[发明专利]一种基于特征描述符的圆弧匹配方法

说明书

本发明针对不同变换下具有圆弧特征的图像，提出了一种基于特征描述符的圆弧匹配方法。首先用ELSD方法在原图像中提取圆弧；然后将圆弧表示为圆弧带，生成圆弧支撑区域，在支撑区域中构建圆弧描述符(CBD)，得到带状描述矩阵(BDM)；最后利用几何属性和最小描述符距离约束生成候选匹配对，用邻接矩阵建立两组候选匹配对之间的关系图，得到最终的圆弧匹配结果。通过大量的数据分析结果证明，本发明所提出的基于特征描述符的圆弧匹配方法在平移、旋转、缩放变换和光照变化下，均具有较多的正确匹配数和较高的匹配正确率，对图像处理、机器视觉、自主导航等领域的发展具有重要意义。

技术领域

本发明涉及图像匹配技术领域,具体涉及一种基于特征描述符的圆弧匹配方法。

背景技术

图像一般由点、线、面等基本要素特征组成，图像匹配在三维重建、目标识别、目标跟踪以及视觉导航等方面都有重要应用，一般基于特征描述符的图像匹配都会涉及三个步骤：特征提取，描述和匹配。

现有技术中关于点匹配、直线匹配、曲线匹配及区域匹配已有较多研究，但是对圆弧匹配的研究甚少，特别是对基于特征描述符的圆弧匹配研究更少。到目前为止，涉及圆弧提取算法包括霍夫变换(HT)、EDCircles等，但是EDCircles算法是在用EDPF(Edge DrawingParameter Free)算法检测边缘的基础上，再用EDLines算法将边缘转换为直线，最后结合两种启发式算法将直线转换为圆弧，提取效率及提取准确度难以保证。

圆弧匹配目前主要存在以下困难：1)与点匹配较容易选取一个固定大小的区域计算描述符不同,不同长度的圆弧具有不同大小的支撑区域,缺乏合适的区域归一化策略来计算区域描述符；2)圆弧描述比直线描述更困难，圆弧的不同位置，像素分布规律不同，更加剧了这种困难；3)与点匹配的极线约束能够提供很强的全局约束不同,极线几乎不能为圆弧匹配直接提供有效的位置约束,增加圆弧匹配时的搜索空间,同时也增大误匹配的可能性。

在国内外尚未见关于基于特征描述符的圆弧匹配的任何相关报道。所以说，研究一种具有更多正确匹配数和更高匹配正确率的基于特征描述符的圆弧匹配方法对于圆弧匹配的发展及对图像处理、机器视觉等领域的发展具有重要意义。

发明内容

本发明所要解决的技术问题在于针对现有技术中圆弧匹配实现困难，提出一种基于特征描述符的圆弧匹配方法，创造性的结合八象限理论，提取圆弧时通过在生成的圆弧支撑区域中构建圆弧描述符CBD，匹配效率及匹配精度高，对图像处理、机器视觉、自主导航等领域的发展具有重要意义，需要说明的是，本发明所述的圆弧包括圆以及各种优弧和劣弧。

本发明是采用以下的技术方案实现的：一种基于特征描述符的圆弧匹配方法，包括以下步骤：

步骤A、为保证在不同尺度变换下图像的缩放不变性，通过高斯金字塔构建尺度空间，提取圆弧；根据圆弧描述过程，所提取的圆弧输出到圆弧描述步骤中所包含的信息包括：每条圆弧上的像素数、每条圆弧上每个像素的坐标、提取圆弧条数、每条圆弧的端点坐标、圆弧弦的方向等等；由于圆弧的长度不同，所以其所包含的像素数不同，处于不同位置的圆弧像素数规律也是不同的，本发明通过多次研究设计，其中，在求取圆弧上的像素数时创新性的结合圆弧所在位置分成八象限来分析；

步骤B、对上述提取的圆弧进行描述，包括以下步骤：

B1、以提取后的圆弧为中心圆弧，生成圆弧支撑区域；

B2、在支撑区域中构建圆弧描述符CBD；

步骤C、根据生成的CBD描述符进行圆弧匹配。

进一步地，所述步骤A中对圆弧提取包括以下步骤：

A1、尺度缩放：输入原始图像，对输入图像进行尺度缩放；为了消除图像的锯齿效应，需要对输入的图像进行高斯采样，所述尺度取0.8；