一种基于特征的图像匹配方法与流程

本发明属于图像处理领域，尤其涉及一种基于特征的图像匹配方法。

背景技术：

图像匹配是图像处理及计算机视觉中的一项重要技术，被广泛应用于医学图像处理分析、天气预报检测、遥感图像分析、图像三维重构、图像拼接、目标跟踪识别等领域。

图像匹配可分成以灰度为基础的匹配和以特征为基础的匹配。灰度匹配是将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。灰度匹配的缺点是计算量太大，不适合有速度要求的场景，所以该方法很少被使用。特征匹配是指通过分别提取两个或多个图像的特征(点、线、面等特征)，对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，通常使用的特征基元有：点特征、边缘特征和区域特征。特征匹配需要用到许多数学运算，如矩阵运算、梯度求解、傅立叶变换和泰勒展开等。实际使用过程中，会因仿射变换、尺度变化、环境干扰等问题出现误匹配点多而使得匹配性能严重降低的问题。

技术实现要素：

发明目的：本发明提供了一种匹配性能高的图像匹配方法。

技术方案：为实现本发明的目的，本发明所述的基于特征的图像匹配方法，包括步骤：

(1)利用图像匹配算法选择待匹配的图像和的特征点并得到特征点的描述子；

(2)对于不同图像特征点的描述子进行欧式距离的计算，选取欧氏距离最小的两个特征点作为初匹配点；

(3)在初匹配点中，将最小欧式距离与次小欧式距离的比值和阈值比较，进行第一次误匹配点的删减；

(4)采用角度删减法，进行第二次误匹配点的删减。

进一步地，所述步骤(1)具体包括：通过图像匹配算法分别得到图像和的特征点x＝{xi|xi∈r,i∈[1,n]}，y＝{yj|yj∈r,j∈[1,m]}，以及特征点所对应的特征描述子xik、yjk，k∈[1,c]；其中，i表示图像检测得到的特征点序号，n为图像检测到的特征点总数，j为图像检测得到的特征点序号，m为图像检测到的特征点总数，c表示特征描述子的维度，k为描述子维度的序号。

优选地，所述特征描述子的维度k取值为128。

进一步地，步骤(1)中，所述图像匹配算法包括：surf算法、sift算法。

进一步地，所述步骤(2)包括：

(21)根据如下公式计算图像中的每个特征点xi与图像中每个特征点yj描述子之间的欧式距离：

(22)计算描述子的最小欧式距离dij，将此时的yj和特征点xi作为一个初匹配点，记作(xo,yo')：

(23)重复步骤(21)-(22)直至遍历图像中所有特征点，得到n个初匹配点。

进一步地，所述步骤(3)包括：

(31)计算初匹配点xi的次小欧式距离dij'，yj'为对应次小欧式距离的特征点：

(32)计算最小欧式距离和次小欧式距离之间的比值：

λ＝dij/dij'

当λ小于等于阈值α时，则保留初匹配点(xo,yo')；当λ大于阈值α时，判定(xo,yo')为误匹配点，对其进行删除，从而完成第一次误匹配点的删减。如果初匹配点中存在的大量误匹配点会夸大图像之间的匹配程度。

优选地，步骤(33)中，所述阈值α取值为0.4。

进一步地，所述步骤(4)包括：

(41)将第一次误匹配点删减后的初匹配点按λ的值排序，将比值最小的三个匹配点(xa,ya')、(xb,yb')、(xc,yc')作为标准匹配点；

(42)计算图像内的夹角

其中，(pa,qa)、(pb,qb)、(pc,qc)、(po,qo)分别是xa、xb、xc和初匹配点(xo,yo')中xo的像素坐标，o取值范围为1,2,…,n除去第一误匹配点序号；

(43)计算图像内的夹角

其中，(pa',qa')、(pb',qb')、(pc',qc')、(po',qo')分别是ya'、yb'、yc'和初匹配点(xo,yo')中yo'的像素坐标；

(44)计算和的绝对差值将其与阈值β比较，当δ＞β，认定该初匹配点为误匹配点，并将其删除；当δ≤β，则保留，通过该筛选过程完成第二次误匹配点的删减，否则误匹配点过多会影响图像的后续使用，如图像拼接、图像融合。

优选地，所述步骤(44)中，所述阈值β取值为15。

有益效果：1、通过用最小和次小欧式距离比值和阈值比较的方法进行了第一次误匹配点的删减，显著提高了匹配点的正确率；2、通过角度删减的方法进行了第二次误匹配点的删减，进一步提高了匹配点的正确率。在图像拼接、图像融合等领域中，对图像之间匹配点正确率的要求很高，而本申请提供的技术方案极大提高了图像的匹配正确率，满足了后续操作的要求。

附图说明

图1是本发明所述方法的流程图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

如图1所示，其示出了本发明所述的基于特征的图像匹配方法的流程图，该方法包括步骤：

(1)对于待匹配图像和待匹配图像通过已有的图像匹配算法如surf算法、sift算法分别得到两幅图像的特征点x＝{xi|xi∈r,i∈[1,n]}、y＝{yj|yj∈r,j∈[1,m]},以及特征点所对应的特征描述子xik、yjk。其中，i表示图像检测得到的特征点序号；n为图像检测到的特征点总数；j表示图像检测得到的特征点序号；m为图像检测到的特征点总数；k∈[1,c]表示特征描述子的序号；c表示特征描述子的维度，一般取值为128。

(2)得到特征点的描述子后，对于图像中的每个特征点xi，通过下面的公式计算与图像中每个特征点yj描述子之间的欧式距离，选取欧氏距离最小的点yj作为xi对应的匹配点，记作初匹配点(xo,yo')。遍历完图像中的每一个点后，可以得到n个初匹配点。

(3)对于初匹配点，通过下面的公式计算最小欧式距离dij与次小欧式距离dij'的比值，将此比值λ和阈值α比较。α越大，匹配点数越多，但错误匹配点也越多。经多次实验，得到经验阈值α＝0.4，若λ＞α，对误匹配点进行删除，完成第一次误匹配点的删减。

λ＝dij/dij'

(4)对第一次删减后的初匹配点按λ的值排序，将比值最小的三个匹配点(xa,ya')、(xb,yb')、(xc,yc')为标准匹配点。在第一张待匹配图像中，三个标准匹配点xa、xb、xc和xo的像素坐标分别是(pa,qa)、(pb,qb)、(pc,qc)、(po,qo)。在图像中，三个标准匹配点ya'、yb'、yc'和yo'的像素坐标分别是(pa',qa')、(pb',qb')、(pc',qc')、(po',qo')。

计算图像内的夹角图像内的夹角

对于两张待匹配图像来说，如果匹配点都是正确的，上述四个点的相对位置是不变的，夹角相差不大。当出现误匹配点时，夹角会有差异。确定正确概率最大的三个点为基准对剩下的点进行第二次删减。计算和的绝对差值将其与阈值β比较，当δ＞β，认定该初匹配点为误匹配点，并将其删除；当δ≤β，则保留，通过该筛选过程完成第二次误匹配点的删减，否则误匹配点过多会影响图像的后续使用，如图像拼接、图像融合。β越大匹配点数越多，但错误匹配点也越多。经多次实验得到经验阈值β＝15。