下处理：步骤1，局部特征提取与预匹配；局部特征，是指图像特征的局部表达，反映了图像上具有的局部特性；局部特征提取，是指使用计算机提取图像中属于局部特征性的信息的方法及过程；局部特征预匹配，是指对提取的局部图像特征进行初始的匹配，得到初始匹配对；步骤2，在步骤1得到的初始匹配对中寻找邻居匹配对；邻居匹配对，是指距离相近的相邻匹配对；步骤3，基于邻居匹配计算投票线并估计真实匹配点的位置；投票线，是指根据邻居匹配对中的匹配点计算出的一条用于测试该匹配对正确与否的一条直线；真实匹配点，是指根据局部几何一致性原理，计算得到的匹配点的位置；步骤4，定义匹配置信度并对初始匹配对进行匹配置信度的评估，即计算每个初始匹配对的置信度；步骤5，对步骤1得到的初始匹配对迭代去除错误匹配与迭代回归正确匹配，从而得到最终结果并呈现。2.如权利要求1所述的一种基于局部敏感置信度评估的图像匹配方法，其特征在于：具体步骤依次为：步骤1，局部特征提取与预匹配：提取匹配图像对的局部特征区域及其特征描述子，通过比较描述子的欧氏距离，并基于描述的相似性即距离的大小建立局部特征的初始匹配集；步骤2，寻找邻居匹配对：在步骤1得到初始匹配集的基础上，寻找初始匹配集中每个匹配的邻居；步骤3，基于邻居匹配计算投票线并估计真实匹配点的位置：在步骤2得到每个匹配的邻居的基础上，利用匹配的邻居，根据局部几何一致性原理计算投票线，以投票线估计正确匹配点的位置；所述匹配点的位置即为估计的位置；局部几何一致性，是指图像对中的一些特征在局部共享一致的变换；步骤4，定义匹配置信度并进行匹配置信度的评估：在步骤3获得真实匹配点位置的基础上，根据我们在步骤3获得的估计的位置/以投票线估计获得的位置和实际位置的距离，定义匹配的置信度，进而对初始匹配对进行置信度评估的计算；其中实际位置指的是邻居匹配对中的关键点的位置；步骤5，迭代去除错误匹配与迭代回归正确匹配从而得到最终结果并呈现：在步骤4得到匹配集中匹配对的置信度的基础上，采用迭代的方式，交替执行低置信度匹配的删除和剩余匹配对置信度的重新评估，直到收敛：将现有的被保留的匹配作为其余匹配的邻居，仍以迭代的方式执行置信度的评估和高置信度匹配的回归直到收敛，最后得到正确的局部特征匹配；其中置信度范围的区间为[0,1]，并设定一个阈值，大于等于该阈值的为高置信度，小于高阈值的为低置信度。3.如权利要求1或2所述的一种基于局部敏感置信度评估的图像匹配方法，其特征在于：步骤1具体如下：步骤1.1，特征区域的提取：采用图像局部特征区域检测算子提取待匹配图像对的局部特征区域；所述局部特征区域具有尺度不变性；通过图像局部特征区域检测算子得到局部特征区域的几何形状为圆形，其几何参数包括坐标位置、半径、主梯度方向；步骤1.2，计算特征区域梯度主方向角：给定局部特征圆形区域Oi，其中心坐标为pi，半径为ri，则该区域内每个像素点的梯度大小g(x,y)和梯度方向计算方法如下：其中L(x,y)代表区域内坐标(x,y)点处的像素值，L(x+1,y)、L(x-1,y)、L(x,y+1)、L(x,y-1)分别代表区域内坐标为(x+1,y)、(x-1,y)、(x,y+1)、(x,y-1)点处的像素值；梯度方向的区间为[0,360)，此时，将[0,360)划分为36等分，并根据梯度角的值将梯度g(x,y)叠加到对应的区间中，进而生成梯度直方图，选取该直方图中点数最多的区间的梯度中值为主梯度方向θi；步骤1.3，提取特征向量：将局部区域内所有像素的梯度方向沿逆时针旋转θi，使得区域的主梯度方向为0；再分区域统计局部特征区域内像素的梯度直方图并进行直方图归一化操作，最后获得128维的梯度直方图向量，即区域的特征向量Di；步骤1.4，局部特征初始匹配：设pi代表第一幅图像中的一个特征区域，pj是另一幅图像中的某个特征区域，pj是pi的初始匹配点，当且仅当pi的特征向量Di与pj的特征向量Dj之间的距离d(Di,Dj)乘以一个阈值不大于特征向量D...

【专利技术属性】
技术研发人员：石周，陶硕，汪粼波，方贤勇，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34