[发明专利]一种局部图像匹配方法

说明书

技术领域

本发明涉及图像处理、计算机视觉、统计机器学习等技术领域，具体涉及一种用于融合多个局部图像特征描述子的局部图像匹配方法，特别是一种用于基于局部图像混合特征提取与逻辑回归分析的融合的局部图像匹配方法，用于鲁棒、可靠地进行局部图像匹配的方法。

背景技术

局部图像特征描述与匹配是计算机视觉技术的核心步骤，它广泛应用于许多计算机视觉应用之中，包括三维重建、物体识别、图像配准等等。局部图像特征描述的目的是用一个向量对输入的局部图像进行表达，通常将构建出的表示向量称为局部图像特征描述子。通过比较不同的局部图像之间的特征描述子的相似性/距离，就可以进行局部图像匹配，以期得到对应于同一物理场景的局部图像匹配关系。然而，由于待匹配图像成像条件的差异，使得同一片物理区域在不同图像中有不同的表观，也就是说待匹配图像中存在着几何变换和亮度差异。一方面，为了容易地匹配不同图像中对应的局部图像，要求局部图像特征描述子具有很强的区分能力，即区分不同局部图像的能力；另一方面，为了克服不同图像之间的几何形变和亮度变化，要求局部图像特征描述子具有很强的稳定性，即对于几何形变和亮度变化的不变性。这两方面的要求使得如何构建有效的局部图像特征描述子是一个极具挑战性的问题。

在过去的十多年里，研究者提出了各式各样的局部图像特征描述子。其中最著名的当属David Lowe提出的SIFT(Scale Invariant Feature Transform)特征描述子，它通过在图像尺度空间中分块构造梯度方向直方图来建立一个128维的向量作为SIFT特征描述子，在计算机视觉和模式识别领域取得了巨大的成功。鉴于SIFT的成功，在它提出来之后，有许多研究者对其进行了改善。SURF(Speeded Up Robust Features)是利用积分图技术对SIFT的近似实现，可以取得与其相当的匹配性能，速度却提高了3-7倍。基于高斯卷积可以快速计算的特性，有研究者提出了可以进行快速稠密计算的特征描述子DAISY。这些特征描述子都是基于局部图像区域内像素点的梯度信息进行特征描述的，对于像素点灰度的线性变化具有不变性。由于像素点的相对灰度大小关系不会随着灰度值的单调变化而改变，具有比灰度线性变化更强的稳定性，因此有研究者提出了基于样本点相对灰度大小关系构建特征描述子来处理复杂/剧烈光照变化下的图像匹配问题。CSLBP特征描述子是利用中心对称的二值编码模式(Center Symmetric Local Binary Pattern)来代替SIFT中的梯度方向直方图，在4x4的分块区域内累加像素点的二值编码模式，最后将每个分块内得到的累加向量串联在一起得到CSLBP特征描述子。此外，还有研究者提出对局部图像区域内的像素灰度值进行排序，统计区域内像素点位置和灰度序的二维直方图来构建OSID特征描述子。MRRID特征描述子则是结合灰度序和中心对称的二值编码模式来构建的。同样利用像素点灰度序进行特征描述的方法还有LIOP。

目前这些局部图像特征描述子各有各的特色和侧重点，尽管它们切实解决了一些问题，然而依然存在缺陷，并没有一种特征描述子可以在普遍情况下都获得比较理想的匹配结果，那么，能否将这些局部图像特征描述子进行有效的融合，取长补短，提高其整体的性能呢？为此，有必要研究融合多种局部图像特征描述子的方法。目前也有一些研究者从事这方面的工作，但只是简单的将几种不同的特征描述子拼接在一起，并没有有效利用这些特征描述子的内在联系，因此获得的性能提升比较有限。这些工作包括：E.Mortensen等人将SIFT特征描述子和形状上下文(Shape Context)描述子首尾相连串联在一起形成新的特征描述子；Canlin Li和Lizhuang Ma将SIFT、形状上下文和颜色不变量串联在一起形成新的特征描述子。

发明内容

(一)要解决的技术问题

本发明的目的是针对融合多种局部图像特征描述子进行局部图像匹配的问题，综合利用模式识别、特征提取、机器学习技术，提供一种有效的局部图像特征描述子的融合方法。

(二)技术方案

本发明提出一种用于融合多个局部图像特征描述子的方法，用于局部图像匹配，包括以下步骤：

步骤S1：对两个待匹配的局部图像，分别提取多种不同类型的局部图像特征描述子(每个特征描述子用一个一维向量表示)，然后将这些一维向量首尾相连，串联在一起，为每个局部图像得到一个描述向量；

步骤S2：对步骤S1得到的描述向量进行二值化，得到两个二值序列，其中每个二值序列称为其对应局部图像的混合特征描述子；