基于结构偏移特征的异常匹配识别方法技术

本发明专利技术公开了一种应用结构偏移特征进行误匹配剔除的方法，属于计算机视觉技术领域，首先，利用特征匹配算法获得两幅图像之间的初始匹配集；其次，给每个匹配选择邻居匹配，为降低传统k近邻包含错误匹配的概率，给每一个关键点提取局部变换矩阵，并据此筛选每对初始匹配的有效邻居；最后，计算有效邻居匹配相对于中心匹配在两幅图像上的位次之差，所得的向量称之为结构偏移特征。本发明专利技术所提特征简单直观，可以在多种典型分类器上进行训练和测试，经实验证明所提方法可以有效的剔除错误匹配。

【技术实现步骤摘要】
基于结构偏移特征的异常匹配识别方法
本专利技术属于计算机视觉
，更具体地，涉及一种基于结构偏移特征的异常匹配识别方法。
技术介绍
图像特征匹配是一种用来关联空间上同一三维点在不同图像上的位置的技术。这种技术通常被应用在运动恢复结构、同步定位与地图构建(SimultaneousLocalizationAndMapping，SLAM)、全景拼接和立体匹配等应用中，是计算机视觉领域许多应用方向的基础技术。现有的图像特征匹配技术一般分为两步：首先提取图像上的关键点并对关键点进行描述，获得关键点的特征描述符；然后度量描述符之间的相似性(一般度量描述符之间的欧氏距离)，相似性高的关键点则为一对匹配点。虽然许多已有的方法都得到了不错的结果，但图像特征匹配仍然是一个具有挑战性的难题：一方面，现有的技术主要对关键点的局部信息进行描述，导致在具有重复结构的场景中，依靠局部信息描述符判定关键点匹配时会出现歧义性甚至错误；另一方面，图像本身存在的旋转、光照变化、视点变化、遮挡等挑战也会导致错误匹配的产生。这些错误匹配的引入会进而影响到后续应用的效果。因此本文档来自技高网...

【技术保护点】
1.一种基于结构偏移特征的异常匹配识别方法，其特征在于，包括：/n(1)对训练图像集中的图像对分别提取关键点并获得初始匹配集c，同时计算每个关键点对应的局部变换矩阵A；/n(2)对单一图像对获得的初始匹配集c，计算每一匹配的几何特征标识矩阵，每一匹配能够得到以左图为参考的局部几何特征标识矩阵H

【技术特征摘要】
1.一种基于结构偏移特征的异常匹配识别方法，其特征在于，包括：
(1)对训练图像集中的图像对分别提取关键点并获得初始匹配集c，同时计算每个关键点对应的局部变换矩阵A；
(2)对单一图像对获得的初始匹配集c，计算每一匹配的几何特征标识矩阵，每一匹配能够得到以左图为参考的局部几何特征标识矩阵Hl与以右图为参考的局部几何特征标识矩阵Hr，并使用几何特征标识矩阵计算匹配之间的相似性值S，计算相似性值时分别计算以左图为参考的相似性值Sl与以右图为参考的相似性值Sr；
(3)确定邻域范围k，对每一个中心匹配，选择相似性值Sl最大的k个匹配生成以左图为参考的有效邻居序列{Nlt}t＝1,2,...k，选择相似性值Sr最大的k个匹配生成以右图为参考的有效邻居序列{Nrt}t＝1,2,...k，分别计算以左图为参考的有效邻居序列和以右图为参考的有效邻居序列相对于中心匹配的距离排序的偏移量，生成匹配的左图特征fl和右图特征fr，将匹配的左图特征与右图特征进行拼接，获得匹配的最终特征[fl,fr]；
(4)将训练图像集中所有匹配的结构偏移特征组合为训练样本，人工标注训练样本特征的标签并对特征进行预处理后作为分类器的输入，对分类器进行训练，获得特征处理参数以及最终的分类器，以便通过训练好的分类器进行异常识别。


2.根据权利要求1所述的异常匹配识别方法，其特征在于，步骤(1)包括：
(1.1)对训练图像集中的任一对图像对进行关键点检测，获得左图的M个关键点及右图的N个关键点；
(1.2)进行初始匹配，获得n对匹配对，对应左图关键点{ki}i＝1,2,...n及对应局部变换矩阵{Ai}i＝1,2,...n，同时获得右图关键点{k′i}i＝1,2,...n及对应局部变换矩阵{A′i}i＝1,2,...n，此时匹配关系为{ci＝(ki,k′i)}i＝1,2,...n。


3.根据权利要求2所述的异常匹配识别方法，其特征在于，步骤(2)包括：
(2.1)对每一个匹配两端的关键点，对左图中的关键点，获得以左图为参考的局部结构矩阵T，对右图中的关键点，获得以右图为参考的局部结构矩阵T'；
(2.2)根据以左图为参考的局部结构矩阵T计算以左图为参考的局部几何特征标识矩阵Hl，根据以右图为参考的局部结构矩阵T'计算以右图为参考的局部几何特征标识矩阵Hr；
(2.3)基于以左图为参考的局部几何特征标识矩阵Hl计算基于左图的相似性值Sl，基于以右图为参考的局部几何特征标识矩阵Hr计算基于右图的相似性值Sr。


4.根据权利要求3所述的异常匹配识别方法，其特征在于，其中，λ为映射参数，σ(·)的含义是计算内部所有元素的绝对值之和，ρ为将齐次坐标转为非齐次坐标的计算方法，下标i和j用于区分不同的对象，Hl＝{Hl1Hl2...Hln}，Hr＝{Hr1Hr2...Hrn}，Hli＝Ti'Ti-1，i＝1,2,...n，Hri＝TiTi'-1，i＝1,2,...n。


5.根据权利要求4所述的异常匹配识别方法，其特征在于，步骤(3)包括：
(3.1)对一个匹配ci＝{ki,k′i}，它基于左图的有效邻居序列{Nlt}t＝1,2,...k所表示的对应匹配为cti,t＝1,2,...k，分别有左图关键点kti,t＝1,2,....

【专利技术属性】
技术研发人员：孙琨，王力哲，刘娟，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42