[发明专利]一种基于物理定位信息的图像特征可靠匹配的方法

说明书

技术领域

本发明涉及图像处理与图像匹配领域，特别涉及全景图的拼接。

背景技术

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名 点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关 系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质 是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配主要 可分为以灰度为基础的匹配和以特征为基础的匹配。

尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种 电脑视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中 寻找极值点，并提取出其位置、尺度、旋转不变量。此算法由David Lowe 在1999年所发表，2004年完善总结，其应用范围包含物体辨识、机器人 地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作 比对。

SIFT算法提取的SIFT特征向量具有如下特征：

(1)SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变 化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定 性；

(2)独特性好，信息量丰富，适用于在海量特征数据库中进行快速、 准确的匹配；

(3)多量性，高速性与可扩展性；

SIFT算法对每个特征点可以提取128维的特征向量，并利用此特征 向量进行特征点之间的匹配。

在没有物理定位信息的情况下，图像特征点的匹配需要对整幅图像的 特征点做处理，如利用特征点建立KD-tree，再利用BBF算法在KD-tree 上找KNN(K-nearest neighbor)。这样的处理在时间上比较长。而且全局 匹配都有产生误匹配的可能性，结果需要人工干预。

发明内容

本发明提供一种匹配准确度高，且匹配速度快的基于物理定位信息的 图像特征可靠匹配的方法。

一种基于物理定位信息的图像特征可靠匹配的方法，包括以下步骤：

(1)获取多幅具有二维物理信息的初始图像，所述的初始图像中至 少两幅之间有重叠区域；

所获取的初始图像至少两幅之间有重叠区域，并且可以拼接成为一幅 全景图像。所述的二维物理信息即图像在初始全景图中的二维坐标，原点 可任意；：步骤(1)中利用相机拍摄初始全景图的不同区域得到多幅初始 图像，拍摄不同区域时，相机的主光轴与初始全景图的夹角保持不变，且 相机与初始全景图之间的垂直距离保持不变。这样多幅初始图像所在平面 就相互平行，而且初始图像所记录的大小在初始全景图中所占的区域是一 致的，只有这样才能在后来的匹配过程中有精确的重合区域作为保障，而 且利用初始图像的二维物理信息可以得出初始图像在像素级上的重叠区 域。

(2)提取各幅初始图像的SIFT特征点；

SIFT算子是David G.Lowe在2004年提出的一种基于尺度空间的、对 图像缩放、旋转甚至仿射变换保持不变形的图像局部特征描述算子，其全 称是Scale Invariant Fearture Transform，即尺度不变特征变换。Sift特征点 的提取步骤：

1.构建尺度空间，建立金字塔模型，检测极值点，获得尺度不变性。

2.特征点过滤并进行精确定位。

3.为特征点指定方向参数。

4.关键点描述子的生成。

具体可以参照DAVID G.LOWE的论文(“Distinctive Image Feartures from Scale-Invariant Keypoints”。International Journal of Computer Vision 60(2)，91-110，2004)，最终提取出来的特征点信息包括特征点在图像上的亚 像素坐标以及128维的特征向量。

(3)利用初始图像的二维物理信息得到两幅初始图像在像素级上的 二维偏移量，确定两幅初始图像的重叠区域；