[发明专利]基于相关性度量的特征点匹配方法

权利要求书

1.一种基于相关性度量的特征点匹配方法，包括步骤：

步骤1：拍摄待匹配场景的多幅图像并输入计算机；

步骤2：计算图像各像素的梯度，提取图像的特征点信息；

步骤3：对特征点邻域进行分块，获得子区域的梯度均值；

所述子区域划分步骤是：

步骤31：以特征点为中心，获得半径r等于N个像素的圆形邻域；

步骤32：沿圆形邻域的径向方向把特征点邻域半径划分为n等份，得到多个以特征点为圆心的同心圆；

步骤33：以特征点邻域的主方向为起始边，将特征点邻域划分为多个相等的扇形；

步骤4：应用子区域的各像素点的梯度以及梯度均值，构造子区域的Harris自相关矩阵以及相邻子区域之间Harris互相关矩阵；所述特征点邻域的子区域R的Harris自相关矩阵SC(R)为，

式中，▽I(X)＝(I_x(X)，I_y(X))^T为图像I上像素点X＝(x，y)^T的梯度， 是子区域R的梯度均值；

所述Harris互相关矩阵是特征点邻域的两个相邻子区域R₁，R₂之间的Harris互相关矩阵MC(R_i，R_j)由下式得到：

式中：i，j＝1，2，i≠j；

步骤5：计算子区域的Harris自相关矩阵以及相邻子区域之间的 Harris互相关矩阵的行列式与迹，并用行列式与迹构造子区域的自相关性度量以及相邻子区域之间的互相关性度量；所述自相关性度量是通过计算子区域R的Harris自相关矩阵SC(R)的行列式与迹，得到子区域R的自相关性度量Hsc(R)为：

式中：det(SC(R))为Harris自相关矩阵SC(R)的行列式，tr(SC(R))为Harris自相关矩阵SC(R)的迹；

所述互相关性度量是通过计算Harris互相关矩阵的行列式与迹，得到两个相邻子区域的互相关性度量Hmc(R)为：

步骤6：用子区域的自相关性度量以及相邻子区域之间的互相关性度量构造Harris相关性描述子；所述Harris相关性描述子是：

步骤61：将自相关性度量与互相关性度量合在一起，得到一个相关性度量向量；

步骤62：根据相关性度量所在子区域中心与特征点的距离，用高斯函数对相关性度量向量加权；

步骤63：对加权后的相关性度量向量进行欧氏范数归一化处理，最终得到Harris相关性描述子；

步骤7：所述特征点匹配是计算不同图像之间特征点描述子之间的欧氏距离，应用匹配准则对特征点的描述子进行匹配，得到最终的匹配结果。