[发明专利]基于双向匹配和三角形约束的特征匹配方法

摘要

本发明属于图像处理技术领域，涉及一种基于双向匹配和三角形约束的特征匹配方法，首先利用双向匹配算法得到初始点，然后使用三角剖分算法来重新组织这些初始点，最后利用基于三角形约束的特征匹配算法来达到提高匹配点的正确率的同时有增加正确匹配的点的个数的结果。本发明对于大多数的几何和光线变化，包括旋转变换，尺度变换，模糊变换，视角变化，JPEG压缩和光线强弱变换，更加鲁棒，能够明显提高匹配点的正确率和匹配点的数目，因此具有更广泛的应用领域，能够取得更好的特征匹配结果，实用性更强。

主权项

1.一种基于双向匹配和三角形约束的特征匹配方法，包括下列步骤，(1)利用双向匹配方法处理原图A及待匹配的图B，得到初始匹配的特征点；(2)经过三角剖分算法，利用所得到的初始匹配的特征点组成三角形网格；(3)对三角形网格里的每个三角形，执行下列的步骤：1)设原图A的一个三角形的三个顶点为a、b、c，在待匹配的图B中对应的三角形顶点为a’b’c’；2)设原图A的三角形abc中未能找到对应点的特征点组成集合在三角形a’b’c’中未能找到对应点的特征点组成集合设中一特征点为Pi，以三个顶点a，b，c的坐标进行表示该特征点：Pi＝a+β(b-a)+γ(c-a)，其中β和γ为向量(b-a)和向量(c-a)的系数，设在中Pi所对应的中的特征点为Pe，则Pe的坐标为：xeye1=xa′xb′xc′ya′yb′yc′111αβγ,]]>其中，α＝1-β-γ；3)以Pe为中心定义以R为半径的置信区间，在这个置信区间内的所有特征点作为Pi的候选匹配特征点，由这些候选匹配特征点组成集合C，定义特征点Pi与C中每一个特征点Cj的相似度：其中，dist_j为特征点Cj和Pi的欧式距离，R为置信区间的半径，D_j和D_cj分别是特征点Pi和特征点Cj的描述符，如果在置信区间内最大相似度的值大于预先定义的阈值，则将相对应的特征点作为一个临时匹配对，处理完中所有的特征点，得到由临时匹配对所组成的集合T；4)定义式其中λ为设定的小于1的正常数，若该式成立，则集合T中所有的临时匹配对成为最终正确匹配的特征点对；若该式不成立，说明三角形abc和三角形a’b’c’的顶点所构成的三对初始匹配的特征点至少有一对是匹配错误的，集合T中的所有的临时匹配对不成为最终的正确匹配特征点对；(4)如果以三角形abc的某个顶点为公共顶点的三角形进行匹配时，这些三角形都没有找到更多的匹配点对，说明这个顶点是在双向匹配算法时匹配错误的点，将其删去。