[发明专利]一种浮点型三角形特征描述方法

说明书

技术领域

本发明涉及计算机视觉领域，特别是涉及一种浮点型三角形特征描述方法。

背景技术

图像匹配一直是计算机视觉领域的研究热点，其功能是将不同时间、不同角度、不同传感器或者不同拍摄条件下得到的两幅图像进行对应，已在视觉导航、目标识别、定位与跟踪、遥感图像处理、图像检索、立体视觉测距和三维重建等方面得到了广泛应用。

图像匹配可用的特征包括点、线、三角形等不同层次的特征。通过对这些特征进行定量描述，可形成特征描述子；通过度量两幅图像中两个特征描述子之间的距离，可确定这两个特征是否匹配，进而决定两幅图像是否匹配。因此，特征描述是决定图像匹配与否的关键环节。目前，绝大多数图像匹配算法应用的是点特征(如斑点或角点)及其描述，过程如下：首先，对两幅图像进行斑点或角点检测；然后，对特征点进行局部特征描述、建立特征描述子；接着，基于特征描述子对两幅图像的特征点进行匹配量度计算，并与设定的阈值进行比较，获取匹配点对；最后，剔除错误匹配点，得出匹配结果。基于点特征描述的图像匹配方法具有匹配精度高的优势。然而，在实际的图像匹配任务中，一幅图像通常能检测到几千个特征点，而每个特征点的特征描述子可长达128维(如SIFT算法)。由于特征点数目较多，且点特征的描述较为复杂，致使图像匹配速度变慢，达不到实时性要求。为了提高匹配速度，一些学者从缩小特征描述子的长度入手进行了改进。例如，SURF算法将SIFT算法的特征描述子从128维降为64维，其速度较之SIFT算法提升了3倍左右；PCA-SIFT则通过PCA降维技术进行压缩。此外，大多数特征描述方法(如SIFT、SURF等)构建的是浮点型描述子。为了提高速度，近年来一些学者提出了二进制描述子(如ORB、BRISK和FREAK等算法)以简化计算，但匹配精度有所下降。所以本发明采用浮点型特征描述子。

与点特征相比，三角形特征包含三个特征点(即三个顶点)，而且在特征点的基础上增加了几何约束。因此，基于三角形进行特征描述与匹配，可提高特征点匹配的可靠性。然而，在现有利用三角形匹配实现特征点匹配的算法中，存在特征单元复杂、特征描述鲁棒性差、匹配速度慢等问题。首先，特征单元复杂的表现为，一个特征单元由多个三角形组成。有的是三角剖分网络中一个节点及其全部相邻节点构成的三角形集合，有的是由一个节点及其最近邻节点组成的三角形链(逆时针或顺时针方向)，还有的是共有一个顶点的三角形序列(逆时针方向)。其次，特征描述鲁棒性差的问题表现为，在三角形特征描述中，多数算法主要利用了三角形的边角关系，有些算法还利用了特征点坐标、角度以及类型等信息。这些特征描述信息相对简单，所以鲁棒性较差。最后，由于特征单元复杂(包含多个三角形)，现有算法的特征描述过程较为耗时，致使匹配速度变慢。

发明内容

本发明提供了一种新的三角形特征描述方法，提高特征描述的鲁棒性，同时大幅降低特征描述的复杂度，显著提升图像匹配速度，解决现有三角形特征描述过于复杂、鲁棒性差和匹配速度慢的问题。

本发明的技术方案是，以单一的三角形作为一个特征单元，以三角形边角关系结合三角形局部区域信息构建38维特征描述子，包括三角形三边和三角构成的六维形状描述子，以及以三角形质心为中心、以三角形最长边的一定比例为半径所确定正方形区域形成的32维区域描述子。具体步骤如下：

第一步：构建六维形状描述子。六维形状描述子包括三角形的三边和三角。假设一个三角形按逆时针顺序排列的三个顶点为v₁、v₂、v₃，则三角形的三个边长l₁，l₂，l₃同样满足逆时针顺序，且由下式计算得到：