[发明专利]一种基于级联二值编码的图像匹配方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于级联二值编码的图像匹配方法。

背景技术

图像匹配是计算机视觉、图像处理等领域的关键技术，在三维重建、图像拼接、目标识别等方面具有广泛的应用。特别是在大范围场景的三维重建问题中，由于大规模图像之间的匹配需要耗费大量时间，导致三维重建的速度非常慢。因此，快速、准确的图像匹配是亟待解决的问题。

图像匹配技术大致可以分为三类：点匹配，线匹配和区域匹配。由于其对光照变化、仿射变换和视角变化的鲁棒性，点匹配的重视程度较高，许多有效的算法被提出。然而，点匹配通常是非常耗时的，一对图像匹配的计算时间复杂性为O(N²)，其中N为平均每幅图像的特征点个数。在暴力匹配情况下，特征点匹配问题可以被看作是一个最近邻查找问题。作为替代方案，提出了近似最邻近查找，其中比较著名的是基于树的模型，在这种模型下，数据被非常有效地存储，从而取得非常快的搜索速度。但是所有基于树的方法在高维情况其搜索效率大大下降，有时候甚至不如简单的线性查找。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于级联二值编码的图像匹配方法，可以实现高效和准确的图像匹配。

为实现上述目的，本发明提供了一种基于级联二值编码的图像匹配方法，

所述方法包括：

步骤S1，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集；

步骤S2，将所述候选特征点的候选子集映射到高维汉明空间；

步骤S3，建立汉明距离-数据地址的哈希表；查询所述汉明距离-数据地址的哈希表，从而得到最佳匹配特征点。

进一步的，所述步骤S1具体为：步骤S11，通过短的哈希码做粗哈希查询，图像中的所有特征点通过局部位置敏感哈希方法映射成m位的哈希函数的哈希码。

进一步的，所述步骤S11具体为：对于第一图像I中的第一特征点p，用m位哈希码建立一个哈希查找表，第二图像J中所有和第一特征点p落到同一个哈希桶中的特征点被返回；

其中，通过局部位置敏感哈希生成L个不同的哈希函数

g_l(q)＝(h_1,l(q),h_2,l(q),…,h_m,l(q)),l=1,2,…，L，对应于每个哈希函数，建立一个哈希表，将第一图像I中的第一特征点p投入到哈希桶g_l(p)中，其中，l=1,2,…，L。

进一步的，所述步骤S2具体为：通过n位哈希函数(n>m)将这些候选特征点映射到高维汉明空间中，然后在所述高维汉明空间中进行汉明距离的计算并排序。

进一步的，所述步骤S3具体为：

计算查询点与候选特征点之间的第一汉明距离；

以所述第一汉明距离为键，以候选特征点的内存地址为值建哈希表；

遍历所述汉明距离-数据地址的哈希表的数据库，并建立汉明距离-数据地址哈希表；

从键值最小的桶开始查找，直到找满预设个候选特征点为止，找到的预设个候选特征点是与查询点汉明距离最小的预设个候选特征点。

本发明图像匹配方法，其匹配采用了一个三层的哈希结构，通过逐层筛选的过程实现快速准确的特征点匹配，处理速度快，效果好，可实现高效和准确的图像匹配。

附图说明

图1为本发明一种基于级联二值编码的图像匹配方法的流程图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明图像匹配方法提出了一种由粗到细的级联二值编码方法，综合了哈希方法的查询和排序两种查找策略，大大提升了图像特征点匹配的速度，匹配采用了一个三层的哈希结构，通过逐层筛选的过程实现快速准确的特征点匹配。

图1为本发明一种基于级联二值编码的图像匹配方法的流程图，如图所示，本发明具体包括如下步骤：

步骤101，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集；

本步骤是基于多哈希表的候选特征点查询。