[发明专利]直线特征的特征向量构建方法、特征匹配方法和计算设备

说明书

本申请涉及一种直线特征的特征向量构建方法、特征匹配方法和计算设备，本申请在原始图像上进行降采样与高斯模糊处理建立高斯尺度金字塔，并在各层级图像上提取直线段；将直线段的矩形邻域区域记为支持区域，并建立局部坐标系；根据支持区域内全局的像素灰度值大小顺序将支持区域划分为多个子区域；以子区域中像素点为圆心构造同心圆结构，在圆环上间隔采样像素点，并对该局部的灰度值大小进行排序编码；将灰度值排序编码通过加权直方图的形式构造为特征向量，进行特征向量匹配。通过本申请，提高了处理纹理信息较少的直线特征匹配中准确率和召回率，并对单调光照变化、图像旋转、视角变化、尺度变化、局部遮挡等情况具有较好的鲁棒性。

技术领域

本申请涉及图像处理领域，尤其涉及一种直线特征的特征向量构建方法、特征匹配方法和计算设备。

背景技术

图像特征匹配是图像处理领域的重要研究方向，其主要任务是利用图像中提取的显著、独特的特征配准不同拍摄条件下获得的同一场景的两幅或者多幅图像，广泛应用于图像拼接、三维重建、目标识别、位姿估计等计算机视觉与模式识别领域。人造景观如建筑物、工业制造等场景能够提供大量的直线特征，并且图像直线特征相比于点特征能够提供更为直观的几何与结构特征信息。直线特征匹配的难点主要在于提取的直线通常断裂为多个直线段、长度各异、端点提取不准确，以及图像中的光照变化、图像旋转、视角变化、尺度变化和局部遮挡。

目前的直线特征匹配方法主要分为两大类：基于局部纹理的直线匹配方法和基于几何与拓扑信息的直线匹配方法。

文章“MSLD:A robust descriptor for line matching.Pattern Recognition,2009,42(5):941-953”提出了一种利用局部纹理信息构建特征描述的方法，利用直线邻域区域的像素灰度梯度信息进行特征匹配，通过求取灰度梯度的均值、标准差固定描述子的特征向量维数解决直线段长度各异的问题。但由于采用的是固定尺寸的特征提取窗口，并且构建的特征向量需要丰富的纹理信息提供支持，因此无法处理纹理信息较少、尺度变化以及视角变化较大等较为极端的场景。

文章“Robust line matching through line-point invariants.PatternRecognition,2012,45(2):794-805”构建了仿射变换与射影变换下的平面直线-点不变量用于直线匹配。该方法高度依赖于特征点匹配结果建立直线-点不变量，选用不同的特征点匹配方法将得到不同的直线特征匹配结果，但匹配的召回率通常偏低,并且不适用于特征点稀少的场景。

文章“Hierarchical line matching based on Line-Junction-Line structuredescriptor and local homography estimation.Neurocomputing,2016,207-220”提出了一种多直线结构进行直线匹配的方法，并假设形成该结构的两条相邻直线及其交点在空间中共面。通过建立灰度梯度方向直方图对该结构的邻域纹理信息进行描述，实现两两直线同时匹配，在光照变化、图像旋转、视角变化场景能得到较高的准确率和召回率。但在纹理信息较少的场景下无法获得足够稳定可靠的灰度梯度信息。

从以上分析可以看出，基于图像灰度梯度的方法在直线特征匹配领域得到广泛应用，但在局部纹理信息不足的情况下无法提供足够显著、独特的特征信息，并且需要额外考虑尺度变化、视角变化等场景。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种直线特征的特征向量构建方法、特征匹配方法和计算设备。