[发明专利]多模态图像鲁棒匹配VNS方法

权利要求书

1.一种多模态图像鲁棒匹配VNS的方法，其特征在于包括如下步骤：

步骤1：依据输入图像，采用多尺度多方向的Log-Gabor奇对称滤波器对原始图像进行滤波，获得多个尺度和方向的边缘结构图，然后将多尺度多方向的边缘结构图进行叠加累积，构造用于后续特征提取和描述的原始图像的累积结构特征图I_acc(x,y)，且整幅原始图像I的第s个尺度、第o个方向的Log-Gabor奇对称滤波器滤波结果，表示为包含边缘结构的I_J(s,o)，Log-Gabor奇对称滤波器与人类视觉系统的度量一致；

原始图像的累积结构特征图I_acc(x,y)，计算公式为：

对Log-Gabor滤波器函数J进行逆傅里叶变换，得到Log-Gabor滤波器在空间域内的表达形式：J(x，y，s，o)＝J_Even(x，y，s，o)+i·J_Odd(x，y，s，o)；

采用多个尺度、多个方向的Log-Gabor奇对称滤波器J_odd对原始图像I进行滤波，得到原始图像多个尺度和方向的边缘结构图：

为了消除累积结构特征图I_acc特征值绝对量的影响，采用I_acc的最大特征值b＝max(I_acc)和I_acc的最小特征值a＝min(I_acc)进行归一化：(x,y)表示空间域坐标；J_Ever和J_odd分别表示Log-Gabor滤波器的偶对称滤波器和奇对称滤波器，I_J(x,y,s,o)为原始图像I的像素(x,y)经过第s个尺度、第o个方向的Log-Gabor奇对称滤波器滤波后的值；

步骤2：计算出上述多尺度多方向的边缘结构图在图像水平和垂直方向的累积分量，并逐像素计算出像素点的方向信息，获得特征方向图；其中，采用原始图像在多个尺度和多个方向下的Log-Gabor奇函数滤波器滤波结果图I_J(s,o)，计算图像水平累积分量图和垂直方向的累积分量图和特征方向图θ：

式中，s为尺度索引，α₀为滤波器在方向索引o下的方向角度；

步骤3：在累积结构特征图上提取FAST特征点，以每个特征点为中心，提取该特征点局部邻域范围内的累积结构特征图和特征方向图，构造局部结构特征图方向场，并通过结构特征图方向场信息恢复特征点主方向，根据特征点主方向、累积结构特征图和特征方向图构造在同名特征点间获得高度相似的描述子向量H，利用马氏距离对描述子向量H进行归一化，得到最终的描述子向量：

其中，通过局部结构特征图方向场信息恢复特征点主方向的子步骤如下：

在特征点为中心的W×W局部邻域内逐像素计算坐标点(x、y)处累积结构特征值I_acc(x,y)在图像水平X方向和Y垂直方向上分别获取结构特征分量和构造结构特征图方向场F，利用奇异值矩阵S、酉矩阵U和酉矩阵V对结构特征方向场F进行奇异值分解：F＝USV^T，并根据酉矩阵V的第二列计算结构特征方向场F的主方向信息；

步骤4：将特征匹配分为特征匹配阶段和粗差剔除阶段，在特征匹配阶段计算两两特征向量间的Hellinger距离，以最近邻距离衡量匹配测度，通过双向匹配获得初始匹配结果；

步骤5：在粗差剔除阶段，对优化随机采样方法的收敛性和精度进行改进，对初始匹配结果进行粗差剔除，最终获得高正确率的匹配内点集合。

2.如权利要求1所述的多模态图像鲁棒匹配VNS的方法，其特征在于：在图像水平X方向和Y垂直方向上的结构特征分量和为：

构造的结构特征图方向场F为：

其中，θ为特征方向图，k表示局部邻域内的像素索引。