一种快速及高精度的特征匹配错误消除方法技术

本发明专利技术公开一种快速及高精度的特征匹配错误消除方法，输入初始特征匹配点，提取特征匹配点坐标，计算正弦值和欧氏距离，对新坐标进行网格划分、统计网格中特征匹配点的数量并获得角度集合；通过自适应参数估计，计算出网格中特征匹配点数量的拐点，获得纠错阈值，将网格中特征匹配点数量小于阈值的特征匹配点剔除，从而获得精确的特征匹配点。本发明专利技术能够快速地消除初始特征匹配结果中的错误特征匹配点，提高图像匹配的精度，提升基于图像匹配的计算机视觉应用系统的性能，如基于图像的三维重建、图像拼接、图像检索、视觉定位与导航、虚拟现实和增强现实。虚拟现实和增强现实。虚拟现实和增强现实。

【技术实现步骤摘要】
一种快速及高精度的特征匹配错误消除方法


[0001]本专利技术涉及数字图像处理和计算视觉技术，具体涉及一种快速及高精度的特征匹配错误消除方法。

技术介绍

[0002]近年来，计算机视觉技术受到了国内外研究者的广泛关注，且取得了突飞猛进的发展。图像匹配（Image Matching）是计算机视觉领域中的热点研究问题之一，其目的是为了找出图像之间的正确特征匹配点。图像匹配技术在图像拼接、虚拟现实、增强现实、三维重建和图像检索等领域具有广泛的应用。经典的图像匹配方法的流程如下：（1）检测特征点；（2）计算描述子；（3）特征描述子匹配；（4）消除错误的特征匹配。
[0003]在实际应用场景中，受光照变化、摄像机旋转、尺度变化、重复结构和重复纹理等因素的影响，仅依赖特征描述子之间的相似性所得到的特征点匹配点通常包含大量错误。这些错误的特征匹配点会影响基于图像匹配技术的高层次计算机视觉应用系统的性能。例如，在基于图像的三维重建中，三维模型的完整性和精确度严重依赖于特征匹配的精度，如果特征匹配精度低，则会破坏三维模型与真实场景的几何一致性，甚至导致三维重建过程失败。因此，通常需要消除错误的特征匹配点，从而获得精确的特征匹配点，进而提升基于图像匹配技术的高层次计算机视觉应用系统的性能。此外，随着卫星图像、航拍图像等高分辨率图像的普及和应用，当处理这些高分辨率图像数据以及对实时性有较高要求的计算机视觉任务时，设计一种快速及高精度的特征匹配错误消除方法具有重要的理论和应用价值。
[0004]然而消除错误的特征匹配点是一项具有挑战性的任务。目前，常用的方法是利用几何约束（Geometry Constraint）来消除错误的特征匹配点，但是此类方法难以处理具有形变的图像匹配问题。此外，现有消除特征匹配错误方法的时间复杂度较高，难以适用于对实时性要求较高的计算机视觉系统中。
[0005]概括地说，现有消除特征匹配错误的方法主要存在以下问题：（1）现有消除特征匹配错误方法的时间效率太低，难以处理高分辨率的图像匹配问题。
[0006]（2）现有消除特征匹配错误方法的精度低，难以计算出高精度的特征匹配点，严重影响了基于图像匹配技术的高层次计算机视觉应用系统的性能。

技术实现思路

[0007]专利技术目的：本专利技术的目的在于解决现有技术中存在的不足，提供一种快速及高精度的特征匹配消除方法，剔除初始特征匹配结果中的错误特征匹配点，从而获得高精度的特征匹配点，使得一系列基于图像匹配技术的高层次计算机视觉应用变成可能。
[0008]技术方案：本专利技术的一种快速及高精度的特征匹配错误消除方法，包括以下步骤：S1、输入初始特征匹配点，得到初始特征匹配点集合；
其中，表示输入的初始查询特征点，表示输入的初始训练特征点，表示特征匹配点的数量，表示特征匹配点的序号；S2、根据初始特征匹配结果分别计算每对特征匹配点的坐标，得到特征匹配点集合；其中，表示查询特征点（Query Keypoints）的坐标，表示训练特征点（Training Keypoints）的坐标；S3、计算特征匹配点坐标集合中每个特征匹配点与轴之间的夹角的正弦值，以及特征匹配点连线的长度（也就是欧氏距离）之间的欧式距离，然后分别将所得正弦值和对应欧氏距离作为新坐标的轴数值和轴数值，从而获得新坐标集合；S4、对新坐标集合进行网格划分，将特征匹配点分布在不同的网格区域内，得到每个坐标点所在网格的索引号；其中，表示特征匹配点的序号；S5、计算每个网格中存在的特征匹配点索引，构造每个网格包含的特征匹配点索引集合；其中表示中第个特征匹配点所在网格存放的是第个特征匹配点的索引号；S6、计算角度集合将每个网格中包含的特征匹配点索引集合中每个网格中的特征匹配点数量按从大到小排列，排序结果记为，将中的数值以柱状图形式模拟，计算该柱状图中最大值高度和最小值高度依次与其它数值高度所形成的角度，得到角度集合；其中，表示的最大值，表示的最小值，表示以为顶点与和两点形成的角度，表示中含有网格的数量且，表示网格中特征匹配点数量排序结果的序号，表示序号为的网格中的特征匹配点数量；S7、自适应参数估计取角度集合中角度最小值的索引对应的网格中特征匹配点数量，作为每个网格中含有的特征匹配点数量的拐点，根据求得数据密度，经判断后得到网格中特征匹配点数量的阈值；其中，表示角度集合中角度最小值的网格序号；S8、对特征匹配点数量集合使用阈值来选择正确的特征匹配点，若网格中特征匹配点的数量小于，则删除该网格中所有特征匹配点，最终获得正确特征匹配点索引集合；。
[0009]进一步地，所述步骤S2中计算特征匹配点的坐标集合的具体步骤为：
S2.1、计算初始特征匹配结果中查询特征点在轴和轴的数值，记为；其中，表示取特征点在轴上的数值，表示取特征点在轴上的数值；S2.2、计算初始特征匹配结果中训练特征点在轴和轴的数值，记为；S2.3、将和合并为一个集合，从而获得特征匹配点的坐标集合；其中，表示查询特征点的坐标，表示训练特征点的坐标。
[0010]进一步地，所述步骤S3中获取新坐标集合的方法为：S3.1、将特征匹配点坐标集合中的每一对特征匹配点在轴上的差值集合定义为：其中，表示取特征点坐标在轴上的数值，为查询特征点的坐标，为训练特征点的坐标；S3.2、将特征匹配点坐标集合中的每一对特征匹配点在轴上的差值集合定义为：其中，表示取特征点坐标在轴上的数值，表示特征匹配点坐标集合中查询特征点的坐标在轴上的最大值；S3.3、计算特征匹配点坐标集合中的特征点坐标在图像上的欧氏距离：其中，表示特征匹配点在两幅图像中的轴差值集合，表示特征匹配点在两幅图像中的轴差值集合；S3.4、将原始坐标转化为新坐标，计算方法如下：其中，表示特征匹配点与轴之间夹角的正弦值，表示特征点坐标在两幅图像之间的欧氏距离。
[0011]进一步地，所述步骤S4中每个坐标点所在网格的索引的计算方法为：S4.1、计算出单个网格长度：其中，表示新坐标集合中坐标点在轴或轴上的最大值，表示一维网格数量；S4.2、将坐标点划分在网格点集中，得到每个坐标点所在网格的索引号：其中，表示新坐标集合中第个坐标点所在网格的行数，表示新坐标集
合中第个坐标点所在网格的列数。此处第个坐标点代是指第个特征匹配点中的特征点坐标信息。
[0012]进一步地，所述步骤S7网格中特征匹配点数量阈值的计算方法为：S7.1、取角度集合中角度最小值的索引作为，计算出网格中含有的特征匹配点数量所构成的拐点；S7.2、计算中前5个网格包含的特征匹配点数量之和与特征匹配点数量之间的比值，得到数据密度，并规定在拐点时，不需要考虑数据密度的影响，至此取值为：其中，表示每个网格中含有的特征匹配点数量构成的拐点，表示集合中角度最小值的索引号，表示数据密度，表示中前5个网格序号，。
[0013]有益效果：与现有技术相比，本专利技术具有以下优点：（1）本专利技术在计算特征匹配点的统计信息后，使正确特征匹配点和错误特征匹配点之间差异更明显，特征匹配结果的精度提高了80%，且时间效率提高了15倍。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速及高精度的特征匹配错误消除方法，其特征在于，包括以下步骤：S1、输入初始特征匹配点，得到初始特征匹配点集合 ；其中，表示输入的初始查询特征点，表示输入的初始训练特征点，表示特征匹配点的数量，表示特征匹配点的序号；S2、根据初始特征匹配点集合中初始特征匹配结果，来分别计算每对特征匹配点的坐标，得到特征匹配点坐标集合；其中，表示查询特征点的坐标，表示训练特征点的坐标；S3、计算特征匹配点坐标集合中每个特征匹配点与轴之间的夹角的正弦值，以及特征匹配点连线的长度，然后将所得正弦值和对应欧氏距离作为新坐标的轴数值和轴数值，从而获得新坐标集合；S4、对新坐标集合进行网格划分，将特征匹配点分布在不同的网格区域内，得到每个坐标点所在网格的索引号；S5、计算每个网格中存在的特征匹配点索引，构造每个网格包含的特征匹配点索引集合；其中，表示中第个特征匹配点所在网格存放的是第个特征匹配点的索引号；S6、计算角度集合先将每个网格中包含的特征匹配点索引集合中每个网格中的特征匹配点数量按从大到小排列，排序结果记为，将中的数值以柱状图形式模拟，然后计算该柱状图中最大值高度和最小值高度依次与其它数值高度所形成的角度，得到角度集合；其中，表示的最大值，表示的最小值，表示以为顶点与和两点形成的角度，表示中含有网格的数量且，表示网格中特征匹配点数量排序结果的序号，表示序号为的网格中的特征匹配点数量；S7、自适应参数估计取角度集合中角度最小值的索引对应的网格中特征匹配点数量，作为网格中含有的特征匹配点数量的拐点，根据求得数据密度，经判断后得到网格中特征匹配点数量的阈值；其中，表示角度集合中角度最小值的网格序号；S8、对特征匹配点数量集合使用阈值来选择正确的特征匹配点，若网格中特征匹配点的数量小于，则删除该网格中所有特征匹配点，最终获得正确特征匹配点索引集合； 。2.根据权利要求1所述的快速及高精度的特征匹配错误消除方法，其特征在于：所述步骤S2中计算特征匹配点的坐标集合的具体步骤为：
S2.1、计算初始特征匹配结果中查询特征点在轴和轴的数值，记为，表示...

【专利技术属性】
技术研发人员：曹明伟，闫奇，程宜风，吴家乐，江海燕，赵海峰，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：