[发明专利]一种面向重复纹理及非刚性形变的像对高效稠密匹配方法

权利要求书

1.一种面向重复纹理及非刚性形变的像对高效稠密匹配方法，其特征在于，包括以下步骤：

第一步：降采样待匹配像对，在低分辨率空间下通过DeepMatching算法获得稀疏匹配点集；

第二步：采用随机抽样一致方法剔除第一步中获得的稀疏匹配点集中的外点；

第三步：利用第二步得到的匹配结果估计相机位姿及缩放比例确定每个点对稠密化过程中的邻域；处理方法为：

3.1：确定卷积区域，通过降采样因子α的取值对卷积区域的大小进行确定，而后通过相机位姿确定卷积区域的位置，同时为确定卷积区域，采用公式(1)进行计算：

V:V(S)→(N,M,pos_i) i＝1,2,3,....,n (1)

其中,→代表返回过程，V对稀疏匹配点集S估算区域的近似比值k，通过k值选择合适的邻域大小N和M进行卷积，同时通过S中匹配点计算出相机位姿，确定卷积区域的中心pos_i；

3.2：在S内挑选匹配图像中的边界点，构成四边形，该四边形的边长定义为边界点距离，继而最大边界距离比上最小边界距离获得比值k：

通过获得比值k，再通过M＝k*N，得到邻域M的大小；

3.3：为保证结果的离散程度，通过公式(3)在以p为中心N*N大小的邻域中，综合距离方差与投影值，获得局部特征明显的点集：

l_i＝D(o_ij,dis(i)) i＝1,2,...,n j＝1,2,...,8 (3)

其中l_i是待匹配点集合，dis(i)是距离中心点p_i的偏移距离，o_ij为公式(4)计算获得的投影值；

o_ij＝I_xcosq_i+I_ysinq_i (i＝1～8,q_i＝45°*i) (4)

其中，i代表邻域中每个像素，j对应每个像素8方向投影值，通过每个像素的横向梯度I_x的八个方向上的余弦值与纵向梯度I_y相对应的八个方向上的正弦值相加得到每个像素在八个方向上的投影值o_ij；

3.4：根据匹配点集S计算得到的相机位姿x与方向数组dir确定卷积区域的中心pos_i：

pos_i＝U(S_i,x,dir) i＝1,2,...,n (5)

3.5：从S内挑选偶数个数据，两两为一组，以其中一组中的第一个数据为原点，计算第二个数据与第一个数据的差值来获得旋转偏移值，两个旋转偏移值相减得到坐标象限的偏差dif，而后指针dir根据坐标象限差dif的情况指向不同的方向数组，继而使得邻域提取的HOG信息与当前待匹配点集合l_i中的信息分布方向一致；

3.6：通过上述过程确定了与待匹配点集合l_i所对应匹配的区域大小M与匹配区域中心pos_i，则完成邻域的选择；

第四步：根据第三步中获得的邻域，提取内点所在邻域的HOG描述符；

第五步：对第四步中获得的描述符进行卷积得到分数矩阵；

第六步：对第五步中得到的分数矩阵进行归一化，继而筛选出新增匹配点集的相对坐标；

第七步：将第六步中获得相对坐标还原为匹配像对上的绝对坐标来达到稠密匹配的目的。

2.根据权利要求1所述的一种面向重复纹理及非刚性形变的像对高效稠密匹配方法，其特征在于：第一步的操作方法为，引入降采样因子α，加快获得大尺寸像对的稠密匹配结果，并根据其取值对待匹配图像I和目标匹配图像I'进行降采样，而后通过DeepMatching算法获得像对降采样后的稀疏匹配点集S＝{p,p',s}，其中I中的特征点p与I'中的特征点p'构成一对配点，s是匹配点之间的相似度分数。