[发明专利]一种基于特征的立体图像匹配算法

说明书

本发明涉及一种基于特征的立体图像匹配算法，获取第一、第二图像的特征点，分别形成特征链；第一图像尚未进行匹配的特征链中选择一个新特征点，在第二图像搜索范围内搜索与新特征点相似度高于阈值的对应点，并获取该新特征点所在特征链的下一特征点与第二图像对应点所在特征链的下一特征点的相似性，如果高于阈值则将两个特征链匹配；如果不高于阈值则获取该新特征点所在特征链的后两个特征点与第二图像对应点所在特征链的两个特征点的相似性，如果高于阈值则将两个特征链匹配。本发明所提出的算法与现有算法效率相当，但比现有算法更可靠，特别是对于检测到垂直特征数量的图像。

技术领域

本发明涉及一种基于特征的立体图像匹配算法，属于计算机视觉技术领域。

背景技术

立体匹配的目的是找到立体图像对之间的对应关系。根据信函的要素将其分为两类：第一类是基于像素的方法。该方法估计两幅图像中指定区域内的所有像素，结果，获得密集的深度图。这种方法对于三维重建应用至关重要。然而，该方法主要的缺点是对密集深度图的估计是一个耗时且困难的过程，特别是当存在遮挡时(两个图像中的一个中缺少相应的点)或图像包含均匀区域时(该区域处的像素值几乎是均匀的；即，一个点可以对应于位于相同均匀区域中的点的数量)。第二类是基于特征的方法。与前一种方法相比，该方法仅估计两幅图像之间的特征点对应关系。这将全范围像素对应性估计减少为稀疏像素对应性估计集合。例如，基于特征的方法在视图变形中被应用，因为它比基于像素的方法更快且更可靠。它消除了统一区域内可能发生的匹配歧义，因为统一区域内没有特征点。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于特征的立体图像匹配算法，使用匹配特征链的概念，对垂直特征突出时的图像对应非常有效。

本发明目的通过如下技术方案予以实现：

提供一种基于特征的立体图像匹配算法，步骤如下：

(1)获取第一、第二图像的特征点，提取稀疏特征点，分别形成特征链；特征链长度大于设定阈值；

(2)第一图像尚未进行匹配的特征链中选择一个新特征点，在第二图像设定范围内搜索与新特征点相似度高于阈值的所有对应点，如果存在，则进入步骤(3)；

(3)获取该新特征点所在特征链的下一特征点与第二图像每一对应点所在特征链的下一特征点的相似性，如果均高于阈值则将所在特征链与新特征点所在特征链匹配，进入步骤(5)；如果存在相似性不高于阈值，则进入步骤(4)；

(4)对于相似性不高于阈值的第二图像中对应点所在特征链，获取该新特征点所在特征链的后两个特征点与第二图像对应点所在特征链的两个特征点的相似性，如果高于阈值则将两个特征链匹配，否则两个特征链失配；

(5)如果第二图像中存在不止一个特征链与新特征点所在特征链匹配，则保持新特征点所在特征链与第二图像中相似性最高的特征链匹配；若完成所有特征链的匹配则完成立体图像匹配，若未完成所有特征链的匹配则返回步骤(2)。

优选的，获取第一、第二图像的特征点的方法如下：

获取图像的垂直梯度特征点，从所有正梯度值的特征点中找出垂直梯度大于正向阈值的特征点；从所有负梯度值的特征点中找出垂直梯度小于负向阈值的特征点。

优选的，正向阈值计算公式如下：

其中e_th是经验阈值，Mean_p是正梯度值的平均值。

优选的，负向阈值计算公式如下：

其中e_-th是经验阈值，Mean_n是负梯度值的平均值。