[发明专利]一种基于特征点拓扑结构的特征匹配算法

说明书

本发明公开了一种基于特征点拓扑结构的特征匹配算法，首先通过特征点描述子向量余弦相似度计算出双向最优匹配点对，再通过计算双向最优匹配点对的拓扑结构来剔除错误匹配的点对，然后使用剩下的匹配点对计算单应矩阵，再将注册图像中所有特征点进行映射，剔除映射后坐标不匹配的点对，得到最终匹配点对，根据每次匹配的点对数进行打分，并保留相应的匹配得分；比较所有匹配得分，保留最大的匹配得分作为此注册图像与输入图像的匹配得分，匹配结束。本发明能够计算出更加精准稳定的单应矩阵，从而在匹配点对时效果更好，可确保对一对图像进行多次匹配时得到的匹配结果相同，避免出现原本可以匹配的图像在某次匹配中判断为图像不匹配的情况。

技术领域

本发明涉及一种安全栓装置，具体是一种基于特征点拓扑结构的特征匹配算法，属于安全栓装置技术领域。

背景技术

目前，在指纹识别领域，普遍的存在一个问题，特征点匹配准确率低。在一副指纹图像中可能会有多个局部区域很相似，导致指纹特征点的描述子向量就会非常相似，在特征匹配阶段就变的困难。在遇到包括含有噪声、畸变等质量低的指纹图像时，效果会更差，匹配精度更低。

业界现有的特征点匹配方案主要是从描述子向量的汉明距离计算匹配的，记待匹配的两幅图像分别为注册图像和输入图像。具体方案如下：

记fpctX₁，fpctX₂，...，fpctX_n为注册图像提取的n个特征点；

记iptY₁，iptY₂，...，iptY_m为输入图像提取的m个特征点；

(1)计算输入图像中每个特征点iptY_q描述子向量与注册图像中所有特征点fpstX描述子向量的汉明距离，取出最小距离mindis的一对点(iptY_q，fpctX_p)，1≤p≤n，1≤q≤m和次小距离secdis的一对点(iptY_q，fpctX_t)，1≤t≤n，1≤q≤m。若mindis＜threshold*secdis，则认为距离最小点对(iptY_q，fpctX_p)是一对匹配点。最终，得到匹配点对集合kpsList。

(2)通过RANSAC(Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法)方法对匹配点对集合kpsList中的错误匹配点对进行剔除。通过随机选点迭代计算单应矩阵，剔除不满足该单应矩阵变换关系的点对，直到找到一个最佳单应矩阵。

(3)通过单应矩阵将注册图像提取的所有特征点坐标映射到输入图像坐标系下，计算在局部区域内余弦相似度cosine最大且点对欧式距离和特征点主方向偏差在给定阈值范围内的点对，记为一对匹配点对。最终得到所有的匹配点对。

在实际操作过程中，上述方法存在如下问题：

(1)由于指纹图像局部区域相似性较大且图片会有畸变，往往存在很多假匹配点对比真匹配点对的汉明距离更小，因此通过描述子向量汉明距离的方式计算匹配点对的准确率较低。

(2)RANSAC方法是一种随机抽样，每次的选点的结果不一致。首先迭代次数无法控制，其次因为是随机选择，每次选取计算单应矩阵的点可能不同，从而导致每次匹配结果可能不同。对相同的一对图像进行匹配，多次实验可能得到不同的匹配结果，甚至原本可以匹配的图像在某次匹配中判断为图像不匹配。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于特征点拓扑结构的特征匹配算法，能够计算出更加精准稳定的单应矩阵，从而在匹配点对时效果更好。