[发明专利]基于数据聚类的鲁棒SIFT特征匹配方法

摘要

基于数据聚类的鲁棒图像SIFT特征匹配方法，步骤如下：(1)获取参考图像序列，提取SIFT特征集，采用合成k-d数据结构对全部SIFT特征集进行聚类，合并重复特征集为聚类特征，聚类特征的特征描述子采用重复特征平均描述子表示，(2)利用SIFT方法获取实时图像序列特征集，将参考图像序列与实时图像序列进行鲁棒匹配，选择包含特征点最多的对应参考图像作为关键图像，完成第一阶段特征匹配，(3)利用关键图像完成第二阶段特征匹配，采用RANSAC、基本矩阵等技术进行外点剔除。最后合并两阶段特征匹配结果。本匹配方法能够降低噪声信息干扰，极大提高特征匹配的鲁棒性。

主权项

一种基于数据聚类的鲁棒图像SIFT特征匹配方法，其特征在于步骤如下：(1)获取参考图像序列，提取图像SIFT特征集，合并全部图像SIFT特征集中包含的重复特征为聚类特征，降低噪声干扰，提高特征匹配鲁棒性；(2)扩展k‑d数据结构为合成k‑d数据结构，使合成k‑d数据结构节点能够容纳聚类特征，实现基于合成k‑d数据结构的特征聚类过程；(3)基于合成k‑d数据结构的两阶段SIFT特征匹配过程，第一阶段利用合成k‑d数据结构进行聚类特征匹配，对于匹配成功的聚类特征，基于最优概率投票策略为其包含的全部重复特征对应参考图像进行投票，最后选择包含特征点最多参考图像作为关键图像，第二阶段利用关键图像完成特征匹配；针对两阶段匹配过程中生成的匹配特征集，合并属于相同关键图像的所有匹配特征序列作为最终匹配特征集并对匹配错误特征点进行外点剔除工作。