[发明专利]一种图像特征匹配方法及系统

权利要求书

1.一种图像特征匹配方法，其特征在于，包括步骤：

S1：读入待进行特征匹配的第一图像和第二图像；

S2：对读入的两张图像上的特征点进行粗匹配；

S3：采用GMS算法对上述粗匹配进行降噪；

S4：对读入的两张图像上的特征点再次进行粗匹配；

S5：根据步骤S4中获取到的粗匹配特征点对，恢复步骤S3中降噪时错误剔除的粗匹配特征点对，得到恢复的错误剔除的粗匹配特征点对；

S6：汇集步骤S3中降噪后得到的粗匹配特征点对及步骤S5中所得到的各恢复的错误剔除的粗匹配特征点对，得到汇集后的粗匹配；

S7：使用RANSAC算法对汇集后的粗匹配进行降噪，得到降噪后的粗匹配，该降噪后的粗匹配即为所述第一图像和所述第二图像的特征匹配；

其中，步骤S2中的粗匹配与步骤S4中再次进行的粗匹配，分别采用不同的匹配器；

步骤S5的实现方法为：

采用相同的图像网格划分方式，分别将所述第一图像和第二图像分割成网格图像，得到第一图像对应的第一网格图像，并得到第二图像对应的第二网格图像；

将步骤S4中获取到的每个粗匹配特征点对均转化为第一网格图像和第二网格图像中相应网格之间的匹配，得到一组网格对，组成集合Q；

将步骤S3中降噪时剔除的每一个粗匹配特征点对，分别转化为第一网格图像和第二网格图像中相应网格之间的匹配，得到对应数量的网格对，分别记为目标网格对；

判断每个目标网格对是否位于集合Q中；

获取所有判定为位于集合Q中的目标网格对对应的粗匹配特征点对并进行恢复，得到各个恢复的错误剔除的粗匹配特征点对。

2.根据权利要求1所述的图像特征匹配方法，其特征在于，步骤S2的实现方法为：

采用ORB算法对第一图像及第二图像进行特征点提取与描述；

采用BFMatcher匹配器对第一图像及第二图像上的特征点进行粗匹配。

3.根据权利要求1所述的图像特征匹配方法，其特征在于，步骤S4的实现方法为：

采用SURF算法检测第一图像及第二图像上的特征点；

采用DLCO描述子，对第一图像及第二图像上检测到的特征点进行描述；

采用opencv中的Knnmatch()函数，对第一图像上的特征点及第二图像上的特征点再次进行粗匹配、并将得到的各粗匹配均记为二次粗匹配特征点对；

将所有二次粗匹配特征点对，按照二次粗匹配特征点对中两特征点之间的欧式距离从小到大的顺序进行排序，获取排在前N位的二次粗匹配特征点对，该获取到的排在前N位的二次粗匹配特征点对即为步骤S4中粗匹配获取到的粗匹配特征点对，其中N为预先设定的正整数。

4.根据权利要求3所述的图像特征匹配方法，其特征在于，所述N的取值范围为m为所述二次粗匹配特征点对的总数量。