【技术实现步骤摘要】
本专利技术涉及图像处理
，特别涉及。
技术介绍
图像处理和计算机视觉领域中特征点匹配有着广阔的应用背景，如图像配准、物体识别、目标跟踪检测等。目前所产生的特征点匹配方法有以下几种:基于Harris检测特征点的特征点匹配方法，其受信号处理中自相关函数的启发，给出与自相关函数相关联的自相关矩阵，根据自相关矩阵进行特征点匹配。Harris算法很稳定，能正确的匹配出大多数特征点，但是仍存在小部分错误匹配点对。基于Susan角点检测的特征点匹配方法，其具有较高的匹配准确率和较好的噪声鲁棒性，但是这种方法采用圆形模板来检测图像中的角点，在图像窗口较大的情况下，获取Susan区域需要耗费大量的时间，降低了工作效率，不具有普遍适用性。为了提高匹配效率，Qian提出的一种由粗到细的特征点匹配方法，这种方法首先利用多尺度Harris角点检测提取特征点，再利用基于投票策略的匹配方法产生初始特征点匹配对，再次利用刚体变换模型对其余特征点进行匹配。但是这种方法仍然存在错误的匹配。Awrangjeb提出了一个基于仿射长度参数化的改进曲率尺度空间的角点检测算法，这种方法利用迭代过程来计算最佳匹配点可达到很高的匹配效果，但是这种方法需要耗费大量的时间。SIFT方法，这种方法利用高斯差分尺度空间产生具有尺度和旋转不变的关键点，并给出每个点的特征描述，再根据欧式距离最近邻和次近邻的比值大于一定的阈值来匹配特征点。SIFT方法适用范围广，能够产生较多的特征匹配点，但是特征维数高，计算速度慢，而且存在错误匹配率。由于上述的几种现有的特征点匹配方法各自都存在着匹配率不高、耗费大...
【技术保护点】
一种基于图像尖锐度分布的特征点匹配方法，其特征在于，包括步骤：从不同角度拍摄同一刚体或者同一近似刚体的两幅图像，并输入计算机；使用边缘检测算子进行图像特征点检测，并计算特征点的尖锐度；基于特征点的尖锐度，定义特征点的描述方法；计算特征点的归一化相关系数，并进行特征点的初步匹配；删除错误的特征点匹配；选取已匹配好的特征点，计算图像的透视投影矩阵；利用透视投影矩阵匹配所有特征点。
【技术特征摘要】
1.一种基于图像尖锐度分布的特征点匹配方法，其特征在于，包括步骤: 从不同角度拍摄同一刚体或者同一近似刚体的两幅图像，并输入计算机； 使用边缘检测算子进行图像特征点检测，并计算特征点的尖锐度； 基于特征点的尖锐度，定义特征点的描述方法； 计算特征点的归一化相关系数，并进行特征点的初步匹配； 删除错误的特征点匹配； 选取已匹配好的特征点，计算图像的透视投影矩阵； 利用透视投影矩阵匹配所有特征点。2.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算特征点的尖锐度的方法: 以图像任意一条边缘轮廓线上的任意一特征点Pi为中心向前和向后各取k个点，共得到2k+l个点，构成特征点Pi的支撑区域；由特征点Pi向特征点P1-J5及特征点Pi+k连线，得到两条支撑臂PiP1-,、PiPitk,所述两支撑臂PiP1-,、PiPi+,之间的夹角为支撑角Qi;特征点Pi, P1-k，pi+k视为一段圆弧上间隔较近的三点，则 3.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述使用边缘检测算子进行图像特征点检测之前还包括:对图像进行灰度化、深度搜索、边缘检测的预处理操作。4.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述定义特征点的描述方法为一 6维特征向量 5.如权利要求1所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算特征点的归一化相关系数的方法包括: 第一步，在所述两幅图像上分别取一个特征点，并对其分别定义特征点的描述方法: 6.如权利要求5所述的基于图像尖锐度分布的特征点匹配方法，其特征在于，所述计算两个特征点的归一...
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。