[发明专利]一种基于特征向量的快速高精度鲁棒性匹配方法

权利要求书

1.一种基于特征向量的快速高精度鲁棒性匹配方法，其特征在于实现步骤如下：

(1)分别对两幅待匹配的图像进行SIFT特征点的提取，并对每个提取的特征点计算其特征向量，对应所述两幅待匹配的图像获得两个待匹配的特征点集合A、B，所述每个提取的特征点对应一个128维的特征向量，从而得到两个特征向量的集合；

(2)在步骤(1)获取两幅图像的特征点后，使用表面拟合技术使所提取的特征点的位置精确到亚像素级；

(3)通过步骤(1)和步骤(2)得到两个特征向量的集合后，利用PCA主成分分析法对特征向量进行降维操作；

(4)在步骤(3)获取两幅图像精确的特征点及特征向量后，利用Kd-tree对两组待匹配的特征点集进行简单的匹配，对于集合A中的每个点在集合B中寻找特征向量间欧氏距离最近的特征点；

(5)在步骤(4)得到一系列匹配点对以后，用MLESAC(Maximum likelihood estimation sample consensus)算法对该匹配点对的集合进行筛选，去除可能的误匹配特征点，保证匹配的精确性和鲁棒性；

(6)将得到的精确匹配点对在两幅匹配图中显示出来，并将点对连接，得到最终的匹配效果图。

2.根据权利要求1所述的一种基于特征向量的快速高精度鲁棒性匹配方法，其特征在于：所述步骤(1)对待匹配图像进行特征点提取并计算特征向量的过程如下：

(1.1)对一个输入图像I(x，y)，建立一个图像金字塔，然后对每级图像用高斯滤波对图像进行卷积操作；卷积公式如下：

L(x,y,kδ)=G(x,y,kδ)⊗I(x,y)]]>

其中G(x，y，kδ)是标准高斯方程，其中kδ表示标准偏差维度，L(x，y，kδ)则是滤后的图像；首先根据不同的k值，k₁，k₂，...，k_n，生成一系列相对应的L₁，L₂，...，L_n滤波图像；

(1.2)根据生成的一系列的滤波图像L₁，L₂，...，L_n，每两幅滤波图像之间生成滤波差分图像D，其定义如下：

D(x，y，δ)＝L(x，y，k_iδ)-L(x，y，k_jδ)

(1.3)在这一系列的滤波差分图像中，对于图像中的每一个点，首先横向比较图像中的每一个点周围的8个像素点看这个点是否是极值，然后在纵向比较看这个点是否是上下相邻滤波差分图像中对应位置的9个像素点的极值点；如果该点在横向、纵向都是极值点则此点作为特征点输出。

3.根据权利要求1所述的一种基于特征向量的快速高精度鲁棒性匹配方法，其特征在于：所述步骤(1)对待匹配图像进行特征点提取并计算特征向量的过程采用均匀取点的方法，具体过程如下：

首先将图像均匀的分割成若干个n×n的小网格，在每一个n×n的小网格里提取到的特征点的个数不超过一个。