一种图像特征点匹配模块的面向对象系统框架建立方法技术方案

本发明专利技术涉及一种图像特征点匹配模块的面向对象系统框架建立方法，利用软件开发过程的面向对象的思想，将多幅图像进行特征点提取，构建特征点描述子表达的特征点的数据结构，选择算法根据特征点描述子数据结构生成派生类，派生出包括特征点和特征点描述子信息的特征点实体类，建立特征点超空间划分的树状结构，搜索匹配以获得两幅图像甚至多幅图像间的匹配关系。为进一步基于多幅图像的三维重建算法提供数据支撑，为特征点匹配算法的研究提供系统框架。

【技术实现步骤摘要】

本专利技术涉及一种图像信息处理方法，特别涉及。
技术介绍
特征点检测与匹配是计算机视觉中的最基本的问题，它在众多视觉任务中，比如图像识别、图像理解和三维重构等等，都有重要应用，因为长期受到研究者的普遍关注，并且文献中已有大量的研究报道。图像的特征点通常是指图像中的角点、曲率较大的边缘点和块状结构点等。与图像边缘特征一样，特征点也是图像的最基本特征，是图像分析、图像理解和三维重构中的最基本要素。特征点检测一直是研究者普遍关注的问题，通过长期研究文献中已出现了大量的检测方法。常用的检测方法分为三类基于图像灰度的方法，基于图像梯度的方法，以及基于图像二阶微分的方法。图像特征点描述在文献中也有很多方法，目前最流行的是基于直方图的方法。例如SIFT描述、GLOH描述和DAISY描述都是创建梯度方向和位置方向的直方图；Spin Image描述子创建边缘点的位置直方图；Shape Contex描述是创建边缘点的位置直方图。在不同的特征描述方法中，利用的局部图像信息通常是不同的。例如，Spin Image利用灰度值的空间分布信息，SIFT和GLOH利用了方向梯度大小的空间分布信息。近年来，局部二元模式被用于特征描述，并且取得了与SIFT描述相当的效果。CS-LBP通过统计中心对称的局部对称的局部三元模式的直方图进行特征描述，CS-STP则通过统计中心对称的局部三元模式的直方图进行特征描述。可以说，众多的特征描述方法以及特征匹配方法各有优缺点，其经验公式和适应范围皆不相同，为了方便研究者对特征点描述算法和匹配方法进行比较性的研究，本专利技术提出了一种图像 特征点匹配模块的面向对象系统框架建立方法。
技术实现思路
本专利技术是针对现有图像特征点匹配算法存在可扩展性不足的问题，提出了，利用软件开发过程的面向对象的思想，将多幅图像进行特征点提取，建立特征点超空间划分的树状结构，搜索匹配以获得两幅图像甚至多幅图像间的匹配关系。本专利技术的技术方案为，包括如下步骤 O电脑采集η幅图像数据，在多幅图像上进行特征点提取； 2)构建特征点描述子表达的特征点的数据结构，数据结构包括构造特征点类型和构造特征点描述子基础类， 构造特征点类型特征点的位置信息和特征点坐标变换方法； 构造特征点描述子基础类CFeatureDescriptor a)特征点描述子表描述子表中存放的特征点特征的全部数据信息； b)特征点描述子的生成算法； c)特征点描述子匹配算法； d)特征点描述子匹配修正算法； e)特征点描述子的特征点或非特征点的扩散算法； f )特征点描述子搜索运算； 3)选择算法根据特征点描述子数据结构生成派生类，派生出包括特征点和特征点描述子信息的特征点实体类； 4)将采集的任意一幅图的特征点划分为树状空间，形成初始匹配集，选取其他图针对初始匹配集进行特征点扫描； 5)根据匹配关系函数对多幅图像匹配点进行匹配扫描，得到多幅图像间的匹配关系，即得到图像由匹配关系类建立的链表结构。所述步骤3 )中算法可选 Harris 算子类 CHarrisDescriptor、Harris-Affine 算子 CHarris_AffineDescriptor 类、Hessian-Affine 算子 CHessian_AffineDescriptor 类、 SIFT 算法基础 CSIFTDescriptor 类、 LIOP 算法基础 CLl OPDescriptor 类。所述步骤4)中树状空间可用二叉树状结构在m维空间的个特征点上进行搜索，在m维上找出某一个最大方差维，并在这一维上的中值点上画超平面，将m维空间分成左半超平面和又半超平面，并记录超平面的最大方差维的数值，将其作为划分左分支和右分支的基准，继续左分支和右分支上执行上述的步骤，直到某分支上仅剩余一个特征点，将其称为叶子分支，结束递归循环。所述步骤5)中匹配扫描是一个在树状空间上进行查找的过程，如对于第二幅待匹配图像而言，第一幅图像作为初始匹配集，则将第一幅图像的特征点划分为树状空间，而在第二幅图像中按照扫描的方式，从I号索引点开始进行扫描直到最后一个，假设目前搜索到第〖个特征点，根据其特征描述子所确定在超平面空间的位置，确定出该节点在特征空间树状结构的哪个节点处，从而建立有限特征点的匹配关系，匹配关系函数为匹配距离是否小于设定值，就可以判断特征点是否与该点具有匹配关系，如小于确认为具有匹配关系加入匹配关系列表。本专利技术的有益效果在于本专利技术图像特征点匹配模块的面向对象系统框架建立方法，为进一步基于多幅图像的三维重建算法提供数据支撑，为特征点匹配算法的研究提供系统框架。附图说明图1为本专利技术图像特征点匹配模块的面向对象系统框架建立流程 图2为本专利技术图像特征点匹配模块的面向对象系统基础类库 图3为本专利技术图像特征点匹配模块的面向对象系统框架建立实施例采集图像I 图4为本专利技术图像特征点匹配模块的面向对象系统框架建立实施例采集图像2图；图5为本专利技术图像特征点匹配模块的面向对象系统框架建立实施例匹配结果 图6为本专利技术图像特征点匹配模块的面向对象系统框架建立匹配关系库图。具体实施例方式一、首先图像特征点匹配模块的面向对象系统框架建立所需环境 硬件环境最低配置 1)有源摄像头配置 CPU :奔腾1. 6Ghz 内存 256MB 声卡需要语音监听、双向对讲时必备 硬盘需要录制图像，应不低于40G 2)其他硬件设备 300M-1 IN无线路由器(两台)，WD-500M电力载波器(两台)，笔记本电脑(两台以上)。软件环境 操作系统32、64 位 Windows2000/WindowsXP/Windows2003/Windows Vista/ffindows7，Mac OS等操作系统。 浏览器InternetExplorer/MoziIla Firefox/Google Browser 网络协议TCP / IP。二、其次如图1所示图像特征点匹配模块的面向对象系统框架建立流程图，电脑采集η幅图像数据，在多幅图像上进行特征点提取及特征描述子的构造，形成各个图像的特征描述子集合；使用David G. Lowe提出的尺度不变特征描述子(Scale InvariantFeature Transform, SIFT)对多幅图像进行特征点的提取,提取后的单个描述子除特征点的亚像素级位置外，还包括了特征点的128维的灰度值方图最大方向的角度数值描述；构建特征点描述子表达的特征点的数据结构，选择算法根据特征点描述子数据结构生成派生类，双派生出包括特征点和特征点描述子信息的特征点实体类；建立特征点超空间划分的树状结构，将特征点描述子进行超空间区域的匹配扫描；根据匹配关系函数对匹配点进行搜索后得到多幅图像匹配关系，即匹配的特征点。三、如图2所示图像特征点匹配模块的面向对象系统基础类库图，本实施例中采用的是大小为653X490的图像，共获得1004个特征点。为了扩大程序对算法的适用程度，需要构造一个能够满足各种描述子表达的特征点的表示数据结构。1、构造特征点类CFeaturePoint如下内容 1)特征点的位置信息，如横坐标和纵坐标的亚像素级别的位置； 2)特征点坐标变换方法，如仿射变换本文档来自技高网...

【技术保护点】
一种图像特征点匹配模块的面向对象系统框架建立方法，其特征在于，包括如下步骤：1）电脑采集n幅图像数据，在多幅图像上进行特征点提取；2）构建特征点描述子表达的特征点的数据结构，数据结构包括构造特征点类型和构造特征点描述子基础类，构造特征点类型：特征点的位置信息和特征点坐标变换方法；构造特征点描述子基础类CFeatureDescriptor：a）特征点描述子表：描述子表中存放的特征点特征的全部数据信息；b）特征点描述子的生成算法；c）特征点描述子匹配算法；d）特征点描述子匹配修正算法；e）特征点描述子的特征点或非特征点的扩散算法；f）特征点描述子搜索运算；3）选择算法根据特征点描述子数据结构生成派生类，派生出包括特征点和特征点描述子信息的特征点实体类；4）将采集的任意一幅图的特征点划分为树状空间，形成初始匹配集，选取其他图针对初始匹配集进行特征点扫描；5）根据匹配关系函数对多幅图像匹配点进行匹配扫描，得到多幅图像间的匹配关系，即得到图像由匹配关系类建立的链表结构。

【技术特征摘要】
1.一种图像特征点匹配模块的面向对象系统框架建立方法，其特征在于，包括如下步骤 1)电脑采集n幅图像数据，在多幅图像上进行特征点提取； 2)构建特征点描述子表达的特征点的数据结构，数据结构包括构造特征点类型和构造特征点描述子基础类， 构造特征点类型特征点的位置信息和特征点坐标变换方法； 构造特征点描述子基础类CFeatureDescriptor a)特征点描述子表描述子表中存放的特征点特征的全部数据信息； b)特征点描述子的生成算法； c)特征点描述子匹配算法； d)特征点描述子匹配修正算法； e)特征点描述子的特征点或非特征点的扩散算法； f )特征点描述子搜索运算； 3)选择算法根据特征点描述子数据结构生成派生类，派生出包括特征点和特征点描述子信息的特征点实体类； 4)将采集的任意一幅图的特征点划分为树状空间，形成初始匹配集，选取其他图针对初始匹配集进行特征点扫描； 5)根据匹配关系函数对多幅图像匹配点进行匹配扫描，得到多幅图像间的匹配关系，即得到图像由匹配关系类建立的链表结构。2.根据权利要求1所述图像特征点匹配模块的面向对象系统框架建立方法，其特征在于，所述步骤3)中算法可选 Harris 算卞失 CHarrisDescriptor、 Harris-Affine 算子 CHarris_AffineDescriptor 类、 H...

【专利技术属性】
技术研发人员：刘刚，夏祥武，文光磊，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：