[发明专利]一种图像匹配方法及系统

说明书

本申请涉及图像匹配技术领域，特别涉及一种图像匹配方法及系统。所述图像匹配方法包括：步骤a：读取模板图像和待匹配图像，对模板图像和待匹配图像进行稀疏傅里叶变换；步骤b：分别计算所述稀疏傅里叶变换后的模板图像和待匹配图像的幅度谱；步骤c：根据所述幅度谱对模板图像和待匹配图像进行对数极坐标变换；步骤d：将所述模板图像和待匹配图像的对数极坐标变换结果进行相位相关，获得旋转角度、缩放系数和平移量，根据所获得的旋转角度、缩放系数和平移量对所述模板图像和待匹配图像进行匹配。本申请省去传统傅里叶－梅林变换的高通滤波步骤，避免了传统图像匹配算法中高通滤波带来的误差，后期做相位相关更精确，算法智能化明显提升。

技术领域

本申请涉及图像匹配技术领域，特别涉及一种图像匹配方法及系统。

背景技术

根据已知模板图像，在另外一幅图中寻找子图像的过程称为图像匹配。图像匹配是计算机视觉中的一个重要组成部分，在图像拼接、目标检测与跟踪、视频稳定、视频稳定、视频监控等领域具有广泛的应用。

相位相关算法是一种常用的图像匹配方法，通过计算模板图像和待匹配图像在频域的相位差，从而得到模板图像在待匹配图像中的相对位置。当模板图像和待匹配图像之间存在旋转和缩放时，只用相位相关算法会出现偏差和错误，需要使用傅里叶－梅林变换进行图像匹配，傅里叶－梅林变换不仅能够计算出模板图像在待匹配图像中的位置，还能计算二者之间的旋转角度和缩放系数。

傅里叶－梅林变换算法步骤如下：

1)分别对模板图像t(x，y)和待匹配图像i(x，y)进行傅里叶变换，得到T(u，v)和I(u，v)；

2)分别计算T(u，v)和I(u，v)的幅度谱M_T(u,v)和M_I(u,v)；

3)对幅度谱进行高通滤波，然后将幅度谱转换到对数－极坐标，得到M_T(lgρ,θ)和M_I(lgρ,θ)；

4)运行相位相关算法计算M_T(lgρ,θ)和M_T(lgρ,θ)之间的相对平移，进而得到旋转角度Δθ和缩放系数λ；

5)根据Δθ和λ对待匹配图像进行变换，得到仅存在平移量的图像I＇(x，y)；

6)对t(x，y)和I＇(x，y)运用相位相关算法，得到平移量(Δx，Δy)。

西安电子科技大学的那彦的专利《基于傅里叶梅林变换的图像几何匹配方法》公开了一种基于傅里叶梅林变换的图像几何匹配方法，解决了待匹配图像和参考图像间旋转角度较大的匹配精度差、时间长的问题。匹配过程包括：

1、用傅里叶梅林变换求待匹配图像和参考图像间的旋转角；

2、对旋转角矫正，得到初步匹配图像；提取上述两幅图像显著图的特征点；

3、对特征点关联；

4、求解仿射变换模型；

5、用该模型变换初步匹配图像，用双线性差值法对变换后图像差值，得到最终匹配图像。

该图像匹配方法能有效处理待匹配图像与参考图像间旋转角度较小的情况，且可处理两图像间旋转角较大的情况，匹配时间远小于SIFT算法的匹配时间。

2012年，麻省理工学院(MIT)的4位研究员提出了一种新的信号处理算法—稀疏傅里叶变换(Sparse Fast Fourier Transform，SFFT)算法。该算法通过利用信号频域的稀疏特性，以与信号长度成亚线性关系的时间复杂度及高概率重构出信号完整频谱，其效率是传统快速傅里叶变换(Fast Fourier Transform，FFT)算法的10－100倍。