本发明专利技术属于机器视觉与目标识别领域，具体为一种基于优化计算的特征点匹配方法。采用窗口区域方向变化量作为特征点的测度值，在模板图像和目标图像中分别检测特征点。通过设定特征阈值来控制特征点的数量。根据特征点的相对位置信息和灰度信息确定匹配准则能量函数。利用迟滞混沌神经网络对能量函数进行优化计算求得两幅图像中特征点的匹配结果。本发明专利技术可应用于目标识别系统中。
【技术实现步骤摘要】
本专利技术属于机器视觉与目标识别领域，涉及一种基于优化计算的特征点匹配方 法，特别涉及一种通过寻优所构造能量函数来实现图像特征点匹配的方法。
技术介绍
特征点匹配一直是机器视觉与目标识别领域的重要研究内容。在目标识别与跟 踪、监控安防等系统中有着重要的应用价值。基于灰度的匹配方法是常用的传统特征点匹 配方法，该方法以待匹配图像为模板，重叠放在参考图像上移动。在模板移动中，对模板与 不同位置的参考子图进行相似性计算，遍历整个图像后，把与参考子图相似性计算最优的 区域作为匹配位置，从而找到两幅图像中特征点的匹配关系。由于模板匹配本身抗干扰能 力不强，容易产生误匹配，从而容易导致特征点匹配失败。另外，还有采用基于Hopfield神经网络实现特征点匹配的方法。该类方法先确 定待匹配特征点的位置，然后利用相对位置信息构造能量函数，采用Hopfield神经网络实 现能量函数的优化计算，从而求得两幅图像中特征点之间的匹配关系。由于相对位置信息 对匹配结果不具有唯一性，而且Hopfield神经网络自身的寻优能力不强，容易陷入局部极 小，因此很容易造成误匹配。因此设计一种新型的特征点匹配方法具有重要的应用价值。
技术实现思路
本专利技术所要解决的技术问题是，设计，实现 对两幅图像中特征点的匹配与识别。本专利技术所采用的技术方案是，利用像素的 灰度梯度信息求得目标图像和模板图像中的特征点，根据两幅图像中特征点数量的多少确 定匹配能量函数。为提高匹配的准确率，能量函数中既包括特征点之间的相对位置信息，又 包括特征点自身的灰度信息。利用迟滞混沌神经网络实现能量函数的优化计算，从而求得 匹配结果。本专利技术的目的在于提出，所构造的能量函数 中增加了特征点灰度匹配信息，可提高特征点的匹配正确率。采用迟滞混沌神经网络实现 能量函数的优化计算，增强了算法的全局寻优能力，从而得到正确的特征点匹配结果。附图说明图1为特征点匹配结果。具体实施方式下面结合实施例和附图对本专利技术作进一步详细说明。目标图像和模板图像中用于匹配的点应尽可能地容易被识别和匹配，因此特征点应在图像中寻找具有很大变化的区域。在以某一点为中心的窗函数中，使用窗内所有像素 来计算其在不同方向上的变化量，是该点在不同方向上显著性的一个好测度，方向变化量 采用如下公式计算权利要求1.，其特征在于采用显著性好的测度方法在模板 图像和目标图像中检测出特征点，并构造特征点匹配准则能量函数，通过求解该能量函数 得到正确的特征点匹配结果。2.根据权利要求1所述的基于优化计算的特征点匹配方法，其特征在于，通过设定特 征点选择阈值可控制模板图像和目标图像中特征点的数量与关系。3.根据权利要求1所述的基于优化计算的特征点匹配方法，其特征在于，匹配准则能 量函数中的指标函数项包含特征点的相对位置匹配信息和灰度匹配信息两部分。4.根据权利要求1所述的基于优化计算的特征点匹配方法，其特征在于，在解矩阵MXN中其他元素都为ο的情况下，每行仅有一个ι的约束条件表示为5.根据权利要求1所述的基于优化计算的特征点匹配方法，其特征在于，采用迟滞混 沌神经网络对匹配准则能量函数进行优化求解。全文摘要本专利技术属于机器视觉与目标识别领域，具体为。采用窗口区域方向变化量作为特征点的测度值，在模板图像和目标图像中分别检测特征点。通过设定特征阈值来控制特征点的数量。根据特征点的相对位置信息和灰度信息确定匹配准则能量函数。利用迟滞混沌神经网络对能量函数进行优化计算求得两幅图像中特征点的匹配结果。本专利技术可应用于目标识别系统中。文档编号G06K9/00GK102034093SQ20101057368公开日2011年4月27日 申请日期2010年12月3日 优先权日2010年12月3日专利技术者修春波 申请人:天津工业大学本文档来自技高网...
【技术保护点】
一种基于优化计算的特征点匹配方法，其特征在于采用显著性好的测度方法在模板图像和目标图像中检测出特征点，并构造特征点匹配准则能量函数，通过求解该能量函数得到正确的特征点匹配结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：修春波，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：12[中国|天津]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。