[发明专利]结合区域匹配和点匹配的大视角图像匹配方法

摘要

一种结合区域匹配和点匹配的大视角图像匹配方法。其步骤为：1、输入存在大视角变化的两幅图像；2、用MSER对图像进行区域检测，利用区域的均值和方差来拟合椭圆区域；3、将椭圆区域归一化成圆区域，用SIFT描述子对其进行描述；4、采用最近邻比次近邻策略，选择初始的区域匹配对；5、在匹配区域对内，利用SIFT方法检测特征点；6、对特征点进行描述，得到基于MSER的128维描述符以及2维空间描述符；7、采用结合距离的相似性策略，在两幅图像中选择精确匹配点对。本发明克服了现有技术中特征点描述符不具有仿射不变性以及没有考虑空间信息的缺陷，可以提取出具有较高正确率的匹配点对，更好的用于图像配准。

主权项

一种结合区域匹配和点匹配的大视角图像匹配方法，包括如下步骤：(1)输入图像：分别输入存在大视角变化的两幅图像；(2)MSER检测：对两幅图像分别进行最大稳定极值区域MSER检测，得到多个具有仿射不变性的不规则极值区域；(3)MSER拟合：3a)对每个不规则极值区域，按照下式计算拟合区域的点：(x‑μ)TU‑1(x‑μ)＝(x‑μ)TM(x‑μ)＝1其中，x表示拟合区域的点，μ表示不规则极值区域的均值，T表示转置，U表示不规则极值区域的方差，M表示不规则极值区域的二阶矩矩阵；3b)将获得的所有拟合区域点构成椭圆拟合区域；(4)MSER归一化：4a)按照下式计算归一化区域的点：z＝sH‑1M1/2(x‑μ)其中，z表示归一化区域的点，s表示缩放因子，6≤s≤10，H表示二阶矩矩阵M奇异值分解得到的实对称酉矩阵，M表示不规则极值区域的二阶矩矩阵，x表示拟合区域的点，μ表示不规则极值区域的均值；4b)将获得的所有归一化区域点构成归一化区域；(5)MSER描述：用SIFT特征描述子对归一化区域进行描述，形成128维SIFT描述符；(6)MSER匹配：采用最近邻比次近邻的策略，在两幅图像中选择初始的匹配区域对；(7)尺度不变特征点检测：在初始的匹配区域对内，利用SIFT方法检测尺度不变的特征点，确定特征点的精确位置信息和特征尺度信息；(8)特征点描述：8a)获取特征点的基于MSER的128维SIFT描述符；8b)获取特征点的基于MSER的2维空间描述符；(9)采用结合距离的相似性策略，在两幅图像中选择精细的特征点匹配对。