图像匹配方法、装置和计算机设备制造方法及图纸

本申请涉及一种图像匹配方法、装置和计算机设备。该方法包括：获取投影二维匹配点集合以及原始二维匹配点集合；其中，投影二维匹配点集合根据待匹配的三维特征图像对应的三维匹配点集合进行降维处理得到；原始二维匹配点集合根据待匹配的二维特征图像得到；获取投影二维匹配点集合中的各个投影二维匹配点分别与原始二维匹配点集合的各个相似度，并将各个相似度进行叠加处理，得到目标相似度；对目标相似度进行梯度下降处理，在目标相似度满足第一预设条件的情况下，获取目标相对位姿参数；通过目标相对位姿参数，对三维特征图像和原始二维特征图像进行匹配。采用本方法能够提高图像匹配的准确性。像匹配的准确性。像匹配的准确性。

【技术实现步骤摘要】
图像匹配方法、装置和计算机设备


[0001]本申请涉及图像处理
，特别是涉及一种图像匹配方法、装置和计算机设备。

技术介绍

[0002]图像配准是将来自相同或不同成像方式的图像进行一定的变换处理，使它们之间的空间位置、空间坐标达到匹配。配准的结果是使两幅图像上的匹配点，至少是所有具有意义的点进行匹配。然而，由于不同设备的成像原理不同，成像的图像出现多种模态的图像，通常需要将多幅图像中的信息进行整合，以便对多幅图像的信息进行分析处理，多幅图像信息整合首要解决的就是图像的严格对齐，即图像配准问题。
[0003]现有的图像匹配技术，基于采样的算法如Powell(鲍威尔)算法或Nelder
‑
Mead(Downhill Simplex Method)算法进行图像匹配，然而，匹配过程中，存在匹配准确度低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高准确性的图像匹配方法、装置和计算机设备。
[0005]第一方面，本申请提供了一种图像匹配方法，该方法包括：
[0006]获取投影二维匹配点集合以及原始二维匹配点集合；其中，投影二维匹配点集合根据待匹配的三维特征图像对应的三维匹配点集合进行降维处理得到；原始二维匹配点集合根据待匹配的二维特征图像得到；
[0007]获取投影二维匹配点集合中的各个投影二维匹配点分别与原始二维匹配点集合的各个相似度，并将各个相似度进行叠加处理，得到目标相似度；
[0008]对目标相似度进行梯度下降处理，在目标相似度满足第一预设条件的情况下，获取目标相对位姿参数；
[0009]通过目标相对位姿参数，对三维特征图像和原始二维特征图像进行匹配。
[0010]在其中一个实施例中，获取投影二维匹配点集合中的各个投影二维匹配点分别与原始二维匹配点集合的各个相似度，包括：
[0011]获取投影二维匹配点集合中的各个投影二维匹配点，以及原始二维匹配点集合中的各个原始二维匹配点；
[0012]获取各个投影二维匹配点与各个原始二维匹配点的距离参数；
[0013]根据任一投影二维匹配点和各个原始二维匹配点的各个距离参数，得到任一投影二维匹配点与原始二维匹配点集合的相似度。
[0014]在其中一个实施例中，根据任一投影二维匹配点和各个原始二维匹配点的各个距离参数，得到任一投影二维匹配点与原始二维匹配点集合的相似度，包括：
[0015]获取预设的超参数；
[0016]根据各个距离参数分别与预设的超参数的比值，得到任一投影二维匹配点与各个原始二维匹配点的各个匹配点相似度；
[0017]根据各个匹配点相似度的和，得到任一投影二维匹配点与原始二维匹配点集合的相似度。
[0018]在其中一个实施例中，对目标相似度进行梯度下降处理，包括：
[0019]利用高斯核函数表征匹配点相似度；
[0020]利用高斯核函数，对目标相似度进行梯度下降处理。
[0021]在其中一个实施例中，利用高斯核函数，对目标相似度进行梯度下降处理，包括：
[0022]将高斯核函数中的指数函数作为分子，并将已知二范数作为分母，得到迭代权重参数；已知二范数根据投影二维匹配点、原始二维匹配点和预设的相对位姿参数得到；
[0023]获取未知二范数，将迭代权重参数乘以未知二范数，得到梯度下降函数；
[0024]根据梯度下降函数，对目标相似度进行二阶梯度下降处理。
[0025]在其中一个实施例中，在获取目标相对位姿参数，包括：
[0026]在梯度下降函数满足第二预设条件的情况下，获取目标相对位姿参数。
[0027]在其中一个实施例中，根据梯度下降函数，对目标相似度进行二阶梯度下降处理，包括：
[0028]根据梯度下降函数，在特殊欧式群对目标相似度进行二阶梯度下降处理；
[0029]在其中一个实施例中，获取目标相对位姿参数，包括：
[0030]在特殊欧式群，获取目标相对位姿矩阵，并将目标相对位姿矩阵作为目标相对位姿参数。
[0031]第二方面，本申请还提供了一种图像匹配装置，装置包括：
[0032]匹配点获取模块，用于投影二维匹配点集合以及原始二维匹配点集合；其中，投影二维匹配点集合根据待匹配的三维特征图像对应的三维匹配点集合进行降维处理得到；原始二维匹配点集合根据待匹配的二维特征图像得到；
[0033]相似度获取模块，用于获取投影二维匹配点集合中的各个投影二维匹配点分别与原始二维匹配点集合的各个相似度，并将各个相似度进行叠加处理，得到目标相似度；
[0034]目标位姿获取模块，用于对目标相似度进行梯度下降处理，在目标相似度满足第一预设条件的情况下，获取目标相对位姿参数；
[0035]匹配模块，通过目标相对位姿参数，对三维特征图像和原始二维特征图像进行匹配。
[0036]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。
[0037]上述图像匹配方法、装置和计算机设备，获取投影二维匹配点集合以及原始二维匹配点集合；其中，投影二维匹配点集合根据待匹配的三维特征图像对应的三维匹配点集合进行降维处理得到；原始二维匹配点集合根据待匹配的二维特征图像得到；获取投影二维匹配点集合中的各个投影二维匹配点分别与原始二维匹配点集合的各个相似度，并将各个相似度进行叠加处理，得到目标相似度；对目标相似度进行梯度下降处理，在目标相似度满足第一预设条件的情况下，获取目标相对位姿参数；通过目标相对位姿参数，对三维特征图像和原始二维特征图像进行匹配。通过对投影二维匹配点集合中的各个投影二维匹配点
分别与原始二维匹配点集合进行匹配，得到目标相似度，并通过对目标相似度进行梯度下降处理，能够通过梯度下降处理获取目标相对位姿参数，以完成三维特征图像和原始二维特征图像的匹配，与传统的匹配方法相比，本申请通过各个投影二维匹配点与原始二维匹配点集合进行匹配，相当于各个匹配点与原始二维匹配点集合所形成的中心线进行匹配，而不是利用点与点之间的匹配得到相似度，从而可以提高目标相对位姿参数的准确性，进而提高图像匹配的准确性。
附图说明
[0038]图1为一个实施例中图像匹配方法的应用环境图；
[0039]图2为一个实施例中图像匹配方法的流程示意图；
[0040]图3为另一个实施例中图像匹配方法的流程示意图；
[0041]图4为又一个实施例中图像匹配方法的流程示意图；
[0042]图5为一个实施例中图像匹配装置的结构框图；
[0043]图6为一个实施例中计算机设备的内部结构图。
具体实施方式
[0044]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像匹配方法，其特征在于，所述方法包括：获取投影二维匹配点集合以及原始二维匹配点集合；其中，所述投影二维匹配点集合根据待匹配的三维特征图像对应的三维匹配点集合进行降维处理得到；所述原始二维匹配点集合根据待匹配的二维特征图像得到；获取所述投影二维匹配点集合中的各个投影二维匹配点分别与所述原始二维匹配点集合的各个相似度，并将所述各个相似度进行叠加处理，得到目标相似度；对所述目标相似度进行梯度下降处理，在所述目标相似度满足第一预设条件的情况下，获取目标相对位姿参数；通过所述目标相对位姿参数，对所述三维特征图像和所述原始二维特征图像进行匹配。2.根据权利要求1所述的方法，其特征在于，所述获取所述投影二维匹配点集合中的各个投影二维匹配点分别与所述原始二维匹配点集合的各个相似度，包括：获取所述投影二维匹配点集合中的各个投影二维匹配点，以及所述原始二维匹配点集合中的各个原始二维匹配点；获取所述各个投影二维匹配点与所述各个原始二维匹配点的距离参数；根据任一投影二维匹配点和所述各个原始二维匹配点的各个距离参数，得到所述任一投影二维匹配点与所述原始二维匹配点集合的相似度。3.根据权利要求2所述的方法，其特征在于，所述根据任一投影二维匹配点和所述各个原始二维匹配点的各个距离参数，得到所述任一投影二维匹配点与所述原始二维匹配点集合的相似度，包括：获取预设的超参数；根据所述各个距离参数分别与所述预设的超参数的比值，得到所述任一投影二维匹配点与所述各个原始二维匹配点的各个匹配点相似度；根据所述各个匹配点相似度的和，得到所述任一投影二维匹配点与所述原始二维匹配点集合的相似度。4.根据权利要求3所述的方法，其特征在于，所述对所述目标相似度进行梯度下降处理，包括：利用高斯核函数表征所述匹配点相似度；利用所述高斯核函数，对所述目标相似度进行梯度下降处理。5.根据权利要求4所述的方法，其特征在于，所述利用所述高斯核函数，对所...

【专利技术属性】
技术研发人员：宋经纬，
申请(专利权)人：北京联影智能影像技术研究院，
类型：发明
国别省市：