[发明专利]一种图像特征点匹配的误匹配剔除方法及系统

权利要求书

1.一种图像特征点匹配的误匹配剔除方法，其特征在于，所述误匹配剔除方法包括：

根据第一图像对应的第一特征点集和所述第一特征点集中每一第一特征点的空间域特征描述符，以及第二图像对应的第二特征点集和所述第二特征点集中每一第二特征点的空间域特征描述符，利用最近邻方法得到所述第一图像和所述第二图像匹配时的初始匹配集合；

根据所述第一特征点集、所有所述第一特征点的空间域特征描述符、所述第二特征点集和所有所述第二特征点的空间域特征描述符，计算每一所述第一特征点的频谱域特征描述符和每一所述第二特征点的频谱域特征描述符；

根据所有所述第一特征点的频谱域特征描述符和所有所述第二特征点的频谱域特征描述符，利用最近邻方法获取多个种子点；

根据所述初始匹配集合，在距离约束下确定每一所述种子点对应的种子点邻域；

对于每一所述种子点邻域，利用自适应局部仿射验证方法对所述种子点邻域内的匹配进行筛选，得到剔除后匹配集合；

所述根据所述第一特征点集、所有所述第一特征点的空间域特征描述符、所述第二特征点集和所有所述第二特征点的空间域特征描述符，计算每一所述第一特征点的频谱域特征描述符和每一所述第二特征点的频谱域特征描述符具体包括：

根据所述第一特征点集、所有所述第一特征点的空间域特征描述符、所述第二特征点集和所有所述第二特征点的空间域特征描述符，建立权重矩阵；

根据所述权重矩阵计算拉普拉斯矩阵；

对所述拉普拉斯矩阵进行特征谱分解，获得矩阵特征谱；

根据所述矩阵特征谱计算每一所述第一特征点的频谱域特征描述符和每一所述第二特征点的频谱域特征描述符；

所述根据所述第一特征点集、所有所述第一特征点的空间域特征描述符、所述第二特征点集和所有所述第二特征点的空间域特征描述符，建立权重矩阵具体包括：

其中，W为权重矩阵；W₁为第一特征点集对应的第一权重矩阵；C为第一特征点集和第二特征点集间的联合权重矩阵；W₂为第二特征点集对应的第二权重矩阵；

其中，为W₁中第x₁行、第x₂列的元素值；f(x₁)为第x₁个第一特征点的空间域特征描述符；f(x₂)为第x₂个第一特征点的空间域特征描述符；x₁＝1，2，...，n₁；x₂＝1，2，...，n₁；n₁为第一特征点集中第一特征点的个数；

其中，为W₂中第y₁行、第y₂列的元素值；f(y₁)为第y₁个第二特征点的空间域特征描述符；f(y₂)为第y₂个第二特征点的空间域特征描述符；y₁＝1，2，...，n₂；y₂＝1，2，...，n₂；n₂为第二特征点集中第二特征点的个数；

c_x,y＝e^{-||f(x)-f(y)||}；

其中，c_x,y为C中第x行、第y列的元素值；f(x)为第x个第一特征点的空间域特征描述符；f(y)为第y个第二特征点的空间域特征描述符；x＝1，2，...，n₁；y＝1，2，...，n₂；

所述根据所述权重矩阵计算拉普拉斯矩阵具体包括：

其中，为拉普拉斯矩阵；I为单位矩阵；D为对角矩阵；W为权重矩阵；W为n×n矩阵；

其中，为D中第d₁行第d₁列的元素值；为W中第d₁行第d₂列的元素值；d₁＝1，2，...，n；d₂＝1，2，...，n；

所述根据所述初始匹配集合，在距离约束下确定每一所述种子点对应的种子点邻域具体包括：

其中，N_i为第i个种子点对应的种子点邻域；x′为第一特征点集中的任一第一特征点；y′为第二特征点集中的任一第二特征点，且x′和y′组成的匹配属于初始匹配集合；为第i个种子点中的第一特征点；λ₁为超参数；R₁为第一图像的距离阈值；为第i个种子点中的第二特征点；R₂为第二图像的距离阈值；

所述利用自适应局部仿射验证方法对所述种子点邻域内的匹配进行筛选，得到剔除后匹配集合具体包括：

在每一次迭代时，随机选取处于所述种子点邻域内的多对匹配，对所述多对匹配进行拟合得到初始仿射模型；

计算所述种子点邻域中每一对所述匹配的置信度得分，根据所有所述匹配的置信度得分确定所述初始仿射模型中的局内点个数；

判断当前迭代次数是否达到预设迭代次数，若是，则停止迭代，选取所有迭代中局内点个数最多的初始仿射模型作为仿射模型，利用所述仿射模型对所述种子点邻域内的匹配进行筛选，剔除所述种子点邻域中不满足所述仿射模型的匹配，得到剔除后匹配集合；

若否，则返回“随机选取处于所述种子点邻域内的多对匹配”的步骤，继续迭代。