一种图像快速匹配方法组成比例

本发明专利技术提供一种图像快速匹配方法，涉及图像匹配领域。该图像快速匹配方法，包括：采集两个物体的图像；分别对两个所述物体的图像进行初步处理得到特征点；对得到的所述特征点进行描述，得到的两个描述子；计算出两个所述描述子的汉明距离；根据所述汉明距离，获取最近邻和次近邻距离比初次筛选匹配点；对得到的所述匹配点进行筛选，完成匹配。该方法能够有效的提高工业生产的效率，解决了视觉检测效率低、精度差以及抗干扰能力较弱的问题。精度差以及抗干扰能力较弱的问题。精度差以及抗干扰能力较弱的问题。

A fast image matching method

【技术实现步骤摘要】
一种图像快速匹配方法


[0001]本专利技术涉及图像匹配
，具体为一种图像快速匹配方法。

技术介绍

[0002]图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。
[0003]视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
[0004]视觉检测广泛的应用于工业生产中，在传统的生产过程中，以上问题大多是通过人眼观察来判断的，但人眼观察容易产生视觉疲劳，提高了产品的出错率。而大部分的视觉检测算法存在着效率低、精度差以及抗干扰能力较弱的问题。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种图像快速匹配方法，解决了视觉检测效率低、精度差以及抗干扰能力较弱的问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：一种图像快速匹配方法，包括：
[0009]采集两个物体的图像；
[0010]分别对两个所述物体的图像进行初步处理得到特征点；
[0011]对得到的所述特征点进行描述，得到的两个描述子；
[0012]计算出两个所述描述子的汉明距离；
[0013]根据所述汉明距离，获取最近邻和次近邻距离比初次筛选匹配点；
[0014]对得到的所述匹配点进行最终筛选，完成匹配。
[0015]优选的，两个所述物体的图像通过工业视觉系统采集。
[0016]优选的，两个所述物体的图像通过FAST算法进行初步处理，计算所述物体的图像对比度、设置自适应阈值来提取所述特征点。
[0017]优选的，所述FAST算法：从所述物体的图片中选取一个像素点P为圆心，半径为3像素的离散化的圆，圆的边界有16个像素，检测16点像素值与阈值之间的关系。
[0018]优选的，所述FAST算法中设置自适应阈值τ1，所述阈值τ1的确立：通过计算所述物体的图像对比度设置所述阈值τ1提取特征点。所述物体的图像对比度描述了所述物体的图像灰度反差的大小。
[0019]优选的，所述描述子通过使用BRIEF算法对检测出的特征点进行描述得到。
[0020]优选的，所述匹配点使用自适应最次近邻比阈值τ2来进行初次筛选。
[0021]优选的，所述阈值τ2的确立：先通过汉明距离公式计算出两个所述物体的图像的汉明距离，两个所述物体的图像的最次近邻距离通过KNN算法获取，设置初始阈值τ3＝0.8，计算出在阈值取0.8时，所述匹配点的个数K＜100，完成匹配；100≤K≤1000，则循环所述阈值τ3减0.01，直至所述匹配点的个数小于0.5
×
K，完成匹配；所述匹配点的个数K＞1000，循环所述阈值τ3减0.01，直至所述匹配点的个数K小于0.5
×
K且小于等于500，完成匹配，其中K表示匹配点的个数；
[0022]优选的，所述匹配点的最终筛选采用RANSAC算法；
[0023]优选的，所述筛选匹配点包括以下步骤：
[0024]步骤S1、匹配点的个数K＜100时，取所有匹配点作为样本数据；匹配点的个数K≥500时，选取最次近邻比为(0.8
‑
0.01
×
n)/2附近60％的匹配点作为样本数据，n表示循环次数；
[0025]步骤S2、从样本数据中，随机选取不共线的的4对匹配点，计算出最佳的单应性矩阵H；
[0026]步骤S3、计算选取的样本数据与矩阵模型之间的误差，若小于阈值τ4，则加入内点集，内点集匹配数目为i。使用求出的变换模型H对s对匹配点对进行映射匹配，计算映射后特征点与匹配特征点之间的欧氏距离，记录欧式距离小于阈值的特征点内点集匹配数目为i。
[0027]步骤S4、当前内点集匹配点数码大于当前最优的数目，则将当前的矩阵模型设为最佳矩阵。
[0028]步骤S5、重复所述步骤S2至所述步骤S5，直至最佳矩阵匹配点数不再变化，则认为最终矩阵，此时i为最佳匹配对。
[0029](三)有益效果
[0030]专利技术一种图像快速匹配方法，从而有效的解决了视觉检测算法存在着效率低、精度差以及抗干扰能力较弱的问题。
附图说明
[0031]图1为本专利技术图像快速匹配方法的流程图；
[0032]图2为本专利技术改进的RANSAC算法流程。
具体实施方式
[0033]下面将结合本专利技术的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]实施例一
[0035]如图1所示，本专利技术实施例提供一种图像快速匹配方法，包括以下步骤：
[0036]步骤S1：采集两个物体的图像；
[0037]步骤S2：采用改进的FAST算法进行初步处理两个物体图像，得到特征点，分别从两个图像中选取一个像素点P为圆心，半径为3像素的离散化的 Bresenhan圆，圆的边界有12个像素，检测原则是连续9个像素点都有 |I
p
‑
I
m
|＞τ1，则认为该像素点为特征点；自适应阈值τ1的确立：通过计算图像对比度设置自适应阈值提取特征点。图像对比度描述了图像灰度反差的大小，即图像中各点的灰度值与平均灰度值的差异大小。因此，在图像特征点提取过程中，建立自适应阈值与图像对比度的对应关系，过程中，建立自适应阈值与图像对比度的对应关系，α为比例系数，其范围为0～1；图像像素宽W；图像像素高h；I(x,y)为对应图像点(x,y)位置的像素值；σ
w
×
h
为所选区域的像素平均值。通过改进的FAST算法，提高了特征点获取的速度。
[0038]步骤S3：对得到的特征点进行描述；
[0039]步骤S4：根据步骤S3得到的两个描述子，计算出两个描述子的汉明距离；
[0040]步骤S5：根据步骤S4得到的汉明距离，获取最近邻和次近邻距离比初次筛选匹配点；
[0041]步骤S6：对根据步骤S5得到的匹配点进行筛选，完成匹配。
[0042]进一步的，设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像快速匹配方法，其特征在于，包括：采集两个物体的图像；分别对两个所述物体的图像进行初步处理得到特征点；对得到的所述特征点进行描述，得到的两个描述子；计算出两个所述描述子的汉明距离；根据所述汉明距离，初次筛选匹配点；对得到的所述匹配点进行最终筛选，完成匹配。2.根据权利要求1所述的一种图像快速匹配方法，其特征在于：两个所述物体的图像通过工业视觉系统采集。3.根据权利要求1所述的一种图像快速匹配方法，其特征在于：两个所述物体的图像通过FAST算法进行初步处理，计算所述物体的图像对比度、设置自适应阈值来提取所述特征点。4.根据权利要求3所述的一种图像快速匹配方法，其特征在于：所述FAST算法：从所述物体的图片中选取一个像素点P为圆心，半径为3像素的离散化的圆，圆的边界有16个像素，检测16点像素值与阈值之间的关系。5.根据权利要求3所述的一种图像快速匹配方法，其特征在于：所述FAST算法中设置自适应阈值τ1，所述阈值τ1的确立：通过计算所述物体的图像对比度设置所述阈值τ1提取特征点。所述物体的图像对比度描述了所述物体的图像灰度反差的大小。6.根据权利要求1所述的一种图像快速匹配方法，其特征在于：所述描述子通过使用BRIEF算法对检测出的特征点进行描述得到。7.根据权利要求1所述的一种图像快速匹配方法，其特征在于：所述匹配点使用自适应最次近邻比阈值τ2来进行初次筛选。8.根据权利要求7所述的一种图像快速匹配方法，其特征在于：所述阈值τ2的确立：先通过汉明距离公式计算出两个所述物体的图像的汉明距离，两个所述物体的图像的最次近邻距离通过KNN算法获取，...

【专利技术属性】
技术研发人员：李致金，高伟，江凯强，刘忠洋，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：