一种基于全局和局部特征描述的多模图像匹配方法组成比例

本发明专利技术公开了一种基于全局和局部特征描述的多模图像匹配方法，属于图像特征提取和匹配技术领域。本发明专利技术包括以下步骤：对于参考图像和待匹配图像，分别检测图像中的特征点，并确定特征点主方向；对于每一个特征点，分别构造PIIFD描述符和全局上下文特征描述符；对于每一对特征点，计算两种特征描述符的相似度，并进行加权融合，通过对比各对特征点的相似度进行初步匹配；对于初步匹配结果，提取特征点的局部上下文特征向量进行比对以消除其中的异常匹配点对，得到最终匹配结果。本发明专利技术能够有效克服多模图像局部灰度差异大，特征点描述和匹配困难的问题，提高多模图像特征点匹配的准确率。准确率。准确率。

【技术实现步骤摘要】
一种基于全局和局部特征描述的多模图像匹配方法


[0001]本专利技术属于图像特征提取和匹配
，具体涉及一种基于全局和局部特征描述的多模图像匹配方法。

技术介绍

[0002]多模图像匹配是图像特征提取和配准的重要研究内容，是指将不同成像设备在不同时间或不同视角等条件下获取的，关于同一场景的两幅或多幅图像进行对应的过程。由于多模态图像的成像机理不同，导致图像之间的对应区域灰度差异较大，难以提取稳定的特征描述符用于图像匹配，这一特点为多模图像的匹配任务带来了严峻的挑战。
[0003]多模图像匹配算法主要分为基于区域的匹配方法和基于特征的匹配方法。基于区域的匹配方法通过对图像局部区域的灰度进行相似度评价以预测两幅图像之间的对应关系，该类方法计算复杂，并且难以应对图像之间的旋转和尺度变化。
[0004]相比于基于区域的匹配方法，基于特征的匹配方法计算效率更高，对图像之间的旋转和尺度变化具有更好的鲁棒性，因而得到更加广泛的研究和应用。最具代表性的特征匹配算法是Lowe提出的SIFT算法(D.G.Lowe,Distinctive Ima本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，包括以下步骤：步骤1、分别提取参考图像和待匹配图像中的特征点，并确定特征点的主方向；步骤2、对于两幅图像中的每一个特征点，分别构造其PIIFD描述符和全局上下文特征描述符；步骤3、对于两幅图像中的每一对特征点，计算两种特征描述符的相似度，并进行加权融合，通过对比各对特征点的相似度进行初步匹配；步骤4、对于初步匹配结果，提取特征点的局部上下文特征向量进行比对，消除其中的异常匹配点对，得到最终匹配结果。2.根据权利要求1所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤1中，采用Harris检测算法进行图像特征点检测，采用平均平方梯度法进行特征点主方向计算。3.根据权利要求1或2所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤2中，计算PIIFD描述符和全局上下文特征描述符的具体过程如下：步骤2
‑
1、对于图像中任一特征点c
i
，选取该特征点周围41*41的矩形区域，并且以特征点主方向作为矩形区域方向进行PIIFD描述符的构造；步骤2
‑
2、计算全局上下文特征描述符：(1)对于特征点c
i
，选取图像中与其距离最近的m个特征点，记为{c1，c2，
…
，c
m
}，其中，m＝γM，M为图像中检测到的所有特征点的个数，参数γ范围为0.5～0.8；对于该特征点集合中的任一特征点c
j
，其相对于特征点c
i
的相对位置可表示为w
ij
＝(α
ij
，β
ij
)，其中α
ij
为向量与特征点c
i
主方向的夹角，β
ij
为特征点c
j
主方向和特征点c
i
主方向的夹角；(2)对于特征点集合{c1，c2，
…
，c
m
}中的每一个特征点，计算描述向量w
ij
(j＝1，2，
…
，m)，则特征点c
i
与其邻域内其它特征点的位置关系可表示为W
i
＝{w
i1
，w
i2
，
…
，w
im
}；(3)将α和β的取值范围(0，2π)均匀划分为8个角度区间，计算W
i
的直方图描述，如公式(1)，其中，为直方图中第k个元素值，bin(k)为第k个角度区间，K为直方图维数；直方图即为特征点c
i
的全局...

【专利技术属性】
技术研发人员：王正兵，聂建华，冯旭刚，吴玉秀，吴紫恒，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：