• / 10
  • 下載費用:30 金幣  

一種圖像同名點的匹配方法及裝置.pdf

摘要
申請專利號:

CN201610599169.2

申請日:

2016.07.27

公開號:

CN106257497A

公開日:

2016.12.28

當前法律狀態:

實審

有效性:

審中

法律詳情: 實質審查的生效IPC(主分類):G06K 9/62申請日:20160727|||公開
IPC分類號: G06K9/62 主分類號: G06K9/62
申請人: 中測高科(北京)測繪工程技術有限責任公司
發明人: 曹萌; 范榮雙; 鄭君; 賀鵬艷; 馬遠向; 張永
地址: 100039 北京市海淀區北太平路16號
優先權:
專利代理機構: 北京華沛德權律師事務所 11302 代理人: 黃耀威
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201610599169.2

授權公告號:

|||

法律狀態公告日:

2017.01.25|||2016.12.28

法律狀態類型:

實質審查的生效|||公開

摘要

本發明涉及計算機圖形學領域,公開了一種圖像同名點的匹配方法及裝置,通過獲取至少兩個圖像;對所述圖像進行特征提取,以獲得穩定的第一特征點集合;在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成第二特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像素點集合;根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;計算兩個圖像中所述相似區域的面積比值;計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算兩個圖像中的相似區域的匹配度;當所述匹配度大于預設閾值時,以獲得同名點集合。使得本發明無需獲取拍攝圖像時的技術參數,就可對拍攝圖像進行同名點匹配識別。

權利要求書

1.一種圖像同名點的匹配方法,其特征在于,包括:
獲取至少兩個圖像;
對所述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定所述第一特征點集
合中特征點的方向,并獲取特征向量;
在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成第二特征點集合,并
利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像素點集合;
根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;
計算相似區域的面積,計算兩個圖像中所述相似區域的面積比值,根據所述面積比值,
對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區域的面積相當;
計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算兩個圖像中
的相似區域的匹配度;
當所述匹配度大于預設閾值時,從所述區域中選取不超過總點數一半的點作為特征
點,以獲得同名點集合,完成圖像同名點匹配。
2.根據權利要求1所述的圖像同名點的匹配方法,其特征在于,所述特征提取包括SIFT
特征提取、HARRIS特征提取、SUSAN特征提取。
3.根據權利要求2所述的圖像同名點的匹配方法,其特征在于,當所述特征提取為SIFT
特征提取時,所述對所述圖像進行特征提取,以獲得穩定的第一特征點集合的步驟,包括:
通過不同尺度kσ的高斯濾波函數對圖像進行卷積處理,以獲得尺度空間的圖像,其中,
σ為倍增指數,k值為尺度系數;
對不同k值對應的尺度空間圖像進行差分處理,以獲得由多個高斯差分影像組成的金
字塔圖像;
在所述金字塔圖像中,對每個像素點及與所述像素點同尺度的8個相鄰像素點和上下
相鄰尺度對應的18個像素點,進行灰度值比較,選取極值點作為SIFT候選特征點;
對所述SIFT候選特征點,去除低對比度和邊緣候選極值點,以獲得第一特征點集合。
4.根據權利要求1所述的圖像同名點的匹配方法,其特征在于,所述在兩個不同的所述
第一特征點集合之間進行特征點匹配,以生成第二特征點集合,并利用相關反向算法,獲取
所述第二特征點集合在對應圖像中對應的像素點集合的步驟,包括:
在兩個不同的所述第一特征點集合之間判斷出兩個特征向量的距離小于預設閾值的
特征點,利用雙向配對,進行特征點篩選;
利用隨機抽樣的算法,進行進一步篩選,以獲得第二特征點集合;
利用相關反向算法獲取所述第二特征點集合在對應圖像中對應的像素點集合。
5.根據權利要求1所述的圖像同名點的匹配方法,其特征在于,所述根據圖像尺度及圖
像特性,在所述像素點集合中進行相似區域擴展,包括:
根據圖像尺度及圖像特性,在所述像素點集合中確定每個像素點的相同形狀的鄰域;
計算所述鄰域中每個像素點的坐標值,并連接每個像素點,以構成封閉的多邊形。
6.一種圖像同名點的匹配裝置,其特征在于,包括:
獲取模塊,用于獲取至少兩個圖像;
特征提取模塊,用于對所述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定
所述第一特征點集合中特征點的方向,并獲取特征向量;
匹配模塊,用于在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成第二
特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像素點
集合;
區域擴展模塊,用于根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴
展;
區域匹配模塊,用于計算相似區域的面積,計算兩個圖像中所述相似區域的面積比值,
根據所述面積比值,對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區域的面
積相當;計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算兩個圖
像中的相似區域的匹配度;
同名匹配模塊,用于當所述匹配度大于預設閾值時,從所述區域中選取不超過總點數
一半的點作為特征點,以獲得同名點集合,完成圖像同名點匹配。
7.根據權利要求6所述的圖像同名點的匹配裝置,其特征在于,所述特征提取模塊,包
括:
卷積單元,用于通過不同尺度kσ的高斯濾波函數對圖像進行卷積處理,以獲得尺度空
間的圖像,其中,σ為倍增指數,k值為尺度系數;
差分計算單元,用于對不同k值對應的尺度空間圖像進行差分處理,以獲得由多個高斯
差分影像組成的金字塔圖像;
極值點選取單元,用于在所述金字塔圖像中,對每個像素點及與所述像素點同尺度的8
個相鄰像素點和上下相鄰尺度對應的18個像素點,進行灰度值比較,選取極值點作為SIFT
候選特征點;
極值點篩選單元,用于對所述SIFT候選特征點,去除低對比度和邊緣候選極值點,以獲
得第一特征點集合。
8.根據權利要求6所述的圖像同名點的匹配裝置,其特征在于,所述匹配模塊,包括:
第一篩選單元,用于在兩個不同的所述第一特征點集合之間判斷出兩個特征向量的距
離小于預設閾值的特征點,利用雙向配對,進行特征點篩選;
第二篩選單元,用于利用隨機抽樣的算法,進行進一步篩選,以獲得第二特征點集合;
反向映射單元,用于利用相關反向算法獲取所述第二特征點集合在對應圖像中對應的
像素點集合。
9.根據權利要求6所述的圖像同名點的匹配裝置,其特征在于,所述區域擴展模塊,包
括:
鄰域擴展單元,用于根據圖像尺度及圖像特性,在所述像素點集合中確定每個像素點
的相同形狀的鄰域;
多邊形擴展單元,用于計算所述鄰域中每個像素點的坐標值,并連接每個像素點,以構
成封閉的多邊形。

說明書

一種圖像同名點的匹配方法及裝置

技術領域

本發明涉及計算機圖形學領域,尤其涉及一種圖像同名點的匹配方法及裝置。

背景技術

近些年來,隨著經濟社會的發展,便攜式拍照設備普及,圖像獲取的手段越來越
多,需要對于拍攝的圖像進行拼接,融合,對于多幅圖像中獲取的同一物體進行以及對于圖
像中的移動物體進行追蹤等。需要從對同一物體拍攝的不同圖像中提取出同名點,也就是
進行同名點匹配。

圖像的同名點匹配是計算機圖形學和攝影測量學的一個核心問題。同名點的精確
匹配在圖像處理技術中是影像拼接熔合、圖像三維重建以及圖像中同名物體識別等研究領
域的關鍵技術之一。同名點的匹配精度直接影響這圖像拼接,融合的效果,三維重建的精確
度以及同名物體識別的準確度。隨著計算機圖形學,模式識別等技術的發展,同名點匹配技
術也取得了長足的發展。但是目前在影像的同名點提取,特別是復雜拍攝條件下獲取的影
像中很難獲得大量的,精確的同名點。因此,需要提出新的方法解決同名點的獲取方法。

發明內容

本發明提供一種圖像同名點的匹配方法及裝置,解決現有技術中復雜拍攝條件下
獲取的圖像,同名點匹配精度不高、效率低的技術問題。

本發明的目的是通過以下技術方案實現的:

一種圖像同名點的匹配方法,包括:

獲取至少兩個圖像;

對所述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定所述第一特征
點集合中特征點的方向,并獲取特征向量;

在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成第二特征點集
合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像素點集合;

根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;

計算相似區域的面積,計算兩個圖像中所述相似區域的面積比值,根據所述面積
比值,對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區域的面積相當;

計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算兩個圖
像中的相似區域的匹配度;

當所述匹配度大于預設閾值時,從所述區域中選取不超過總點數一半的點作為特
征點,以獲得同名點集合,完成圖像同名點匹配。

一種圖像同名點的匹配裝置,包括:

獲取模塊,用于獲取至少兩個圖像;

特征提取模塊,用于對所述圖像進行特征提取,以獲得穩定的第一特征點集合,并
確定所述第一特征點集合中特征點的方向,并獲取特征向量;

匹配模塊,用于在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成
第二特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像
素點集合;

區域擴展模塊,用于根據圖像尺度及圖像特性,在所述像素點集合中進行相似區
域擴展;

區域匹配模塊,用于計算相似區域的面積,計算兩個圖像中所述相似區域的面積
比值,根據所述面積比值,對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區域
的面積相當;計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算兩
個圖像中的相似區域的匹配度;

同名匹配模塊,用于當所述匹配度大于預設閾值時,從所述區域中選取不超過總
點數一半的點作為特征點,以獲得同名點集合,完成圖像同名點匹配。

本發明實施例提供了一種圖像同名點的匹配方法,通過獲取至少兩個圖像;對所
述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定所述第一特征點集合中特征
點的方向,并獲取特征向量;在兩個不同的所述第一特征點集合之間進行特征點匹配,以生
成第二特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的
像素點集合;根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;計算相似
區域的面積,計算兩個圖像中所述相似區域的面積比值,根據所述面積比值,對于所述相似
區域進行重采樣,使得兩個圖像中的所述相似區域的面積相當;計算兩個圖像中的所述相
似區域中點集的歐式距離或者相關系數,以計算兩個圖像中的相似區域的匹配度;當所述
匹配度大于預設閾值時,從所述區域中選取不超過總點數一半的點作為特征點,以獲得同
名點集合,完成圖像同名點匹配。無需獲取拍攝圖像時的技術參數,就可對拍攝圖像進行同
名點匹配識別。本發明實施例通過改進特征點識別匹配方法,提高了特征點的數量以及特
征點識別的精確度。通過本發明的方法在提取特征點的過程中可以很大程度上保留原圖中
的結構信息,使得匹配的結果具有一定的結構信息為后續的特征識別以及圖像拼接等提供
有效的支持。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案,下面將對實施例中所
需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發明的一些實施
例,對于本領域普通技術人員來講,在不付出創造性勞動性的前提下,還可根據這些附圖獲
得其他的附圖。

圖1為本發明實施例提供的一種圖像同名點的匹配方法的流程圖;

圖2為本發明實施例提供的兩個圖像相似區域對比的示意圖;

圖3為本發明實施例提供的一種圖像同名點的匹配裝置的結構示意圖。

具體實施方式

為使本發明的上述目的、特征和優點能夠更加明顯易懂,下面結合附圖和具體實
施方式對本發明作進一步詳細的說明。

本發明提供的一種圖像同名點的匹配方法流程圖,如圖1所示,包括:

步驟101、獲取至少兩個圖像;

步驟102、對所述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定所述
第一特征點集合中特征點的方向,并獲取特征向量;

其中,對獲取的所有圖像需要執行步驟102,所述特征提取包括SIFT特征提取、
HARRIS特征提取、SUSAN特征提取。當所述特征提取為SIFT特征提取時,步驟102中對所述圖
像進行特征提取,以獲得穩定的第一特征點集合的步驟,包括:

步驟102-1、通過不同尺度kσ的高斯濾波函數對圖像進行卷積處理,以獲得尺度空
間的圖像,其中,σ為倍增指數,k值為尺度系數;

步驟102-2、對不同k值對應的尺度空間圖像進行差分處理,以獲得由多個高斯差
分影像組成的金字塔圖像;

步驟102-3、在所述金字塔圖像中,對每個像素點及與所述像素點同尺度的8個相
鄰像素點和上下相鄰尺度對應的18個像素點,進行灰度值比較,選取極值點作為SIFT候選
特征點;

步驟102-4、對所述SIFT候選特征點,去除低對比度和邊緣候選極值點,以獲得第
一特征點集合。

步驟103、在兩個不同的所述第一特征點集合之間進行特征點匹配,以生成第二特
征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的像素點集
合;

其中,步驟103具體可以包括:

步驟103-1、在兩個不同的所述第一特征點集合之間判斷出兩個特征向量的距離
小于預設閾值的特征點,利用雙向配對,進行特征點篩選;

步驟103-2、利用隨機抽樣的算法,進行進一步篩選,以獲得第二特征點集合;

步驟103-3、利用相關反向算法獲取所述第二特征點集合在對應圖像中對應的像
素點集合。

步驟104、根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;

其中,步驟104具體可以包括:

步驟104-1、根據圖像尺度及圖像特性,在所述像素點集合中確定每個像素點的相
同形狀的鄰域;

步驟104-2、計算所述鄰域中每個像素點的坐標值,并連接每個像素點,以構成封
閉的多邊形。

其中,實際拍攝的圖像物體中,大多存在一定的結構特征,圖像的局部區域存在一
定的連續性,所以在這里對于像素點集合中的每個點,根據圖像尺度,以及圖像的一些特性
確定一個鄰域,鄰域的形狀根據應用的情況可以有所不同,如在建筑圖像中可采用多邊形,
在人物圖像中可采用圓形。如圖2所示,兩張不同建筑圖像I和J,I圖片中的區域記為A,J圖
片中的區域記為B,A區域中其中除了P1(x1,y1)外至少對應特征點多于兩個,若n個特征點
則分別為P1,P2,P3,…,Pn,分別計算各點的坐標值,并連接構成多邊形,相應地,B區域的n
個特征點則分別為Q1,Q2,Q3,…,Qn。連接A區域和B區域的n個特征點構成封閉的多邊形。

步驟105、計算相似區域的面積,計算兩個圖像中所述相似區域的面積比值,根據
所述面積比值,對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區域的面積相
當;

其中,對照步驟104,相似區域為連接A區域和B區域的n個特征點構成封閉的多邊
形,計算多邊形的面積記為S1。同樣的對于圖像J求出n個特征點,并計算多邊形的面積,記
為S2。對于所述多邊形區域進行重采樣,使得兩個圖像中的所述相似區域的面積相當。

步驟106、計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計
算兩個圖像中的相似區域的匹配度;

步驟107、當所述匹配度大于預設閾值時,從所述區域中選取不超過總點數一半的
點作為特征點,以獲得同名點集合,完成圖像同名點匹配。

本發明實施例提供了一種圖像同名點的匹配方法,通過獲取至少兩個圖像;對所
述圖像進行特征提取,以獲得穩定的第一特征點集合,并確定所述第一特征點集合中特征
點的方向,并獲取特征向量;在兩個不同的所述第一特征點集合之間進行特征點匹配,以生
成第二特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的
像素點集合;根據圖像尺度及圖像特性,在所述像素點集合中進行相似區域擴展;計算相似
區域的面積,計算兩個圖像中所述相似區域的面積比值,根據所述面積比值,對于所述相似
區域進行重采樣,使得兩個圖像中的所述相似區域的面積相當;計算兩個圖像中的所述相
似區域中點集的歐式距離或者相關系數,以計算兩個圖像中的相似區域的匹配度;當所述
匹配度大于預設閾值時,從所述區域中選取不超過總點數一半的點作為特征點,以獲得同
名點集合,完成圖像同名點匹配。無需獲取拍攝圖像時的技術參數,就可對拍攝圖像進行同
名點匹配識別。本發明實施例通過改進特征點識別匹配方法,提高了特征點的數量以及特
征點識別的精確度。通過本發明的方法在提取特征點的過程中可以很大程度上保留原圖中
的結構信息,使得匹配的結果具有一定的結構信息為后續的特征識別以及圖像拼接等提供
有效的支持。

本發明實施例還提供了一種圖像同名點的匹配裝置,如圖3所示,包括:

獲取模塊310,用于獲取至少兩個圖像;

特征提取模塊320,用于對所述圖像進行特征提取,以獲得穩定的第一特征點集
合,并確定所述第一特征點集合中特征點的方向,并獲取特征向量;

匹配模塊330,用于在兩個不同的所述第一特征點集合之間進行特征點匹配,以生
成第二特征點集合,并利用相關反向算法,獲取所述第二特征點集合在對應圖像中對應的
像素點集合;

區域擴展模塊340,用于根據圖像尺度及圖像特性,在所述像素點集合中進行相似
區域擴展;

區域匹配模塊350,用于計算相似區域的面積,計算兩個圖像中所述相似區域的面
積比值,根據所述面積比值,對于所述相似區域進行重采樣,使得兩個圖像中的所述相似區
域的面積相當;計算兩個圖像中的所述相似區域中點集的歐式距離或者相關系數,以計算
兩個圖像中的相似區域的匹配度;

同名匹配模塊360,用于當所述匹配度大于預設閾值時,從所述區域中選取不超過
總點數一半的點作為特征點,以獲得同名點集合,完成圖像同名點匹配。

其中,所述特征提取模塊320,包括:

卷積單元321,用于通過不同尺度kσ的高斯濾波函數對圖像進行卷積處理,以獲得
尺度空間的圖像,其中,σ為倍增指數,k值為尺度系數;

差分計算單元322,用于對不同k值對應的尺度空間圖像進行差分處理,以獲得由
多個高斯差分影像組成的金字塔圖像;

極值點選取單元323,用于在所述金字塔圖像中,對每個像素點及與所述像素點同
尺度的8個相鄰像素點和上下相鄰尺度對應的18個像素點,進行灰度值比較,選取極值點作
為SIFT候選特征點;

極值點篩選單元324,用于對所述SIFT候選特征點,去除低對比度和邊緣候選極值
點,以獲得第一特征點集合。

所述匹配模塊330,包括:

第一篩選單元331,用于在兩個不同的所述第一特征點集合之間判斷出兩個特征
向量的距離小于預設閾值的特征點,利用雙向配對,進行特征點篩選;

第二篩選單元332,用于利用隨機抽樣的算法,進行進一步篩選,以獲得第二特征
點集合;

反向映射單元333,用于利用相關反向算法獲取所述第二特征點集合在對應圖像
中對應的像素點集合。

所述區域擴展模塊340,包括:

鄰域擴展單元341,用于根據圖像尺度及圖像特性,在所述像素點集合中確定每個
像素點的相同形狀的鄰域;

多邊形擴展單元342,用于計算所述鄰域中每個像素點的坐標值,并連接每個像素
點,以構成封閉的多邊形。

通過以上的實施方式的描述,本領域的技術人員可以清楚地了解到本發明可借助
軟件加必需的硬件平臺的方式來實現,當然也可以全部通過硬件來實施,但很多情況下前
者是更佳的實施方式。基于這樣的理解,本發明的技術方案對背景技術做出貢獻的全部或
者部分可以以軟件產品的形式體現出來,該計算機軟件產品可以存儲在存儲介質中,如
ROM/RAM、磁碟、光盤等,包括若干指令用以使得一臺計算機設備(可以是個人計算機,服務
器,或者網絡設備等)執行本發明各個實施例或者實施例的某些部分所述的方法。

以上對本發明進行了詳細介紹,本文中應用了具體個例對本發明的原理及實施方
式進行了闡述,以上實施例的說明只是用于幫助理解本發明的方法及其核心思想;同時,對
于本領域的一般技術人員,依據本發明的思想,在具體實施方式及應用范圍上均會有改變
之處,綜上所述,本說明書內容不應理解為對本發明的限制。

關 鍵 詞:
一種 圖像 同名 匹配 方法 裝置
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種圖像同名點的匹配方法及裝置.pdf
鏈接地址:http://www.rgyfuv.icu/p-6100833.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图