[发明专利]结合区域匹配和点匹配的大视角图像匹配方法

权利要求书

1.一种结合区域匹配和点匹配的大视角图像匹配方法，包括如下步骤：

(1)输入图像：分别输入存在大视角变化的两幅图像；

(2)MSER检测：

对两幅图像分别进行最大稳定极值区域MSER检测，得到多个具有仿射不变性的不规则极值区域；

(3)MSER拟合：

3a)对每个不规则极值区域，按照下式计算拟合区域的点：

(x-μ)^TU^-1(x-μ)＝(x-μ)^TM(x-μ)＝1

其中，x表示拟合区域的点，μ表示不规则极值区域的均值，T表示转置，U表示不规则极值区域的方差，M表示不规则极值区域的二阶矩矩阵；

3b)将获得的所有拟合区域点构成椭圆拟合区域；

(4)MSER归一化：

4a)按照下式计算归一化区域的点：

z＝sH^-1M^1/2(x-μ)

其中，z表示归一化区域的点，s表示缩放因子，6≤s≤10，H表示二阶矩矩阵M奇异值分解得到的实对称酉矩阵，M表示不规则极值区域的二阶矩矩阵，x表示拟合区域的点，μ表示不规则极值区域的均值；

4b)将获得的所有归一化区域点构成归一化区域；

(5)MSER描述：

用SIFT特征描述子对归一化区域进行描述，形成128维SIFT描述符；

(6)MSER匹配：

采用最近邻比次近邻的策略，在两幅图像中选择初始的匹配区域对；

(7)尺度不变特征点检测：

在初始的匹配区域对内，利用SIFT方法检测尺度不变的特征点，确定特征点的精确位置信息和特征尺度信息；

(8)特征点描述：

8a)获取特征点的基于MSER的128维SIFT描述符；

8b)获取特征点的基于MSER的2维空间描述符；

(9)采用结合距离的相似性策略，在两幅图像中选择精细的特征点匹配对。

2.根据权利要求1所述的结合区域匹配和点匹配的大视角图像匹配方法，其特征在于：步骤(6)中所述的最近邻比次近邻策略是指在两幅图像中，将描述符中最近邻距离的区域除以次近邻距离的区域，如果描述符中最近邻距离的区域除以次近邻距离的区域的值小于0.85，则将该描述符中具有最近邻距离的区域作为一对初始的匹配区域对。

3.根据权利要求1所述的结合区域匹配和点匹配的大视角图像匹配方法，其特征在于：步骤8a)中所述的基于MSER的128维SIFT描述符步骤如下：

第一步，选取椭圆邻接区域：在特征点尺度所在的高斯图像上，选取一个以特征点为中心，同时满足椭圆邻接区域的椭圆率和椭圆邻接区域的面积两个条件的椭圆邻接区域，其中，椭圆邻接区域的椭圆率等于该特征点所属MSER拟合区域的椭圆率，椭圆邻接区域的面积等于20.25乘以特征点尺度的平方；

第二步，椭圆邻接区域归一化：将椭圆邻接区域归一化到一个半径为4.5σ的圆邻接区域，其中σ为特征点的特征尺度；

第三步，圆邻接区域描述：用SIFT特征描述子对圆邻接区域进行描述，形成基于MSER的128维SIFT描述符。

4.根据权利要求1所述的结合区域匹配和点匹配的大视角图像匹配方法，其特征在于：步骤8b)中所述的基于MSER的2维空间描述符的步骤如下：

第一步，将特征点所在的MSER区域归一化为单位圆区域；

第二步，利用特征点和单位圆区域的空间关系，形成基于MSER的2维空间描述符l和θ，l表示特征点离圆心的距离描述符，θ表示特征点的主方向减去圆心指向该点方向的方向差的角度描述符。

5.根据权利要求1所述的结合区域匹配和点匹配的大视角图像匹配方法，其特征在于：步骤(9)中所述结合距离的相似性策略步骤如下：

第一步，按照下式计算两幅输入图像对应区域内的任意两个特征点的结合距离：

D(p，q)＝α₁E₁(p，q)+α₂E₂(p，q)+(1-α₁-α₂)E₃(p，q)

其中，D(p，q)表示两幅输入图像对应区域内特征点p，q的结合距离；α₁和α₂分别表示两个加权因子，0≤α₁≤1，0≤α₂≤1，0≤α₁+α₂≤1；E₁(p，q)表示两幅输入图像对应区域内特征点p，q两点SIFT描述符之间的欧氏距离；E₂(p，q)表示两幅输入图像对应区域内特征点p，q距离描述符之间的距离；E₃(p，q)表示两幅输入图像对应区域内特征点p，q角度描述符之间的距离；

第二步，按照下式选择精细的特征点匹配对：

D(k，m)/D(k，n)＜T

其中，D(k，m)表示一个MSER区域内特征点k与所获得的匹配MSER区域内的特征点m之间的结合距离，D(k，n)表示一个MSER区域内特征点k与所获得的匹配MSER区域内的特征点n之间的结合距离，T表示阈值，T的取值范围在0.7到0.85之间。