[发明专利]一种基于平行线匹配的图像配准方法

说明书

技术领域

本发明涉及图像识别技术领域，特别是指一种基于平行线匹配的图像配准方法。

背景技术

近年来，随着计算机技术的发展，图像分析从早期只局限于静态图像的处理和分析到如今的动态图像分析，这一领域正引起了人们越来越浓厚的兴趣。事实上，动态景物在客观世界中更加普遍，图像序列能为我们提供更丰富的信息。因而，在实际的运动目标检测中，常常面临的是摄像头也存在运动的动态场景，由此形成了动态视频序列。

由摄像头运动产生的全局运动会扩大视频流中的信息量，给人以愉悦的视觉感受。但是，在运动目标检测过程中，这些全局运动会带来各种负面影响，使得目标检测变得更为复杂，图像匹配速度慢，准确率降低。

发明内容

本发明要解决的技术问题是提供一种基于平行线匹配的图像配准方法，能够提高图像匹配的速度和准确性。

为解决上述技术问题，本发明的实施例提供一种基于平行线匹配的图像配准方法，所述方法包括：

利用优化尺度不变特征转换算法获取相邻两帧图像特征点；

利用平行线法对相邻两帧图像中的特征点进行匹配，去除特征点匹配误差；

计算匹配的特征点的相对移动，得到全局运动参数。

优选的，所述利用优化尺度不变特征转换算法获取相邻两帧图像特征点，包括：

检测尺度空间特征点；

对特征点进行定位；

建立特征点方向参数；

形成特征点的特征向量。

优选的，所述对特征点进行定位，包括：

通过拟合三维二次函数确定特征点的位置和尺度；

所述建立特征点方向参数，包括：

利用特征点邻域像素的梯度方向分布特性建立特征点的方向参数。

优选的，所述形成特征点的特征向量，包括：

将坐标轴旋转为特征点方向；

以特征点为中心对特征点邻域所在尺度空间的像素进行划分；

确定高斯加权范围；

计算高斯加权范围内像素各梯度方向的模值得到特征点的特征向量。

优选的，所述以特征点为中心对特征点邻域所在尺度空间的像素进行划分，包括：

以特征点为中心对特征点邻域所在尺度空间的像素划分为16×16的方格，每个方格代表特征点邻域所在尺度空间的一个像素；

所述计算高斯加权范围内像素各梯度方向的模值得到特征点的特征向量，包括：

在高斯加权范围内每4个方格计算8个方向的梯度方向直方图，计算每个梯度方向的模值的累加值，形成一个种子点；

获取每个种子点的第一大梯度模值和第二大梯度模值；

利用高斯加权范围内种子点的第一大梯度模值和第二大梯度模值形成特征点的特征向量。

优选的，所述利用平行线法对相邻两帧图像中的特征点进行匹配，包括：

在参考帧图像中选取第一特征点，所述参考帧图像为相邻两帧图像中的前一帧图像；

在当前帧参考图像中选取与第一特征点距离最近的第二特征点和第三特征点，所述当前帧参考图像为相邻两帧图像中的后前一帧图像；

计算第一特征点与第二特征点的距离得到第一距离，计算第一特征点与第三特征点的距离得到第二距离，所述第一距离小于第二距离；

将第一距离与第二距离相比得到距离比；

将距离比与预先设置的距离比阈值进行比较，当所述距离比小于预先设置的距离比阈值时，所述第一特征点与所述第二特征点匹配。

优选的，所述去除特征点匹配误差，包括：

利用最小二乘法和平行线法中的至少一种方法剔除错误匹配的特征点。

优选的，所述利用优化尺度不变特征转换算法获取相邻两帧图像特征点，包括：