[发明专利]基于关键点描述算子的分块快速匹配方法

摘要

本发明提出一种基于关键点描述算子的分块快速匹配算法，即通过分块局部信息的特征点选取以达到高效图像特征匹配的算法。它首先使用SIFT特征提取方法获得图像特征点；然后再对图像的SIFT特征点进行快速准确的匹配；通过基于角度假设的Neighbor‑select算法对非匹配点进行局部快速匹配，并在已经确认的匹配几何邻域中剔除误匹配点来降低计算复杂度和匹配的时间损耗。实验结果表明：与标准SIFT算法相比，基于关键点描述算子的分块快速匹配算法在实时性和鲁棒性方面得到了进一步的提升，在实际图像匹配中具有一定的应用价值。

主权项

一种基于关键点描述算子的分块快速匹配算法，其特征在于：具体实现步骤如下：步骤一：SIFT特征提取。提取图像序列中的SIFT特征点，建立初始点集，为后续的图像特征点匹配做准备。SIFT算法的本质就是从图像中提取局部特征，在尺度空间寻找极值点，提取位置、尺度、旋转不变量。SIFT特征提取包括：初步定位特征点、准确定位特征点、确定特征点方向、生成关键点描述算子。步骤二：SIFT特征快速准确匹配。首先，利用步骤一得到的初始特征点集，采用调整缩略图模型建立初始匹配点对；通过计算两组特征点的128维的关键点的欧式距离实现特征点匹配；然后采用Neighbor‑select方法判断匹配对集合是否需要更新，去除误匹配点，并对未匹配特征点进行基于角度假设的快速准确匹配。步骤2.1，调整缩略图模型建立初始匹配点对，先将两个图像的大小调整为缩略图，并使用比率匹配来获得一组匹配和比率，用τ阈值以获得初始种子匹配。步骤2.2，分别对查询图像和目标图像建立关键点描述子集合。128维的关键点相似度量采用欧氏距离，基于该比率，目标图像中的每个特征在目标图像中具有至多一个对应项。如果图像中特征点在目标图像中没有任何匹配点，则使用基于角度假设的Neighbor‑select方法对特征点在目标图像中角度对应区域选择其匹配点。步骤2.3，根据当前匹配对采用角度假设合理推测出下一匹配对，如此使特征匹配在限制的范围内进行，缩小搜索范围，达到快速匹配的目的。最后，利用最近邻和次近邻特征点的比值关系验证匹配的准确性，完成图像的配准。步骤三：利用步骤二所配准的图像，在经过Neighbor‑select满足角度假设的匹配域内，进行进一步的搜索计算；在查询图像域内选择三个新的区域对潜在匹配的特征进行搜索，返回步骤二进行迭代计算提高查询性能，避免重复计 算相同的匹配或特征，保存正确的匹配结果。