[发明专利]一种鲁棒的模糊图像匹配方法

说明书

本发明涉及一种鲁棒的模糊图像匹配方法。其步骤为：首先输入存在模糊程度不等的两幅图像。其次，提取了一组尺度不变特征变换SIFT点，为了进一步提高SIFT描述符的特殊性，应用了三尺度不变同心圆区域来生成描述符。第三，为了降低SIFT描述符的高维和复杂性，采用局部保留投影LPP技术来降低描述符的尺寸。最后，利用欧氏距离相似度测量得到匹配特征点。本方法不仅能减少数据量，而且能提高匹配速度和匹配精度，可适用于其他图像匹配方法中。

技术领域

本发明涉及计算机视觉技术领域,具体的说是一种鲁棒的模糊图像匹配方法。

背景技术

图像匹配是图像处理的特殊领域，通过图像匹配，在同一场景的不同图像之间提取一致性的特征点，来确定图像之间对应的几何关系，得到一副匹配后的图像，匹配后的图像比单一的图像更能精确的描述图像场景，一般情况下，可以采用基于局部特征提取与匹配的方法进行图像匹配，这些局部特征提取和匹配的方法主要考虑了输入图像的尺度和旋转不变性，没有考虑较大的计算数据量以及实时性，对于模糊场景下的图像匹配不能有效的、准确的得到对应的匹配点对。

发明内容

针对现有技术中存在的上述不足之处，本发明提出一种鲁棒的模糊图像匹配方法，该方法利用三尺度中心不变圆形区域以及LPP技术对描述符进行降维，在增强特征点可区分性的同时，大大提高了运算效率，正确匹配率也得到很大提升，鲁棒性增强。

本发明为实现上述目的所采用的技术方案是：一种鲁棒的模糊图像匹配方法，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；

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。

所述步骤S3中对特征点进行描述为指定描述符的方向性信息。

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。

所述步骤S4中的应用局部投影映射LPP方法降低特征点描述符维数，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: