[发明专利]一种运动结构相似性的低秩序列影像匹配点粗差检测方法

摘要

本发明提供了一种运动结构相似性的低秩序列影像匹配点粗差检测方法，包括对初始匹配点计算序列影像间匹配点运动结构相似度矩阵；进行低秩和稀疏分解建模。采用运动结构的几何一致性条件，实现了稳健的匹配点(稀疏或密集)粗差检测，成果既可应用到常规的灰度匹配中，也可以应用于特征跟踪匹配中，并支持多视匹配结果的粗差检测。本发明的方法以运动结构相似性为正确匹配约束条件，构建序列影像匹配点的低秩和稀疏优化模型，完成错误匹配点的检测。本发明方法的处理过程没有近似，并且可在多视影像特征点匹配之后或匹配点跟踪过程中使用，可有效提高正确匹配率。

主权项

1.一种运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，包括如下步骤：S1：将序列影像的n视m个初始匹配点按横纵坐标xy组成一个m×2n的坐标矩阵X，记第i个初始匹配点构成坐标矩阵的一个行向量为：(Xi1,Xi2,…,Xin)＝(xi1,yi1,xi2,yi2,…,xin,yin)；S2：对步骤S1所得结果X计算序列影像间匹配点运动结构相似度矩阵D；S3：对步骤S2所得结果D进行低秩和稀疏分解建模，得到优化模型f(A,E)，其中D＝A+E，A为满足运动结构相似性的低秩矩阵，E为错误匹配点的稀疏矩阵；S4：对步骤S3所得结果f(A,E)，表达为增广拉格朗日函数L(A,E,Y,μ)，其中Y为拉格朗日乘子，μ为模型的惩罚参数，采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A和稀疏矩阵E；S5：对步骤S4所得结果E计算其列向量的奇异值得到奇异值向量ζ和其均值mean(ζ)；S6：对步骤S5所得结果ζ计算其标准差σζ；S7：对步骤S5所得结果ζ和步骤S6所得结果σζ，判断某列向量奇异值ζi与均值mean(ζ)之差是否大于k倍奇异值向量标准差σζ，即ζi‑mean(ζ)>kσζ，如果是，则该列向量对应的匹配点为错误匹配点，如果否，则该列对应的匹配点为正确匹配点。