[发明专利]一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置

权利要求书

1.一种Delaunay三角网约束下的影像匹配粗差剔除方法，其特征在于，包含如下步骤：

S1、对于任意两张需要进行影像匹配的具有重叠区域的影像所构成的影像对，基于SIFT算法分别提取这两张影像的初始匹配点，得到初始匹配点集合；

S2、基于所述初始匹配点集合，采用Delaunay三角网构建局部连接关系；Delaunay三角网采用无向图G＝{V,E}表示；其中V和E分别表示顶点和边集合；

S3、基于步骤S2所构建的局部连接关系，利用线段描述子构建局部辐射约束；

S4、基于步骤S2所构建的局部连接关系，利用空间角度顺序构建局部几何约束；

S5、进行基于局部辐射约束和局部几何约束的粗差剔除和全局约束的匹配结果优化；

其中，步骤S2的具体实现方法如下：

假设P和Q分别表示影像匹配对i₁和i₂提取的特征点；基于步骤S1所得到的初始匹配点集合C＝{(p_i,q_i):i＝1,2,...,n}，n表示特征点的匹配的对数，特征点p_i∈P，特征点q_i∈Q；Delaunay三角网采用无向图G＝{V,E}表示；其中V和E分别表示顶点和边集合；利用影像i₁的初始匹配点构建Delaunay三角网G₁，即每个匹配点p_i定义一个顶点v_i∈V，得到顶点集合V＝{v_i:i＝1,2,...,n}；任意三角形满足Delaunay三角网的空圆属性；同时，利用初始匹配点的对应关系，利用影像i₂的初始匹配点构建G₁的对应匹配图G₂；采用同样的方法利用影像i₂的初始匹配点构建Delaunay三角网G₂，并根据匹配点对应关系构建影像i₁的对应匹配图G₁；

步骤S3具体包含如下步骤：

S31、计算线段描述子量化对应边的相似性：对于Delaunay三角网中的任意一条边e＝(p_i,p_j)，利用下述步骤构建线段描述子：

S311、利用u个内点将顶点p_i和p_j组成的线段l_i,j的局部区域划分为u个圆形区域D_i，圆形区域的圆心为内点，半径为d/(u+1)；其中，u为大于1的正整数；

S312、利用SIFT算法计算每个圆形区域D_i的梯度直方图H_i和主方向w_i；

S313、对于影像i₁和i₂中的两个线段l_i,j和l'_i,j，计算对应圆形区域D_i和D'_i的梯度直方图差值和主方向差值那么，线段l_i,j和l'_i,j的相似性值d_line(l_i,j,l'_i,j)按照公式计算：

其中，λ为组合系数，其取值范围为(0,1)；

S32、根据步骤S2中Delaunay三角网构建的局部连接关系和步骤S31中线段描述子构建的相似性值，得到基于线段描述子的局部辐射约束：

对于无向图G₁中的任意一个顶点v_1i∈V₁，搜索其直接连接顶点集合list_1i＝{v_1j:v_1j∈V₁,j≠i}；同样，对于无向图G₂中的对应顶点v_2i∈V₂，得到对应顶点集合list_2i＝{v_2j:v_2j∈V₂,j≠i}，那么，初始匹配点(p_i,q_i)的不相似性值按照下面公式计算：

其中，是连接无向图G₁中顶点v_1i和v_1j的线段；是连接无向图G₂中顶点v_2i和v_2j的线段；计算对应线段和的距离；N表示集合list_1i和list_2i的元素数量，score_pho的取值构成线段描述子的局部辐射约束；

步骤S4具体包含如下步骤：

对于无向图G₁中的任意一个顶点v_1i∈V₁，搜索其直接连接顶点集合list_1i＝{v_1j:v_1j∈V₁,j≠i}；定义局部极坐标系：极点为v_1i，极轴水平向右，利用顶点v_1i和其任一邻域点v_1j的坐标值可以计算对应的极角a_1i,1j；然后从顶点集合list_1i得到极角集合alist_1i＝{a_1i,1j}，并根据角度值按照逆时针方向排序；顶点v_1i的角度顺序O_1i定义为极角集合alist_1i中顶点的编号顺序；同样，可以得到无向图G₂中对应顶点v_2i∈V₂的角度顺序O_2i；

按照下面公式计算匹配点(p_i,q_i)的不相似性值：

其中，用于计算两个角度顺序和的距离；N表示集合list_1i和list_2i的元素数量；score_geo的取值构成线段描述子的局部几何约束；

步骤S5具体包含如下步骤：

S51、基于局部辐射约束，采用分层策略进行粗差剔除：首先计算每个顶点的不相似性值score_pho，并按照降序排列；然后迭代剔除不相似性值最大的顶点，并更新Delaunay三角网中关联顶点的不相似性值，直到所有顶点的不相似性值小于给定的阈值t_pho；

S52、基于局部几何约束，同样采用分层策略进行粗差剔除：首先计算每个顶点的不相似性值score_geo，并按照降序排列；然后迭代剔除不相似性值最大的顶点，并更新Delaunay三角网中关联顶点的不相似性值，直到所有顶点的不相似性值小于给定的阈值t_geo；

S53、经过上述步骤，得到外点列表olist₁；然后，采用交叉验证策略进行结果优化，即构建Delaunay三角网G₂和对应匹配图G₁，按照步骤S51和S52的处理流程得到外点列表olist₂；那么，如果初始匹配点包含在其中任何一个外点列表，则该匹配点标记为外点；

S54、基于步骤S51-S53进行粗差剔除后，采用基于RANSAC算法的基本矩阵估计作为全局几何约束，对保留的匹配点进一步粗差剔除，得到最终优化后的高精度匹配结果。