[发明专利]一种基于邻接关系一致的图像特征点误匹配剔除方法

权利要求书

1.一种图像特征点误匹配剔除方法，其特征在于：包括下述步骤，

步骤1：提取特征点；

提取特征点，构建描述向量；

步骤2：特征点匹配；

步骤3：得到内点集；

步骤4：构建邻域关系；

步骤5：计算初始内点集；

步骤6：计算恢复的内点集；

步骤7：得到完整的内点集。

2.如权利要求1所述的一种图像特征点误匹配剔除方法，其特征在于：所述的步骤1包括

采用Harris角点算法分别提取目标图像Is和匹配图像It中的特征点，采用SIFT算法对特征点构建描述向量；然后进入步骤2。

3.如权利要求2所述的一种图像特征点误匹配剔除方法，其特征在于：所述的步骤2包括

采用NNDR(Nearest Neighbor Distance Ratio)算法将目标图像中各特征点分别与匹配图像中的各特征点进行匹配，得到N对初始匹配结果其中x_i，y_i是表示特征点位置的二维列向量；然后进入步骤3。

4.如权利要求3所述的一种图像特征点误匹配剔除方法，其特征在于：所述的步骤3包括

使用Delaunay三角剖分算法对初始匹配点分别进行局部连接，构建三角网，得到点集x，y的邻域内点集k_s、k_t；然后进入步骤4。

5.如权利要求4所述的一种图像特征点误匹配剔除方法，其特征在于：所述的步骤4包括

将三角网中某一节点的直接连接节点设为直接邻接节点，将通过直接邻接节点与该节点相通的节点设为次级邻接节点，构建邻域关系，然后进入步骤5。

6.如权利要求5所述的一种图像特征点误匹配剔除方法，其特征在于：所述的步骤5包括

步骤5.1：计算基于直接邻接节点构建邻接关系的损失函数，基于非刚性形变的图像在局部区域内特征点间的局部邻接关系保持不变的假设，当两个待匹配点集中无外点时，匹配点集中所有的邻接关系将保持一致，因此，我们利用邻域内保持匹配关系的数量占邻域点集总数量的百分比作为判断匹配点对是否为内点的度量指标，邻域内保持匹配关系的数量占邻域点集总数量的百分比越大，证明该邻域的中心点对是正确匹配的可能性越大，将损失函数写为邻域内不能保持邻接关系的百分比与外点数量的和的形式：

其中，为以x_i和y_i为中心的两个邻域内具有匹配关系的点集，匹配关系集由步骤2得到，分别为以x_i和y_i为中心的邻域内的特征点集，该特征点集由步骤3得到，I₁是内点集，在损失函数C₁最小时该集合取得最优解；|·|为集合的基数，等式右边的第一项为针对匹配点的邻域中不能保持匹配关系一致的点对的惩罚项，第二项是通过λ控制强度使内点数量最大化，p_i是一个二值函数，以邻域内保持匹配关系的点对数目是否大于等于2来判断该邻域的中心特征点是否可信任，剔除掉不被信任的连接关系，p_i的表达式如下：

根据(1)式计算基于直接邻接节点构建邻接关系的损失函数C₁，然后进入步骤5.2；(1)式中的λ是输入参数，作为判断内点的阈值，λ取值范围为[0，1]，(1)式中的N是初始匹配后的点对数量，i是第i个匹配的索引，如果第i个匹配的C₁值小于λ，则表示该匹配是一个内点，参数λ和N的数值由外部直接设定。

步骤5.2：计算基于直接邻接节点和次级邻接节点构建邻接关系的损失函数，计算公式如下所示：

其中，分别为以x_i为中心的邻域内具有匹配关系的直接邻接节点集和次级邻接节点集，分别为以y_i为中心的邻域内具有匹配关系的直接邻接节点集和次级邻接节点集，分别为以x_i为中心的邻域内的直接邻接节点集和次级邻接节点集，分别为以y_i为中心的邻域内的直接邻接节点集和次级邻接节点集，I₂是内点集，根据(3)式计算基于直接邻接节点构建邻接关系的损失函数C₂，然后进入步骤5.3，

步骤5.3：根据(4)式计算最终的损失函数C，然后进入步骤5.4；

C＝0.5*C₁+0.5*C₂ (4)

步骤5.4：根据(5)式得到初始内点集I₀，然后进入步骤5.5；

I₀＝{i|C_i≤λ，i＝1，…，N} (5)

λ是输入参数，作为判断内点的阈值，λ取值范围为[0，1]；N是初始匹配后的点对数量，其中，i是第i个匹配的索引，第i个匹配满足c即成本小于λ的，该匹配就是一个内点，

步骤5.5：得到初始正确匹配点集S₁和初始错误匹配点集S₂，S₁＝{x_i，y_i|i＝I₀}，S₂为初始误匹配点集，是S与S₁的差集。