图像匹配点对的检测方法技术

一种图像处理技术领域的图像匹配点对的检测方法，包括以下步骤：建立直角坐标系，得到图像中每个像素点的位置信息；对要匹配的查询图像和目标图像进行局部特征检测，分别得到查询图像和目标图像的特征点；对特征点进行初步匹配，得到查询图像和目标图像的匹配特征点对；得到满足弱几何约束关系的匹配特征点对；对满足弱几何约束关系的匹配特征点对进行强几何约束处理；得到每个目标图像与查询图像正确的匹配特征点对的数目，其中与查询图像正确的匹配特征点对的数目最多的目标图像就是查询图像的匹配图像。本发明专利技术对异常值的鲁棒性更好；能够为全局几何约束找到更适合的区域，运算简单，空间和时间复杂度低，且准确率高，时间成本低。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理
的方法，具体是一种。
技术介绍
在计算机视觉中，局部特征已经成功的解决了图像匹配、图像检索、立体视觉以及 物体识别等方面的问题。但是，在某些条件下匹配点对之间的异常值仍然占有很高的概率。 例如，已得到广泛应用的SIFT描述子对于非刚性变换图像的匹配是不稳定的；对于一些具 有很多相似结构的图像或者大规模的数据库搜索，模棱两可的状况就会发生。经对现有文献检索发现，H. Lin and D. W. Jacobs在2005年ICCV会议上发表的论 文“Deformation invariant image matching.，，( “变形图像的鲁棒匹配”)提出用 GIH 即 geodesic-intensity histogram(测强度直方图)作为一种新的描述子，这种描述子受图 像变形的影响较小。H Cheng, Z Liu, N Zheng and J Yang在2008年CVPR上发表的论文 "ADeformable Local Image Descriptors. ”(“一种变形的局部图像描述子”)中提出用 Local-to-Global相似性测量模型从多尺寸支持区域选择最合适的尺度，通常选择比某个 特征所处尺度大K倍以上的区域，这个区域可能因为太小只包含很少的几何一致性特征， 或者因为这个区域太大而包含了其他物体的特征。这两种描述子都仅仅解决了变形图像的 匹配问题，而有相似结构的图像的匹配问题没有得到实际的解决。又经检索发现，E.N. Mortensen, H. Deng, and L. Shapiro 在 2005 年 CVPR 发表的论 文“ASift Descriptor with Global Content. ”( “具有全局信息的 SIFT 描述子”)把更大 邻域的曲率形状信息加入到SIFT描述子中，使得SIFT描述子带有全局内容来增加局部特 征匹配的准确性，虽然这种方法带来了好的结果，但是描述子是128+60 = 188维的向量，空 间和时间复杂度比较大。Z Wu，Q Ke,M Isard and J Sun在2009年ICCV发表的“Bundling Features forLarge Scale Partial-Duplicate Web Image Search.，，("适用于大规模部 分重复的Web图像搜索的捆绑特征”)中提出把SIFT描述子绑定到MSER检测到的区域中。 但是随着鲁棒性的增加，描述子的显著性就会降低。经检索还发现，RANSC和PROSAC通过对两幅图像的点对中取样得到几何一致性模 型，然后估算这个模型的一些参数。但是由于非刚性变化和有重复结构的图像匹配有太多 的异常值，所以RANSC和PROSAC的效果不好。0. Chum and J. Matas在2005年CVPR发表 的"Matching with PROSAC-Progressive Sample Consensus. ”( “递增取样一致的匹配，，) 提出用哈希关键字来进行匹配，其中哈希关键字是把局部描述子和半局部几何信息结合起 来的，但是该算法已经被证实实时性能重要的情况下是不适用的。H. Deng,E. N. Mortensen, L. Shapiro, and Τ· G. Dietterich 在 2006 年 CVPR 发表的"Reinforcement matching using regioncontext. ”( “用区域内容增强匹配”)提出了一种把仿射不变的特征检测子和SIFT 特征检测子整合在一起得到区域内容匹配方法来提高匹配的准确率，这是一种在仿射不变 的对数极坐标椭圆柱中使用一种增强的匹配机制，但是仿射不变特征检测子的迭代过程增加了大量额外的时间成本。
技术实现思路
本专利技术的目的在于克服现有方法中存在的不足和缺陷，提供了一种图像匹配点对 的检测方法。本专利技术先根据图像的候选匹配点对建立弱几何约束，然后基于点对之间的弱 几何约束之间的关系，通过找最大团的方法找出其中一致性最强的关系，从而得到强几何 约束关系。这样建立的强几何约束关系是更加稳定和准确的，大大提高了非刚性变化和多 对对图像匹配的正确率。 本专利技术是通过以下技术方案实现的，包括以下步骤第一步，分别以要匹配的查询图像和目标图像左上角的像素点为原点，以横向向 右的方向为X轴正方向，以纵向向下的方向为y轴正方向建立直角坐标系，得到图像中每个 像素点的位置信息。第二步，对要匹配的查询图像和目标图像进行局部特征检测，分别得到查询图像 和目标图像的特征点，进而得到每个特征点的位置信息、角度信息和尺度信息。所述的局部特征检测是SIFT (Scale Invariant Feature Transform即尺度不变 特征变换)方法，或者是PCA (Principal Component Analysis，主成分分析)方法，或者是 GLOH(Gradient Location of Histogram，梯度位置直方图)方法。第三步，采用最近邻查找方法对第二步得到的查询图像和目标图像的特征点进行 初步匹配，得到查询图像和目标图像的匹配特征点对。第四步，对得到的特征点对进行弱几何约束处理，得到满足弱几何约束关系的匹 配特征点对。所述的弱几何约束处理，是当查询图像中的特征点Xl和x2分别和目标图像中的 特征点yl和12是匹配特征点对时，且当特征点xl、x2、yl和y2满足下面的关系，则特征点 xl、x2、yl和y2就是满足弱几何约束关系的匹配特征点对<formula>formula see original document page 5</formula>其中吨是特征点xl和x2之间的距离，d2是特征点yl和y2之间的距离，rxl是 xl的尺度，rx2是x2的尺度，ryl是yl的尺度，ry2是y2的尺度，α工是X1的角度，α 2是x2 的角度，β工是yl的角度，β 2是y2的角度。第五步，对满足弱几何约束关系的匹配特征点对进行强几何约束处理，其中满足 强几何约束关系的匹配特征点对就是查询图像和目标图像正确的匹配特征点对。所述的强几何约束处理，包括以下步骤1)将图像中满足弱几何约束关系的特征点进行直线连接，得到匹配点对的几何点 对图；2)在匹配点对的几何点对图中，采用找最大团的方法找到一个封闭多边形，当封 闭多边形的顶点小于20时，则这些顶点所对应的特征点就是满足强几何约束关系的匹配 特征点对；3)在几何点对图中将2)得到的满足强几何约束关系的匹配特征点对去除，从而 得到新的几何点对图，在新的几何点对图中采用步骤2)得到满足强几何约束关系的匹配 特征点对；4)循环执行3)，直至得到所有满足强几何约束关系的特征点对。第六步，得到每个目标图像与查询图像正确的匹配特征点对的数目，其中与查询 图像正确的匹配特征点对的数目最多的目标图像就是查询图像的匹配图像。本专利技术的工作原理是充分利用最大团的优势提出一种全局优化匹配方法。对于 有重复结构的物体，该物体的一部分是彼此相似的。但是只有整个物体包含特征点的最大 数量，因此，最大团能够描述整个物体的可能性最大。对于非刚性变化的对象，局部特征和 本文档来自技高网...

【技术保护点】
一种图像匹配点对的检测方法，其特征在于，包括以下步骤：第一步，分别以要匹配的查询图像和目标图像左上角的像素点为原点，以横向向右的方向为ｘ轴正方向，以纵向向下的方向为ｙ轴正方向，建立直角坐标系，得到图像中每个像素点的位置信息；第二步，对要匹配的查询图像和目标图像进行局部特征检测，分别得到查询图像和目标图像的特征点，进而得到每个特征点的位置信息、角度信息和尺度信息；第三步，采用最近邻查找方法对第二步得到的查询图像和目标图像的特征点进行初步匹配，得到查询图像和目标图像的匹配特征点对；第四步，对得到的特征点对进行弱几何约束处理，得到满足弱几何约束关系的匹配特征点对；第五步，对满足弱几何约束关系的匹配特征点对进行强几何约束处理，其中满足强几何约束关系的匹配特征点对就是查询图像和目标图像正确的匹配特征点对；第六步，得到每个目标图像与查询图像正确的匹配特征点对的数目，其中与查询图像正确的匹配特征点对的数目最多的目标图像就是查询图像的匹配图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈凯，郑琪，周异，谷丛丛，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]