[发明专利]一种基于哈希算法的大规模影像匹配方法

说明书

本发明公开了一种基于哈希算法的大规模影像匹配方法，所述方法包括：步骤1)提取原图像和目标图像的所有特征点；步骤2)在每个特征点处提取特征描述子，并为特征点分配方向值，生成特征向量；步骤3)利用哈希算法将所有的特征向量映射到哈希表，每个特征向量对应一个哈希特征码，利用映射函数将哈希特征码分别分配至若干个桶组中；步骤4)从原图像中选取一个特征点的特征向量为原特征，利用哈希表中的特征向量对原图像和目标图像进行匹配，获取匹配的同名点。本发明方法能够实现大规模影像的快速精确匹配，有效提高大规模影像的匹配效率，同时又可以保证大区域影像匹配的几何精度。

技术领域

本发明涉及影像匹配领域，尤其涉及一种基于哈希算法影像匹配方法。

背景技术

影像匹配是在变换的空间中寻找一种或多种变换关系，使来自不同时间、不同传感器或不同视角的同一场景的两幅或多幅影像在空间位置上保持一致。实质就是在两幅或者多幅影像之间寻找同名点。

计算机视觉领域著名且被广泛应用的SIFT算法通过为图像建立尺度空间及为特征点建立方向向量，从而检测出一种对尺度、旋转变化等都具备不变性的特征点。此算法能够很好地获得特征点的位置及邻域信息，使每个特征点都具有高度的唯一性。但是由于航空影像分辨率一般比较高、重叠率较大、影像数量较多等因素，以及直接利用特征描述子进行距离度量、穷举法的匹配策略，导致SIFT算法在遍历搜索每张影像匹配点的运算量巨大，速度大大降低，无法满足航空无人机摄影的现势性要求。在保证影像匹配精确性、可靠性的前提下，如何优化匹配策略改善和提高大规模影像匹配的效率是其重要的研究内容。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供基于哈希算法的无人机航空大规模影像匹配方法，该方法针对无人机航空大规模影像，基于SIFT特征提取的基础上，采用哈希算法辅助的搜索策略代替穷举匹配方法，进而提高匹配同名点的效率。

为解决上述技术问题，本发明公开了一种基于哈希算法的大规模影像匹配方法，所述方法包括：

步骤1)提取原图像和目标图像的所有特征点；

步骤2)在每个特征点处提取特征描述子，并为特征点分配方向值，生成特征向量；

步骤3)利用哈希算法将所有的特征向量映射到哈希表，每个特征向量对应一个哈希特征码，利用映射函数将哈希特征码分别分配至若干个桶组中；

步骤4)从原图像中选取一个特征点的特征向量为原特征向量，利用哈希表中的特征向量对原图像和目标图像进行匹配，获取匹配的同名点。

作为上述方法的一种改进，所述步骤1)具体为：

采用sift算法为原图像和目标图像建立尺度空间及为特征点建立方向向量，从而检测出一种对尺度、旋转变化都具备不变性的特征点。

作为上述方法的一种改进，所述步骤2)具体为：

以特征点为中心取16*16的邻域作为采样窗口，将采样窗口的采样点与特征点的相对方向通过高斯加权后归入包含8个方向的梯度直方图，最后获得128维特征向量；将每个特征描述子归一化至0-120区间。

作为上述方法的一种改进，所述步骤3)的哈希算法为：MD2、MD4、MD5或SHA-1。

作为上述方法的一种改进，所述步骤3)包括：

步骤3-1)采用正态分布随机数生成器生成所有特征向量的哈希特征码；

步骤3-2)利用映射函数将哈希特征码分别映射至6个桶组，每个桶组含2¹⁰只桶；

步骤3-3)分别计算每个特征向量在6只桶组里的桶ID号。

作为上述方法的一种改进，所述步骤4)具体包括：