[发明专利]一种基于小尺度特征点的高精度图像匹配方法

说明书

本发明涉及一种基于小尺度特征点的高精度图像匹配方法，步骤如下：(1)在配准图像上随机选取多个特征点，自动选取多个特征点，同时随机获取多个尺度大、小不同的特征点；(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点中选择三个非共线的小尺度特征点作为匹配特征点；(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数。本方法通过验证特征点的尺度与匹配性能，选取描述能力最强的小尺度特征点用于图像匹配，有利于搜索到定位精度更高的特征点作为变换模型的计算依据，从而提高匹配精度。

技术领域

本发明涉及特征点匹配方法，尤其是一种基于小尺度特征点的高精度图像匹配方法。

背景技术

图像配准是机器视觉领域的一个基本问题，一直是人们研究的热点和难点。图像配准是指在来自不同时间、不同视角或不同传感器的同一场景的两幅或多幅图像之间寻找对应关系。有关图像配准的方法主要分为：基于灰度配准和基于特征配准的方法。

基于灰度配准的方法，也称为相关配准方法，用空间二维滑动模板进行图像配准，不同算法的区别主要体现在相关准则的选择。基于特征点配准方法是首先在原始图像中提取特征，然后建立两幅图像之间特征点的配准关系，具有较高的鲁棒性，比如SURF算法。目前，基于SURF算法图像配准已经得到广泛应用，比如应用于医学图像配准，遥感图像配准等。SURF特征点具有的尺度特性是提取图像中的小尺度特征点进行特征点匹配，并将匹配的小尺度特征点对用于计算图像配准变换模型参数，使待配准图像准确地变换到标准图像位置，以达到配准目的。特征点的匹配是实现图像配准的关键，匹配的精度直接影响着后续配准的精度。算法中根据SURF特征点描述符中包含的特征点邻域信息，采用K最近邻法可以找出每个特征点潜在的两个最佳匹配点，并通过匹配点的距离最佳值与次佳值比率优选出最佳匹配点。

根据SURF特征点的描述方法可知，特征点的尺度是特征点所具有的主要特征之一，并且与特征点的邻域信息存在正比例关系。在基于特征点的图像配准过程中，匹配特征点的定位精度影响着图像间配准的准确性。为了提高图像配准的精度，如何选取适宜尺度的特征点是解决这一问题的关键。

发明内容

本发明的目的在于提供一种基于小尺度特征点的高精度图像匹配方法，选取提取不受图像角度变化影响的特征点，从而提高图像配准的精度。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于小尺度特征点的高精度图像匹配方法，其特征在于：

(1)特征点检测，利用SURF特征点检测算法在配准图像中检测图像特征点；

(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点选择三个非共线的小尺度特征点作为匹配特征点；

(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数。

而且，所述待配准图像到标准图像变换的模型参数为：

上式中，(x,y)和(x',y')为两幅待配准图像中的匹配点坐标，参数矩阵M的6个参数通过图像中3个非共线的匹配点对来建立线性方程计算得到，将最终求出的特征点用于配准变换模型参数的计算，是作为SURF算法图像配准的计算图像配准变换模型参数，使待配准图像准确地变换到标准图像位置，达到配准目的。

而且，所述小尺度特征点具有的位移变换描述能力验证方法：