一种基于运动平滑性和RANSAC算法的特征匹配方法组成比例

本发明专利技术公开一种基于运动平滑性与RANSAC算法的特征匹配方法，其步骤包括：(1)读取两幅待匹配的图片，对其进行特征提取；(2)进行特征提取后，使用暴力匹配法进行初次匹配；(3)将两幅图片网格化，根据网格区域匹配的数目，找出最有可能代表相同区域的网格对；(4)根据运动平滑性，判断网格区域的正确匹配率，提取出误匹配率极低的网格区域；(5)对于提取出的网格区域内的特征点，运用RANSAC算法计算对应的单应矩阵；(6)通过计算得到的单应矩阵，对初次匹配的结果进行筛选，得到优质的匹配点。本发明专利技术的方法可以有效的提高匹配的召回率，改善匹配的实时性，减少匹配所花时间。

A feature matching method based on motion smoothness and RANSAC algorithm

【技术实现步骤摘要】
一种基于运动平滑性和RANSAC算法的特征匹配方法
：本专利技术涉及一种基于运动平滑性和RANSAC算法的特征匹配方法，属于图像处理技术，视觉导航

技术介绍
：目前，视觉传感器以其低成本和易用性被广泛应用于视觉导航、组合导航等场景中。图像匹配是视觉导航的基础技术，基于特征的图像匹配算法是目前图像匹配技术的主流，其主要思想是在两幅图像中找出特征点，对每一个特征点进行描述，通过比较每个特征点的相似程度来判断是否匹配。特征提取与匹配主要是指通过提取图像的特征，并根据特征对两幅图像进行匹配，得到两幅图像之间的关系。对于特征点之间的匹配，传统的方法是使用暴力匹配，但是由于图像纹理存在重复，且图像本身可能发生选择或缩放，容易出现较多的误匹配，匹配性能较差。如何区分误匹配和正确匹配是匹配算法的关键。目前比较传统的方法是使用暴力匹配进行粗匹配后，再使用随机抽样一致性算法(RandomSampleConsensus，RANSAC)进行匹配过滤，但是RANSAC算法只有一定概率可以得到可靠模型，当误匹配过多时，算法可能会失效，而且由于输入的数据过本文档来自技高网...

【技术保护点】
1.一种基于运动平滑性与RANSAC算法的特征匹配方法，其特征在于，该方法包含以下步骤：/n(1)读取两幅待匹配的图片，对其进行特征提取；/n(2)进行特征提取后，使用暴力匹配法进行初次匹配；/n(3)将两幅图片网格化，根据网格区域匹配的数目，找出最有可能代表相同区域的网格对；/n(4)根据运动平滑性筛选理论，判断网格区域的正确匹配率，提取出误匹配率极低的网格区域；/n(5)对于提取出的网格区域内的特征点，运用RANSAC算法计算对应的单应矩阵；/n(6)通过计算得到的单应矩阵，对初次匹配的结果进行筛选，得到优质的匹配点。/n

【技术特征摘要】
1.一种基于运动平滑性与RANSAC算法的特征匹配方法，其特征在于，该方法包含以下步骤：
(1)读取两幅待匹配的图片，对其进行特征提取；
(2)进行特征提取后，使用暴力匹配法进行初次匹配；
(3)将两幅图片网格化，根据网格区域匹配的数目，找出最有可能代表相同区域的网格对；
(4)根据运动平滑性筛选理论，判断网格区域的正确匹配率，提取出误匹配率极低的网格区域；
(5)对于提取出的网格区域内的特征点，运用RANSAC算法计算对应的单应矩阵；
(6)通过计算得到的单应矩阵，对初次匹配的结果进行筛选，得到优质的匹配点。


2.如权利要求1所述的基于运动平滑性与RANSAC算法的特征匹配方法，其特征在于，步骤(2)中，暴力匹配的方法如下：对于选定的特征点，计算其描述子与待匹配图像中所有特征点描述子的距离，将得到的距离进行排序，取距离最近的特征点进行匹配。


3.如权利要求1所述的基于运动平滑性与RANSAC算法的特征匹配方法，其特征在于步骤(3)的具体方法是，将两幅图像进行网格化，计算每一个网格与待匹配图像的网格内匹配数目的多少，将匹配数目最多的网格对视为最有可能代表相同场景的匹配网格。


4.如权利要求1所述的基于运动平滑性与RANSAC算法的特征匹配方法，其特征在于步骤(4)中，运动平滑性筛选理论如下：运动平滑性导致正确的匹配点附近的邻域中存在足够多的支持匹配，反之，若匹配错误，则邻域不存在，或者存在较少的支持匹配；
设两幅图像{A,B}，对两幅图像进行匹配，对应的匹配对数为N对，设为M＝{x1,x2,…,xi,…xN}，对于这N对匹配，通过分析每一个匹配附近的支持匹配数来估计其误匹配的概率，Mab代表区域{a,b}的匹配数，设Si为匹配xi的邻域支持匹配数，称为支持度，由于每个点匹配的概率独立，用二项分布函数来近似表示Si的分布情况：

【专利技术属性】
技术研发人员：程向红，李俊杰，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32