[发明专利]基于点到直线距离的广义点集匹配方法

说明书

技术领域

本发明属于机器视觉和图像处理领域中的点集匹配方法，具体涉及到点集匹配方法，重点研究了基于点到直线距离的广义点集匹配技术。

背景技术

随着科学技术的发展，基于广义点集的图像匹配在机器视觉、模式识别、工业检测及医学影像等领域都有着广泛的应用，也将成为现代信息领域中一个十分重要的技术。然而，现代技术对图像匹配的准确性、精度性、和高效性有了进一步的要求。

点集匹配的主要目的对图像的研究简化为点集的研究，通过搜寻参考图像和目标图像中的广义点集，建立一种一一对应关系，从而提高匹配效率。然而，广义点集具有方向性，是离散的，因此在寻找对应点时存在一定的困难。虽然现在已有使用基于广义有向点的图像匹配方法，基本实现了像素点的粗匹配，但是匹配精度还是不能达到预期目标，因此需要改进并研究精度更高的方法。如何提高精度与效率，也是当前匹配技术研究的热点。

而为了提高匹配的稳定性和速度，我们使用迭代最近点方法（Iterative ClosestPoint，ICP），该方法一直得到广泛关注，很多学者也对此做了大量研究。由于从图像中提取的有向点是离散的，在寻找某个参考点附近目标点时，将进行全部邻域点的搜索，导致效率低。研究者也提出大量方法，如基于k-d树的方法、不同的距离度量等方法，来提高ICP算法效率及精度。同时，在目标点集的快速查询中，当使用以参考点为中心，使用固定的方形邻域时，将会影响精度，把离群点错误地当做对应点，极大的影响图像匹配的精准性及高效性。

发明内容

针对上述缺陷或改进需求，本发明提出基于点到直线距离的广义点集匹配方法，其主要目的是先将几何滤波的亚像素级广义有向点作为特征，根据目标点集的快速查询和最近点的变邻域寻找这两种方法，从而建立了有向点之间的对应关系，然后根据点线距离来迭代地求解变换参数，大大提高了精准性及高效性。

为实现上述目的，提供了基于点到直线距离的广义点集匹配方法。包括以下步骤：

（1）从参考图像和目标图像中分别提取广义有向点集，如图1的参考图像、图2的目标图像所示，得到参考有向点集{p₁,p₂…p_m}和目标有向点集{q₁,q₂…q_n}；其中，参考有向点集共有m个有向点，目标有向集标共有n个有向点；

（2）设置初始参数，包括初始变换参数、最大迭代次数、循环过程中的迭代次数及最小均方根RMS改变值；其中，在设置初始变换参数时，对于相似变换参数包括平移x、y方向平移参数、缩放参数、旋转参数，分别用t_x0,t_y0,s₀,φ₀表示；其中，t_x0,t_y0,s₀,φ₀是设定的一个初始值，每经过一次迭代，用总流程图步骤（4）寻找对应点对，通过步骤（5）求解目标点集与参考点集间的相似变换参数，且当迭代cnt次时，用t_xcnt,t_ycnt,s_cnt,φ_cnt表示此参数；如果是仿射变换，则包括x、y方向平移参数、斜切参数、x、y方向缩放参数、旋转参数，分别用t_x0,t_y0,h₀,s_x0,s_y0,φ₀表示，其应用与相似变换参数类似；

程序中最大迭代次数用max_cnt表示，如果迭代次数cnt大于max_cnt将跳出循环；初始的迭代次数设置为0，即cnt=1，且每循环一次其值加1；最小均方根RMS改变值设置为min_rms，并判断误差变化是否小于min_rms，如果小于则终止循环；

根据以上初始条件，变换参考点集，得到初始参考有向点集，设置为P₀；其中，P₀只是一个初始点集，每经过一次迭代，通过新的变换参数t_xcnt,t_ycnt,s_cnt,φ_cnt，得到新的参考点集，具体见总流程图步骤（6），当迭代cnt次时，用P_cnt表示；