[发明专利]基于点特征的图像适配性判断方法

权利要求书

1.一种基于点特征的图像适配性判断方法，其特征在于，步骤为：

(1)结合基准图数据库和实时图得到最优退化模型，即通过输入严格对准的基准图数据库中的基准图与相应的实时图、若干种退化模型及参数范围，最终输出一组理想最优退化模型；

(2)利用最优退化模型结合基准图数据库进行图像适配性评价，得到基准图图像集合的适配性排序结果；即，通过输入基准图数据库中的基准图图像集合、由上述步骤(1)得到的一组最优退化模型，最终输出基准图图像集合的适配性排序结果。

2.根据权利要求1所述的基于点特征的图像适配性判断方法，其特征在于，所述步骤(1)的具体步骤为：

步骤1.1、对基准图数据库中的基准图I_ref与实时图I_obs进行灰度归一化预处理，用特征提取算法进行特征提取，得到基准图特征点集合F_ref和实时图特征点集合F_obs，根据下式(6)，得到真点集合F_real，其中f为图像的特征点；

对一幅参考图I_ref和相应的实时图I_obs，定义真点集合为F_real：

Freal={f|∀f∈Freal,s.t.e0(f,Fref)=1,e0(f,Fobs)=1}---(6)]]>

其中，e0(f,F)=1if∃fk∈F,f=(x,y),s.t.|x-xk|≤0,|y-yk|≤00otherwise;]]>

步骤1.2、选取一种退化方式对预处理后的基准图进行参数为{v 2_v…m·v}的m次退化，m为自然数，v为退化模型的参数，对这m次图像进行特征提取，得到特征点集合的集合Ω_F＝{F₁，F₂，…，F_m}；

步骤1.3、根据F_ref及Ω_F，由下式(7)计算F_ref中所有特征点的重复性RF；

定义特征点的重复性RF为：

RF(i)=Σj=1mep(fi0,Fj)m---(7)]]>

步骤1.4、由下式(8)对F_ref中的特征点进行排序，得到FO序列，表示对原特征点的序列进行重新排序后所得到新的序列中第k个位置的特征点，F₀为对基准图进行特征提取，得到特征点集合，n₀为特征点集合F₁中特征点的个数，O为排序算子；

FO=O(F0)={f0′0,f1′0,...,fn0′0},s.t.∀fk′0∈FOfk′0∈F0∀fk0∈F0fk0∈FO∀0≤l<n≤n0RF(fl′0)≥RF(fn′0)---(8)]]>

步骤1.5、根据FO序列及真点集合F_real绘制真点率曲线，计算积分选取积分值最大的退化模型及参数范围作为优化退化模型；其中，定义真点率ω(c)为FO(c)特征点集合中所有特征点属于真点集合F_real的比率，FO(c)为FO序列前c％的特征点对应的集合。

3.根据权利要求2所述的基于点特征的图像适配性判断方法，其特征在于，所述步骤(2)的具体步骤为：

步骤2.1、对基准图数据库中基准图进行灰度归一化预处理，用步骤(1)得到的最优退化模型对其进行m次退化，得到m幅幅图像；再分别提取特征，得到特征点集合的集合Ω_F＝{F₁，F₂，…，F_m}；

步骤2.2、对基准图进行特征提取，得到特征点集合F₀；根据F₀和Ω_F，由上式(7)计算F₀中所有特征点的重复性RF；

步骤2.3、由上式(8)对F₀中的特征点进行排序，得到FO序列；再由下式(9)计算适配性评价函数g，根据每幅基准图计算出的适配性评价函数，在基准图图像集合中给出适配性排序结果：

g=Σc=1tRFO(c)·|Fref|---(9)]]>

其中，FO(c)为FO序列前c％的特征点对应的集合，RFO(c)为FO(c)集合中所有特征点对应的最低RF，定义真点率ω(c)为FO(c)特征点集合中所有特征点属于真点集合F_real的比率，t为实验次数，|F_ref|为特征点个数。