[发明专利]一种基于角点引导的图像快速边缘匹配方法

说明书

技术领域

本发明属于计算机立体视觉技术，涉及一种新的立体景象特征快速匹配方法。

背景技术

立体景象匹配研究是立体视觉重要的构成部分，近年来成为计算机视觉领域研究的重点和热点，其实现的目标是给定一幅图像上的源匹配点后在另一幅图像上寻找与之对应的同名像点。常用的匹配方法主要有基于区域的匹配、基于特征的匹配以及基于解释的匹配。

基于区域的图像立体匹配方法在实时性等方面存在很多的不足，它多用于早期的图像匹配过程。近年来，研究人员更多采用基于特征的方法来实现图像匹配(参见高文、陈熙霖编著，《计算机视觉—算法与系统原理》，北京：清华大学出版社，1999.)。基于特征的匹配算法可以有选择地采用能表示场景自身结构的特征，这种结构特征很少随着外界环境的变化而变化。正是因为景物自身结构特征具有的不变性，所以，基于特征的匹配在视觉导航、运动分析、目标识别等领域受到重视。

研究人员常用的匹配特征主要有角点、边缘等特征。角点匹配具有很高的可靠性，但是数量太少而不太适合三维结构重建以及三维识别。边缘含有更丰富的信息，因此，场景的结构信息更多地用边缘来恢复。边缘匹配的过程主要有：一是提取图像对的边缘信息，二是寻找图像中边缘的对应点。后一个过程是立体视觉的经典难题，其存在的主要原因之一是很大的计算量，从而直接导致立体匹配的实时性变差。直线具有长度、方向等对匹配有利的几何特征可以利用，而一般的边缘匹配存在许多困难：边缘本身没有更多的几何特征可以利用，对边缘很难找到直观的空间约束信息可利用；左右图像中连接的边缘并未一致，有时甚至差别很大。这些困难导致了边缘匹配并没有得到很大程度上的突破。为了减少计算量以及减少误匹配率，在搜索匹配点时，人们利用了各种约束来减小搜索范围，主要有极线约束、惟一性约束和顺序约束等。

J.H.Han(参见J.H.Han and J.S.Park.Contour Matching usingEpipolar Geometry.IEEE Trans.Pattern Analysis and MachineIntelligence，Vol.22，No.4，pp.358-370，2000.)利用极线约束与灰度相关进行边缘匹配，并且利用了边缘的首末端点约束以及边缘的长度信息，因此，对噪声敏感，若从两幅图像中提取的两条边缘在首末端点、长度差别很大的情况下，该方法不能得到该对边缘的匹配。YUAN ML(参见YUANML，XIE M，YIN XM.Robust Cooperative Strategy for Contour Matchingusing Epipolar Geometry.Asian Conference on Computer Vision，2002。)利用极线约束和交互使用已匹配的点与边缘信息作为约束，对每对点的匹配都需要计算两个相似性函数，匹配过程烦琐、计算量大。

发明内容

本发明的目的是：提出一种充分利用匹配的角点信息引导边缘匹配的快速边缘匹配方法，在点的匹配过程中又提出利用边缘约束，在快速性得到保障的同时，又能得到很高的匹配正确率。

本发明的技术方案是：一种基于角点引导的图像边缘快速匹配方法，其特征在于，匹配步骤如下：

1、使用Harris角点探测器和Canny边缘探测器分别提取左右两幅图像的角点和边缘，并对角点进行匹配；

2、利用已匹配的角点作为约束实现边缘的匹配，根据角点与边缘上最近点的距离大小，把待匹配边缘分为以下两类：

角点附近的边缘，其距离小于等于4个像素；

离角点距离远的边缘，其距离大于4个像素；

2.1、匹配角点附近的边缘；在如此小的区域范围内不考虑反映在图像上的变形，设角点c1和c2分别是两幅图像上的对应点即匹配点对，采用下面的搜索方法进行边缘匹配，其具体步骤如下：

2.1.1、从角点c1和c2同时向8个方向即右、右上、上、左上、左、左下、下、右下搜索，搜索的第1层有8个像素，搜索的第2层有16个像素，第3层有24个像素，...，若搜索的第1层在某一个方向上同时遇到边缘上的点，则该两条边缘是匹配边缘，搜索结束，否则继续向外层搜索直到规定的搜索层数，搜索层数为4层，该步搜索得到角点c1和c2附近的可能存在的匹配边缘，若该步搜索结束后仍然没有结果，说明在该匹配角点附近没有匹配的边缘存在，继续进行步骤2.1.2；

2.1.2、按照步骤2.1.1所述的方法，在其他匹配角点对的附近进行搜索，直到所有的已匹配角点对都在其附近搜索一遍，得到角点附近的所有的可能匹配的边缘；