[发明专利]基于双向匹配和三角形约束的特征匹配方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种特征匹配方法。

背景技术

在计算机图像处理技术领域有很多重大课题，比如对称检测【5】，宽基线匹配【9】和构建全景图【2】，这些问题的解决都要依赖于从两类特征点中提取具有区分度的准确的匹配。现在已经有很多特征提取的方法，比如Harris角点检测算法【3】，SIFT【7】和SURF【1】，这些算法能够提取得到具有区分度的稳定的特征。然而，特征相似度的度量受限于现有的方法。现在最主要的方法是对描述符做向量点积，然后比较第一近邻和第二近邻之间的比率是否大于某一个预先定义的阈值，由此选择相似度更大的近似匹配，这种方法我们叫做原始匹配方法(OMM)。尽管这种策略能够有效地去除掉几何和光线的变化所造成的影响，但同时可能将本应该是正确匹配的特征剔除掉了。最近一些新的相似度匹配判别的方法被提出，比如基于成双原则的光谱技术【6】，CEMD【8】，这些方法提高了匹配的精度，但是忽略掉了那些大量的本应匹配的点。

参考文献：

[1]H.Bay，T.Tuytelaars，and L.Van Gool.Surf：speeded up robust features.基于快速鲁棒性特征的景象匹配In ECCV，pages 404-417，2006.

[2]M.Brown and D.Lowe.Recognising panoramas.认知全景图In ICCV，pages 1218-1227，2003.

[3]C.Harris and M.J.Stephens.A combined corner and edge detector.一种角点和边缘结合的探测器In Alvey Vision Conference，volume 20，pages 147-152，1988.

[4]H.Jiang and S.Yu.Linear solution to scale and rotation invariant object matching.在物体匹配中对尺度和旋转具有不变性的线性方法In CVPR，pages 2474-2481，2009.

[5]S.Lee and Y.Liu.Curved glide-reflection symmetry detection.弯曲滑移反射对称性检测InCVPR，pages 1046-1053，2009.

[6]M.Leordeanu and M.Hebert.A spectral technique for correspondence problems using pairwiseconstraints.一种利成双约束解决匹配问题的光谱技术In ICCV，volume 2，pages 1482-1489，2005.

[7]D.Lowe.Distinctive image features from scale-invariant keypoints.从尺度不变的关键点中获取具有区分度的特征IJCV，60(2)：91-110，2004.

[8]J.Rabin，J.Delon，and Y.Gousseau.Circular earth mover’s distance for the comparison of localfeatures.用于比较图像局部特征的Circular earth mover距离In ICPR，pages 1-4，2008

发明内容

本发明的目的是，克服现有技术的上述缺陷，提出一种能够提高匹配点的正确率，同时又增加正确匹配的点的个数的特征匹配方法。为此，本发明采用如下的方法：

一种基于双向匹配和三角形约束的特征匹配方法，包括下列步骤，

(1)利用双向匹配方法处理原图A及待匹配的图B，得到初始匹配的特征点；

(2)经过三角剖分算法，利用所得到的初始匹配的特征点组成三角形网格；

(3)对三角形网格里的每个三角形，执行下列的步骤：

1)设原图A的一个三角形的三个顶点为a、b、c，在待匹配的图B中对应的三角形顶点为a’b’c’；

2)设原图A的三角形abc中未能找到对应点的特征点组成集合在三角形a’b’c’中未能找到对应点的特征点组成集合设中一特征点为Pi，以三个顶点a，b，c的坐标进行表示该特征点：Pi＝a+β(b-a)+γ(c-a)，其中β和γ为向量(b-a)和向量(c-a)的系数，设在中Pi所对应的中的特征点为Pe，则Pe的坐标为：