[发明专利]一种运动结构相似性的低秩序列影像匹配点粗差检测方法

权利要求书

1.一种运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，包括如下步骤：

S1：将序列影像的n视m个初始匹配点按横纵坐标xy组成一个m×2n的坐标矩阵X，记第i个初始匹配点构成坐标矩阵的一个行向量为：(X_i1,X_i2,…,X_in)＝(x_i1,y_i1,x_i2,y_i2,…,x_in,y_in)；

S2：对步骤S1所得结果X计算序列影像间匹配点运动结构相似度矩阵D；

S3：对步骤S2所得结果D进行低秩和稀疏分解建模，得到优化模型f(A,E)，其中D＝A+E，A为满足运动结构相似性的低秩矩阵，E为错误匹配点的稀疏矩阵；

S4：对步骤S3所得结果f(A,E)，表达为增广拉格朗日函数L(A,E,Y,μ)，其中Y为拉格朗日乘子，μ为模型的惩罚参数，采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A和稀疏矩阵E；

S5：对步骤S4所得结果E计算其列向量的奇异值得到奇异值向量ζ和其均值mean(ζ)；

S6：对步骤S5所得结果ζ计算其标准差σζ；

S7：对步骤S5所得结果ζ和步骤S6所得结果σζ，判断某列向量奇异值ζ_i与均值mean(ζ)之差是否大于k倍奇异值向量标准差σζ，即ζi-mean(ζ)kσ_ζ，如果是，则该列向量对应的匹配点为错误匹配点，如果否，则该列对应的匹配点为正确匹配点；

所述步骤S2中的运动结构相似度矩阵D，其r行c列表达式为：

其中，Φ^r,Φ^c＝tr(Φ^r(Φ^c)^T)，Φ^r＝(X_r1-X_r2,X_r2-X_r3,...,X_rn-1X_rn)，表示第r个匹配点对应的n视匹配点序列间的运动矢量；表示第c个匹配点对应的n视匹配点序列间的运动矢量，tr(·)为取迹操作，d_D(r,c)为每两对匹配点运动矢量间的Tanimoto相似性度量，exp(.)为取以自然常数e为底的指数函数，σ为标准差；

所述步骤S3中低秩和稀疏优化模型f(A,E)的表达式为：

其中，||A||_*为矩阵A的秩，λ为正则化参数，等于m为初始匹配点数。

2.根据权利要求1所述的运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，所述步骤S4中的增广拉格朗日函数L(A,E,Y,μ)表达式为：

其中，||·||_F是Frobenius范式；

对L(A,E,Y,μ)采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A，其第t+1次迭代表达式为：

其中，svd表示奇异值分解操作，Θ_(·)(·)表示软阈值操作；

对L(A,E,Y,μ)采用ALM法进行低秩和稀疏分解，得到稀疏矩阵E，其第t+1次迭代表达式为：

其中，Ω_(·)(·)表示软阈值操作；

在模型求解过程中，更新Y的第t+1次迭代，表达式为：

Y_t+1＝Y_t+μ_t(D-A_t+1-E_t+1)

更新μ的第t+1次迭代，表达式为：

μ_t+1＝ρμ_t

其中，ρ表达为大于1的步长。