[发明专利]一种鲁棒的模糊图像匹配方法

权利要求书

1.一种鲁棒的模糊图像匹配方法，其特征在于，包括以下步骤：

S1：输入存在模糊程度不等的两幅原始图像；

S2：利用尺度不变特征变换SIFT算法提取两幅原始图像上的特征点；

S3：分别在两幅原始图像上特征点周围建立三个尺度不变的中心圆形区域，对特征点进行描述形成两幅原始图像各自的特征点描述符；

S4：采用局部投影映射LPP方法降低特征点描述符的维数，用于提高算法运算效率；包括：

a.定义由三个尺度不变的中心区域描述的特征点描述符LSIFT为(x₁,x₂,…x_m),x_i表示其中一幅图像的特征点描述符LSIFT；y_i＝w^Tx_i表示转换向量w的一维描述，定义相似性矩阵S(s_ij＝s_ji)：

b.选择一个合适的投影即为最小化目标函数f的求解:

其中，D是对角矩阵D_ii＝∑_jS_ij，L＝D-S是拉普拉斯矩阵；存在以下约束：

Y^TDY＝w^TXDX^Tw＝1

c.最小化目标函数f的求解问题被简化为：

w^TXDX^Tw＝1

d.转换为广义特征值问题：

XLX^Tw＝λXDX^Tw

其中，XLX^T,XDX^T都是对称、半正定矩阵；

e.令w是广义特征值λ的列向量，投影矩阵W_LPP＝(w₀,w₁,…w_l-1)，PD的每个向量w_i(i＝0,1,…,l-1)都有128个维度，则投影矩阵将128维的描述符向量降低到了l维，因此128维描述符被转化为：

TPD＝PD·W_LPP

其中，TPD是一个l维的局部描述符，l＜＜128；

S5：对降维后的两幅原始图像各自的特征点描述符进行匹配，在两幅图像中选择精确的匹配点对。

2.根据权利要求1所述的一种鲁棒的模糊图像匹配方法，其特征在于步骤S3中所述对特征点进行描述为指定描述符的方向性信息。

3.根据权利要求2所述的一种鲁棒的模糊图像匹配方法，其特征在于所述指定描述符的方向性信息包括：

对每个特征点使用4×4共16个种子点来描述，将每个种子点所在区域的梯度直方图在0°-360°之间划分8个方向区间，利用高斯窗口对其进行加权运算，产生128维的特征向量；

定义由三个尺度不变的中心区域描述的特征点描述符LSIFT表示为：

PD＝α₁L₁+α₂L₂+α₃L₃

其中L_i(i＝1,2,3)是128维SIFT描述符，PD是加权后的128维描述符，α₁,α₂,α₃是预设的加权系数。

4.根据权利要求1所述的一种鲁棒的模糊图像匹配方法，其特征在于步骤S5中所述的描述符匹配包括：

计算两个描述符TPD_i,TPD_j之间的欧式距离，采用最近邻比次近邻算法得到精确的匹配点对：

D_最近邻/D_次近邻＜T

其中，D_最近邻和D_次近邻分别表示以当前像素点为原点时的最近邻距离和次近邻距离，T表示匹配所用的阈值，当前像素点即为匹配点对。

5.根据权利要求4所述的一种鲁棒的模糊图像匹配方法，其特征在于步骤S5中所述的D_最近邻和D_次近邻按照如下公式计算：

其中，TPD_i表示降维后任意特征点i的描述符，TPD_j表示降维后特征点j的描述符，TPD_i,m表示特征点i描述符的第m维向量，TPD_j,m表示特征点j描述符的第m维向量，l表示降维后的维数。