[发明专利]一种利用RANSAC消除Brisk关键点错误匹配点对的方法

说明书

技术领域

本发明涉及一种提高匹配精度方法，特别是一种利用RANSAC（Random Sampling Consensus）消除Brisk（Binary Robust Invariant Scale Keypoint）关键点错误匹配点对的方法，从而提高匹配精度的方法，主要用于图像处理、计算机视觉、目标识别和匹配、3D场景重建和目标跟踪。

背景技术

将图像分解为局部感兴趣区域或‘特征’是计算机视觉中广泛应用的技术。图像表达、目标识别和匹配、3D场景重建和运动跟踪都依赖于图像中稳定、表达性强的特征，这些都导致了越来越多对特征提取方法的研究。

理想的关键点检测子发现图像显著性区域，以便发生视角变化时仍然能够重复检测；更一般的是对所有的图像变换都比较鲁棒。类似的，理想的关键点描述子捕捉被检测的图像区域最重要和最具区分性的信息，以便遇到同样地结构时仍然能够被识别。此外，在获得了这些需要的性能之后，检测和描述的速度也需要优化，以满足实时性需求。

目前，SIFT作为一种高性能方法而被广泛接受，独特性强、对许多图像变换具有不变性——然而以计算复杂度作为代价。将FAST检测子和BRIEF描述方法结合起来提供一个更合适的实时应用方法。然而，尽管在速度上面的优势，但它的可靠性和稳健性对图像的变形和变换具有较小的容忍性，尤其是平面旋转和尺度变化。

从图像中抽取合适的特征的内在困难在于平衡两个矛盾的目标：高质量描述和低计算量。对高质量、高速度的特征日益增长的需求导致了更多的学者研究以更高的速率处理更丰富的数据的方法。为此，Stefan et al在2011年提出一种高质量、快速的关键点检测、描述和匹配的方法——Brisk(Binary Robust Invariant Scale Keypoint)。然而，由于环境因素等影响，会出现多个点对应到一个点的错误匹配情况，从而降低了关键点的重复性。因此，如何在保持关键点快速的检测、描述和匹配的基础上，进一步提高匹配精度是目前需要解决的问题。

发明内容

本发明技术解决问题：针对现有技术的不足，提供一种利用RANSAC（Random Sampling Consensus）消除Brisk（Binary Robust Invariant Scale Keypoint）关键点错误匹配点对的方法，在保持关键点快速的检测、描述和匹配的基础上，进一步提高匹配精度。

为实现这样的目的，本发明的技术方案：一种利用RANSAC消除Brisk关键点错误匹配点对的方法，包括如下步骤：

步骤一、图像预处理：采用高斯平滑滤波对待处理的两幅图像分别进行处理，去除噪声的影响，得到滤波后的平滑图像；

步骤二、对步骤一中得到的两幅平滑图像分别进行Brisk（Binary Robust Invariant Scale Keypoint）关键点检测、描述和匹配，得到两幅图像的对应匹配点对；

步骤三、利用RANSAC（Random Sampling Consensus）对步骤二得到的对应匹配点对进行处理，消除错误匹配点对，最终获得正确的匹配点对。

其中，所述步骤二中，对得到的两幅平滑图像分别进行Brisk（Binary Robust Invariant Scale Keypoint）关键点检测、描述和匹配的方法为：