[发明专利]一种基于全局-局部一致性网络的图像特征匹配方法

说明书

本发明涉及一种基于全局‑局部一致性网络的图像特征匹配方法，该方法包括获取参考图像和感知图像之间的假定匹配点集；计算假定匹配点集之间的向量长度和角度，并生成一个三维的运动向量分布图；利用全局变换一致性模块对运动向量分布图进行粗分类得到纯净的内点集；利用内点集作为假定匹配点集的邻域，为每个特征点构建邻域图；利用局部邻域一致性模块对邻域图进行相似度评估，获得优化后的对应关系。本发明可以在不依赖于任何预定义变换模型的情况下，处理各种各样的变换模式(刚性和非刚性)，有效地过滤掉错误的匹配，并完全保留正确的对应关系。

技术领域

本发明涉及遥感图像处理技术领域，特别是指一种基于全局-局部一致性网络的图像特征匹配方法。

背景技术

特征匹配是遥感和摄影测量的基本任务之一，其重点在于识别具有重叠区域的两个场景之间的依赖对应关系。作为一种重要的图像匹配工具，特征匹配在图像配准与融合、三维重建、基于内容的图像检索、全景图像拼接、目标识别与跟踪、同时定位与映射(SLAM)中起着至关重要的作用。

匹配问题通常以两步的方式解决，即首先构建一个假定匹配的集合，然后从其中去除误匹配。很多时候，假定匹配集合是通过简单地挑选出具有足够相似特征描述符(例如，尺度不变特征变换，SIFT)的点对来形成的。然而，由于局部描述符的模糊性(尤其是当图像存在低质量、遮挡和重复模式时)，假定点集中除了包括大部分的真实匹配(内点)外，还包括一些虚假匹配(冗余点)。因此，设计一个鲁棒的方法来消除冗余点以提高匹配的可靠性是至关重要的。

尽管误匹配剔除问题在过去的几年里有了长足的发展，但实际应用中仍然需要一个准确、稳健、高效的算法，其中的挑战主要存在于以下三个方面。首先，一个图像对之间的几何变换通常是事先未知的，因此迫切需要一种能够处理各种变换的通用算法。其次，实际计算机视觉任务中的特征匹配问题通常受到物体变形、低质量成像、重复结构等因素的影响，导致出现大量的误匹配，从而增加了建立准确对应关系的难度。第三，实际应用中的图像配准通常不是简单的参数化变换模型，而是复杂的非刚性模型，容易造成计算负担过重，匹配效果不佳。

综上，如何在有大量误匹配的前提下，设计一种处理各种变换(刚性和非刚性)且效率高，能够在实时场景中应用的通用算法，是本领域技术人员亟需解决的问题。

发明内容

针对现有的图像特征匹配方法的缺点，本发明提出一种基于全局-局部一致性网络的图像特征匹配方法，该算法能够从假定的特征对应集中去除误匹配，且不依赖于任何预定义的转换模型。

本发明的技术方案提供一种基于全局-局部一致性网络的图像特征匹配方法，包括以下步骤：

步骤1，利用特征点提取算法获得图像之间的假定匹配点集；

步骤2，对SIFT生成的假定匹配点集，计算点集之间的向量长度和角度，并生成一个三维的运动向量分布图；

步骤3，利用全局变换一致性模块对步骤2中的运动向量分布图进行粗分类，不仅要剔除冗余点，同时剔除和冗余点黏连的内点，得到纯净的内点集；

步骤4，利用步骤3中获得的内点集作为假定匹配点集的邻域，为每个特征点构建邻域图；

步骤5，利用局部邻域一致性模块对步骤4中的邻域图进行相似度评估；

步骤6，利用步骤5中得到的特征点的相似值分布，获得优化后的对应关系。

而且，步骤1中，考虑一个图像对，我们可以采用现有的特征检测和描述算法SIFT和最近邻匹配NNDR来获得假定匹配点集。