[发明专利]结合区域匹配和点匹配的大视角图像匹配方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及一种图像配准技术领域中的结合区域匹配和点匹配的大视角图像匹配方法。本发明能够更加准确的从输入的图像中提取出一致性的特征点，可应用于存在大视角的图像配准中。

背景技术

图像匹配是图像处理的一个特殊领域，通过图像匹配，在同一场景的不同图像之间提取一致性的特征点，来确定图像之间对应的几何关系，得到一幅匹配后的图像。匹配后的图像比单一的图像更能精确的描述图像场景，一般情况下，可以采用基于局部特征提取与匹配的方法进行图像匹配，这些局部特征提取和匹配的方法主要考虑了输入图像的尺度和旋转不变性，但往往忽略了因图像视角变化引起的失真，从而导致不能有效的、准确的得到对应的匹配特征点问题。

清华大学申请的专利“图像匹配方法”(申请号：CN200710176039.9，申请公开号：CN101140624)中公开一种图像匹配的方法。该方法的具体步骤是：首先，利用MSER方法检测出待匹配图像中的同质区域，用椭圆区域方程对检测到的每个同质区域进行拟合；然后，利用椭圆形梯度直方图和多尺度图像分解，得到椭圆区域方程拟合后的同质区域所在测量区域的特征向量；最后，采用分层k均值聚类方法构造同质区域集合的二叉树，进行图像匹配。该方法主要将MSER区域检测方法用于图像匹配，但是该方法仍然存在的不足是，由于图像往往是通过不同的传感器以及在不同的视角下获取的，如果简单的利用MSER区域进行匹配，得到的区域对于尺度变化不具有鲁棒性，也不能解决由大视角变化引起的图像失真问题，这在一定程度上，会降低匹配方法在大视角变化图像中获取鲁棒性一致性点的性能。

Lowe D发表的论文“Distinctive image features from scale-invariant keypoints.”(International Journal ofComputer Vision，vol.60，no.2，pp.91-110)中公开一种特征提取和匹配方法。该方法首先采用尺度空间极值检测搜索所有尺度上的图像位置；然后在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度，基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向；最后，在每个关键点周围的邻域内，利用图像局部的梯度来进行关键点描述，对描述的特征点利用最近邻比次近邻策略进行匹配，得到匹配的特征点。该方法存在的不足是，由于该方法只是考虑了尺度和旋转不变性，并没有考虑仿射不变性。因此在图像存在几何失真的情况下，两幅图像对应点的描述区域不能够覆盖相同的内容，该方法往往得不到满意的结果。

J.-M.Morel and G. Yu发表的论文“ASIFT：A newframework for fully affine invariant image comparison”(SIAM Journal on Imaging Sciences2，438，2009).中公开了一种仿射尺度不变的图像匹配方法。该方法首先通过变换两个相机轴的方向参数，也就是经度角和纬度角，在两个参数空间进行适当采样模拟，使得两幅待匹配的图像形成两组视图；然后，利用SIFT方法对这两组视图进行匹配；最后，提取这两组图像中所有匹配点，并将它们映射到两幅原始图像上。该方法存在的不足是，由于该方法对图像在仿射空间上进行模拟，形成各个视角的图像，消耗了大量的内存；同时在提取出大量的正确匹配点时也引进了大量的误匹配点，致使正确匹配率下降。

发明内容

本发明的目的在于克服上述已有技术的缺点，提出一种结合区域匹配和点匹配的大视角图像匹配方法，以便更好的从输入图像中提取出较多鲁棒性较强的一致性特征点，并具有更高的正确匹配率。

为实现上述目的，本发明对输入图像进行特征检测时，结合区域匹配和点匹配，同时在点匹配中引入了特征点的空间信息来描述特征点，其技术方案是首先对两幅图像进行MSER区域检测以及匹配，在匹配的MSER区域上进行尺度不变特征点检测，然后对特征点进行基于MSER的128维SIFT描述以及空间描述；最后采用结合距离的相似性策略得到较为精确的匹配点对。

本发明的具体步骤如下：

(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：