專利名稱：一種圖像匹配方法及其裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)視覺和圖像處理領(lǐng)域，尤其涉及圖像匹配技術(shù)中的消除錯誤匹配的技術(shù)。
背景技術(shù)：
圖像匹配技術(shù)作為計算機(jī)視覺領(lǐng)域的一項(xiàng)基礎(chǔ)工作，廣泛應(yīng)用導(dǎo)航、地圖、地形識別、環(huán)境監(jiān)測和生理病變研究等領(lǐng)域。圖像匹配重要的是在建立兩圖像間的點(diǎn)對點(diǎn)的對應(yīng)關(guān)系，或?qū)δ撤N感興趣的特征建立關(guān)聯(lián)?，F(xiàn)有匹配算法中，由于圖像的視角變化，光照變化等影響，不可避免會出現(xiàn)錯誤的匹配點(diǎn)。這些錯誤的匹配點(diǎn)，對正確估計圖像變換模型參數(shù)，獲取圖像深度信息，建立圖像三維模型都會產(chǎn)生很大的影響，導(dǎo)致后續(xù)的圖像對齊配準(zhǔn)、拼接及物體識別等任務(wù)出現(xiàn)較大的困難和錯誤。在圖像匹配中，去除錯誤匹配點(diǎn)，保留正確匹配點(diǎn)，是建立匹配的重要的不可缺少的環(huán)節(jié)。在現(xiàn)有匹配算法中，主要分為基于相關(guān)匹配算法和基于特征的匹配算法。基于相關(guān)的匹配算法，只能在圖像間發(fā)生平移時有效，雖然其方法匹配率高，但是需要處理的信息量很大，計算復(fù)雜而且容易出錯，很難達(dá)到實(shí)時匹配的要求，而且對圖像間的細(xì)微差別很敏感，一個很小的變化都有可能對匹配的結(jié)果產(chǎn)生較大的影響，所以該算法看噪聲及其他抗干擾的能力比較差。基于特征的匹配算法，通過提取具有平移，旋轉(zhuǎn)，尺度，光照，視點(diǎn)等變換具有不變性的特征進(jìn)行匹配，該算法具有很好的穩(wěn)定性和適用性。主要的特征匹配算法有尺度不變特征變換(Scale Invariant i^eatureTransform，簡稱SIFT)算法及其衍生算法。其算法包括特征檢測和特征匹配兩個步驟。SIFT算子對尺度變化，旋轉(zhuǎn)，尺度縮放，部分三維視角變化和光照變化保持不變，公認(rèn)為穩(wěn)定性、適應(yīng)性較強(qiáng)的局部特征匹配算子。SIFT算法產(chǎn)生的匹配點(diǎn)，是根據(jù)興趣點(diǎn)的周邊領(lǐng)域信息，采用特征向量(特征描述符)距離比率來確定的。其前提條件，一是圖像存在灰度梯度顯著變化的興趣點(diǎn)，二是興趣點(diǎn)的周邊在兩圖像間基本保持不變。該方法對圖像中存在多個局部相似結(jié)構(gòu)，極易出現(xiàn)錯誤匹配，例如隨著攝像視角的增大(如寬基線攝影測量)，圖像的局部區(qū)域出現(xiàn)很大的變化，該算法隨著視角增大，其誤匹配率也會顯著增高。實(shí)踐表明，當(dāng)視點(diǎn)角度超過25° 30°時，匹配準(zhǔn)確率大為下降，誤匹配率都將低于50%。因此去除誤匹配點(diǎn)在特征匹配中必不可少，對提高匹配正確率和匹配效率有重要意義?，F(xiàn)有去除錯誤匹配點(diǎn)的算法主要有，隨機(jī)采樣一致性算法(Randomsample consensus, RANSAC)和利用極線幾何約束算法(Epipolar lineconstraints)。這兩種算法都需利用特征點(diǎn)集的內(nèi)在約束關(guān)系，要估計單應(yīng)性矩陣(Homography)或基礎(chǔ)矩陣 (Fundamental matrix)，估計精度受錯誤匹配率影響很大。RANSAC算法的前提是建立在大樣本的基礎(chǔ)之上，并假定匹配只符合一個平面約束，得到存在符合這一約束的最大集合。其算法迭代次數(shù)受錯誤匹配率影響很大，錯誤匹配率越大，迭代的次數(shù)越大，但是實(shí)際中錯誤匹配率都需要假定。RANSAC雖然可以去除誤匹配，但同時也去除了較多原本正確的匹配點(diǎn)對，即損失的正確匹配率較高，這在大視角變化時，尤為顯著，其去除誤匹配的效率很低，有效的匹配數(shù)目過少，不能滿足圖像匹配的要求。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種在大視角變化下的有效的去除錯誤匹配點(diǎn)的圖像匹配方法及其裝置。根據(jù)本發(fā)明的一方面，提供了一種圖像匹配方法。該圖像匹配方法包括步驟一， 提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；步驟二，通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)， 在每次迭代中獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的函數(shù)關(guān)系；步驟三，分別根據(jù)在各次迭代中所獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的各所述函數(shù)關(guān)系，對所述參考匹配點(diǎn)集進(jìn)行逐次估計，得到各匹配估計點(diǎn)集，并針對每個所述匹配估計點(diǎn)集，計算匹配估計點(diǎn)集中的每個點(diǎn)與所述目標(biāo)匹配點(diǎn)集中相應(yīng)的點(diǎn)的殘差值，以獲得各殘差點(diǎn)集；步驟四，根據(jù)各所述殘差點(diǎn)集的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集；步驟五，將所述參考匹配點(diǎn)集賦值為所述參考匹配點(diǎn)集與所述錯誤匹配點(diǎn)集的差，并根據(jù)所述參考匹配點(diǎn)集獲得相應(yīng)的所述目標(biāo)匹配點(diǎn)集；步驟六，判斷是否滿足預(yù)設(shè)的結(jié)束迭代條件，如果判斷為是，參考各所述錯誤匹配點(diǎn)集來進(jìn)行所述參考圖像與所述目標(biāo)圖像之間的圖像匹配，反之，則返回所述步驟二。根據(jù)本發(fā)明另一方面的圖像匹配方法，根據(jù)尺度不變特征變換算法提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集。根據(jù)本發(fā)明另一方面的圖像匹配方法，在所述步驟二中，通過相關(guān)向量機(jī)RVM來進(jìn)行所述迭代學(xué)習(xí)。根據(jù)本發(fā)明另一方面的圖像匹配方法，所述結(jié)束迭代條件是迭代次數(shù)大于預(yù)設(shè)最大迭代次數(shù)。根據(jù)本發(fā)明另一方面的圖像匹配方法，還包括在所述步驟四中，根據(jù)各所述殘差點(diǎn)集和所述參考匹配點(diǎn)集中各個點(diǎn)的各所述殘差序列的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集， 其中，各所述殘差點(diǎn)集中對應(yīng)于所述參考匹配點(diǎn)集中的同一個點(diǎn)的殘差值，構(gòu)成該點(diǎn)的所述殘差序列。根據(jù)本發(fā)明另一方面的圖像匹配方法，還包括所述步驟二還包括根據(jù)各所述函數(shù)關(guān)系分別獲得參考匹配點(diǎn)集的各噪聲水平；以及基于各所述函數(shù)關(guān)系得到最佳函數(shù)關(guān)系；在第一次篩選中，根據(jù)各所述噪聲水平來設(shè)定誤匹配判別閾值，基于所述誤匹配判別閾值對所述參考匹配點(diǎn)集進(jìn)行篩選，將各所述殘差點(diǎn)集中殘差值大于所述誤匹配判別閾值的點(diǎn)判別為潛在誤匹配點(diǎn)，以獲得潛在誤匹配點(diǎn)集；以及在第二次篩選中，根據(jù)所述潛在誤匹配點(diǎn)的殘差序列與所述最佳函數(shù)關(guān)系之間的相似度系數(shù)，對所述潛在誤匹配點(diǎn)集進(jìn)行篩選，將所述潛在誤匹配點(diǎn)集中相似度系數(shù)小于預(yù)設(shè)相似度閾值的點(diǎn)判別為錯誤匹配點(diǎn)，以獲得錯誤匹配點(diǎn)集。根據(jù)本發(fā)明另一方面的圖像匹配方法，還包括所述步驟二還包括通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)，從所述參考匹配點(diǎn)集中去除冗余的參考匹配點(diǎn)，以獲得回歸預(yù)測數(shù)據(jù)；以及基于所述最佳函數(shù)關(guān)系得到回歸預(yù)測數(shù)據(jù)的噪聲水平；根據(jù)所述回歸預(yù)測數(shù)據(jù)的噪聲水平來設(shè)定結(jié)束迭代條件。根據(jù)本發(fā)明的另一方面，還提供了一種圖像匹配裝置，其中，所述圖像匹配裝置包括如下模塊提取模塊，其提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；迭代模塊0 ，其獲取錯誤匹配點(diǎn)集；以及匹配模塊(23)，所述匹配模塊參考所述迭代模塊0 所獲取的各所述錯誤匹配點(diǎn)集來進(jìn)行所述參考圖像與所述目標(biāo)圖像之間的圖像匹配；所述迭代模塊0 通過如下處理來獲取錯誤匹配點(diǎn)集通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)，在每次迭代中獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的函數(shù)關(guān)系；分別根據(jù)在各次迭代中所獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的各所述函數(shù)關(guān)系，對所述參考匹配點(diǎn)集進(jìn)行逐次估計，得到各匹配估計點(diǎn)集，并針對每個所述匹配估計點(diǎn)集，計算匹配估計點(diǎn)集中的每個點(diǎn)與所述目標(biāo)匹配點(diǎn)集中相應(yīng)的點(diǎn)的殘差值，以獲得各殘差點(diǎn)集；根據(jù)各所述殘差點(diǎn)集的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集；將所述參考匹配點(diǎn)集賦值為所述參考匹配點(diǎn)集與所述錯誤匹配點(diǎn)集的差，并根據(jù)所述參考匹配點(diǎn)集獲得相應(yīng)的所述目標(biāo)匹配點(diǎn)集；判斷是否滿足預(yù)設(shè)的結(jié)束迭代條件，如果判斷為是，進(jìn)入匹配模塊03)的處理， 反之，重復(fù)所述迭代模塊0 的上述處理。根據(jù)本發(fā)明另一方面的圖像匹配裝置，其中，所述迭代模塊0 根據(jù)各所述殘差點(diǎn)集和所述參考匹配點(diǎn)集中各個點(diǎn)的各所述殘差序列的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集，其中，各所述殘差點(diǎn)集中對應(yīng)于所述參考匹配點(diǎn)集中的同一個點(diǎn)的殘差值，構(gòu)成該點(diǎn)的所述殘差序列。根據(jù)本發(fā)明另一方面的圖像匹配裝置，其中，所述迭代模塊0 還進(jìn)行如下處理根據(jù)各所述函數(shù)關(guān)系分別獲得參考匹配點(diǎn)集的各噪聲水平，基于各所述函數(shù)關(guān)系得到最佳函數(shù)關(guān)系；在第一次篩選中，根據(jù)各所述噪聲水平來設(shè)定誤匹配判別閾值，基于所述誤匹配判別閾值對所述參考匹配點(diǎn)集進(jìn)行篩選，將各所述殘差點(diǎn)集中殘差值大于所述誤匹配判別閾值的點(diǎn)判別為潛在誤匹配點(diǎn)，以獲得潛在誤匹配點(diǎn)集；以及
在第二次篩選中，根據(jù)所述潛在誤匹配點(diǎn)的殘差序列與所述最佳函數(shù)關(guān)系之間的相似度系數(shù)，對所述潛在誤匹配點(diǎn)集進(jìn)行篩選，將所述潛在誤匹配點(diǎn)集中相似度系數(shù)小于預(yù)設(shè)相似度閾值的點(diǎn)判別為錯誤匹配點(diǎn)，以獲得錯誤匹配點(diǎn)集。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)本發(fā)明通過采用迭代相關(guān)向量機(jī)RVM回歸的方法獲得(學(xué)習(xí))參考匹配點(diǎn)集與目標(biāo)匹配點(diǎn)集的對應(yīng)函數(shù)關(guān)系，用“剝洋蔥”的策略， 對殘差點(diǎn)集進(jìn)行分析，有效地剔除錯誤匹配點(diǎn)。本發(fā)明克服已有方法需要大量樣本、計算效率低、算法穩(wěn)定性差、不能夠在大視角下有效正確去除錯誤匹配和無法滿足實(shí)際需要的問題，顯著提高圖像匹配的精度和效率，尤其在大視角圖像匹配情況下具有更好的效果。本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。雖然在下文中將結(jié)合一些示例性實(shí)施及使用方法來描述本發(fā)明，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解為并不旨在將本發(fā)明限制于這些實(shí)施例；反之，旨在覆蓋包含在所附的權(quán)利要求書所定義的本發(fā)明的精神與范圍內(nèi)的所有替代品、修正及等效物。


附圖用來提供對本發(fā)明的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實(shí)施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中圖1是根據(jù)本發(fā)明第一實(shí)施例的圖像匹配方法的流程示意圖；圖2是根據(jù)本發(fā)明第二實(shí)施例的圖像匹配裝置的結(jié)構(gòu)示意圖；圖3是參考圖像在視角為20°、30°、40°、50°和60°的圖像變換的灰度圖像示意圖；圖4是根據(jù)本發(fā)明方法在視角為60°的圖像匹配示意圖；圖5是采用本發(fā)明的圖像匹配方法和其他圖像匹配方法的匹配效率性能評價示意圖；圖6是采用本發(fā)明的圖像匹配方法和其他圖像匹配方法的匹配精度性能評價示意圖。
具體實(shí)施例方式以下將結(jié)合附圖及實(shí)施例來詳細(xì)說明本發(fā)明的實(shí)施方式，借此對本發(fā)明如何應(yīng)用技術(shù)手段來解決技術(shù)問題，并達(dá)成技術(shù)效果的實(shí)現(xiàn)過程能充分理解并據(jù)以實(shí)施。需要說明的是，只要不構(gòu)成沖突，本發(fā)明中的各個實(shí)施例以及各實(shí)施例中的各個特征可以相互結(jié)合， 所形成的技術(shù)方案均在本發(fā)明的保護(hù)范圍之內(nèi)。另外，在附圖的流程圖示出的步驟可以在諸如一組計算機(jī)可執(zhí)行指令的計算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。第一實(shí)施例圖1示出根據(jù)本發(fā)明第一實(shí)施例的圖像匹配方法的流程示意圖。下面參考圖1來說明本實(shí)施例的各步驟。
步驟110，提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配 點(diǎn)集和目標(biāo)匹配點(diǎn)集，參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集為一一對應(yīng)關(guān)系。具體地，根據(jù)尺度不 變特征變換算法SIFT以獲取SIFT特征初始匹配點(diǎn)集。更具體地，在該步驟中，兩個圖像為參考圖像和目標(biāo)圖像，令參考圖像為I(x，y)， 目標(biāo)圖像為r (x'，y')，目標(biāo)圖像也稱為待匹配圖像，其中(x，y)和U'，y')分別表 示參考圖像I和目標(biāo)圖像I ‘上的點(diǎn)。對參考圖像和目標(biāo)圖像建立圖像的尺度空間表示，將 兩個圖像進(jìn)行尺度不變變換處理，通過檢測尺度空間極值獲取初始關(guān)鍵點(diǎn)，根據(jù)SIFT算法 中的函數(shù)(例如，擬合三維二次函數(shù))，去除低對比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣相應(yīng)點(diǎn)以確 定最佳關(guān)鍵點(diǎn)的位置及其所處尺度。對最佳關(guān)鍵點(diǎn)附加詳細(xì)的信息，生成特征點(diǎn)。特征點(diǎn)中 含有反映圖像的重要結(jié)構(gòu)信息，容易與別的像素點(diǎn)區(qū)別，特征點(diǎn)可為灰度局部極值點(diǎn)、邊緣 點(diǎn)、角點(diǎn)和拐點(diǎn)等，特征點(diǎn)可包括3個信息位置、對應(yīng)尺度、方向。通過對參考圖像和目標(biāo) 圖像的特征點(diǎn)進(jìn)行相似性判定度量，找出相互匹配的特征初始匹配點(diǎn)集，如公式(1)所示。S={(pi，p' i) = (Xi, Yi, x' i，y' i)，i = l，...n}(1)其中，pi、p' i分別表示參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；i表示第i個特征匹配點(diǎn)。需要說明的是，本實(shí)施例中的目標(biāo)圖像是針對參考圖像進(jìn)行了大視角的變換，較 優(yōu)選地，例如參考圖像進(jìn)行20° 60°角度旋轉(zhuǎn)變換。特征點(diǎn)的生成是利用關(guān)鍵點(diǎn)鄰域像 素的梯度方向分布特性為鋒個特征點(diǎn)指定方向維數(shù)，計算特征點(diǎn)的描述信息而獲取的。步驟120，通過機(jī)器學(xué)習(xí)方法針對步驟110所得的參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集 進(jìn)行迭代學(xué)習(xí)，在鋒次迭代中獲得參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集的函數(shù)關(guān)系。具體地，根據(jù)機(jī)器學(xué)習(xí)方法獲得(學(xué)習(xí))參考匹配點(diǎn)集P(x，y)與目標(biāo)匹配點(diǎn)集 P(x',ず)的各函數(shù)關(guān)系(亦稱作模型)，亦即，找出X'、ず分別與(x，y)的函數(shù)關(guān)系， 如公式(2)所示為參考匹配點(diǎn)集與目標(biāo)匹配點(diǎn)集之間的函數(shù)關(guān)系。
權(quán)利要求
1.一種圖像匹配方法，其特征在于，包括步驟一，提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；步驟二，通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)，在每次迭代中獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的函數(shù)關(guān)系；步驟三，分別根據(jù)在各次迭代中所獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的各所述函數(shù)關(guān)系，對所述參考匹配點(diǎn)集進(jìn)行逐次估計，得到各匹配估計點(diǎn)集，并針對每個所述匹配估計點(diǎn)集，計算匹配估計點(diǎn)集中的每個點(diǎn)與所述目標(biāo)匹配點(diǎn)集中相應(yīng)的點(diǎn)的殘差值，以獲得各殘差點(diǎn)集；步驟四，根據(jù)各所述殘差點(diǎn)集的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集；步驟五，將所述參考匹配點(diǎn)集賦值為所述參考匹配點(diǎn)集與所述錯誤匹配點(diǎn)集的差，并根據(jù)所述參考匹配點(diǎn)集獲得相應(yīng)的所述目標(biāo)匹配點(diǎn)集；步驟六，判斷是否滿足預(yù)設(shè)的結(jié)束迭代條件，如果判斷為是，參考各所述錯誤匹配點(diǎn)集來進(jìn)行所述參考圖像與所述目標(biāo)圖像之間的圖像匹配，反之，則返回所述步驟二。
2.根據(jù)權(quán)利要求1所述的圖像匹配方法，其特征在于，根據(jù)尺度不變特征變換算法提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集。
3.根據(jù)權(quán)利要求1所述的圖像匹配方法，其特征在于， 在所述步驟二中，通過相關(guān)向量機(jī)RVM來進(jìn)行所述迭代學(xué)習(xí)。
4.根據(jù)權(quán)利要求1所述的圖像匹配方法，其特征在于， 所述結(jié)束迭代條件是迭代次數(shù)大于預(yù)設(shè)最大迭代次數(shù)。
5.根據(jù)權(quán)利要求1所述的圖像匹配方法，其特征在于，在所述步驟四中，根據(jù)各所述殘差點(diǎn)集和所述參考匹配點(diǎn)集中各個點(diǎn)的各所述殘差序列的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集，其中，各所述殘差點(diǎn)集中對應(yīng)于所述參考匹配點(diǎn)集中的同一個點(diǎn)的殘差值，構(gòu)成該點(diǎn)的所述殘差序列。
6.根據(jù)權(quán)利要求1至5所述的圖像匹配方法，其特征在于， 所述步驟二還包括根據(jù)各所述函數(shù)關(guān)系分別獲得參考匹配點(diǎn)集的各噪聲水平；以及基于各所述函數(shù)關(guān)系得到最佳函數(shù)關(guān)系；在第一次篩選中，根據(jù)各所述噪聲水平來設(shè)定誤匹配判別閾值，基于所述誤匹配判別閾值對所述參考匹配點(diǎn)集進(jìn)行篩選，將各所述殘差點(diǎn)集中殘差值大于所述誤匹配判別閾值的點(diǎn)判別為潛在誤匹配點(diǎn)，以獲得潛在誤匹配點(diǎn)集；以及在第二次篩選中，根據(jù)所述潛在誤匹配點(diǎn)的殘差序列與所述最佳函數(shù)關(guān)系之間的相似度系數(shù)，對所述潛在誤匹配點(diǎn)集進(jìn)行篩選，將所述潛在誤匹配點(diǎn)集中相似度系數(shù)小于預(yù)設(shè)相似度閾值的點(diǎn)判別為錯誤匹配點(diǎn)，以獲得錯誤匹配點(diǎn)集。
7.根據(jù)權(quán)利要求6所述的圖像匹配方法，其特征在于，所述步驟二還包括通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)，從所述參考匹配點(diǎn)集中去除冗余的參考匹配點(diǎn)，以獲得回歸預(yù)測數(shù)據(jù)；以及基于所述最佳函數(shù)關(guān)系得到回歸預(yù)測數(shù)據(jù)的噪聲水平； 根據(jù)所述回歸預(yù)測數(shù)據(jù)的噪聲水平來設(shè)定結(jié)束迭代條件。
8.一種圖像匹配裝置，其特征在于，所述圖像匹配裝置包括如下模塊提取模塊，其提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；迭代模塊(22)，其獲取錯誤匹配點(diǎn)集；以及匹配模塊(23)，所述匹配模塊參考所述迭代模塊0 所獲取的各所述錯誤匹配點(diǎn)集來進(jìn)行所述參考圖像與所述目標(biāo)圖像之間的圖像匹配；所述迭代模塊0 通過如下處理來獲取錯誤匹配點(diǎn)集通過機(jī)器學(xué)習(xí)方法針對所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集進(jìn)行迭代學(xué)習(xí)，在每次迭代中獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的函數(shù)關(guān)系；分別根據(jù)在各次迭代中所獲得所述參考匹配點(diǎn)集和所述目標(biāo)匹配點(diǎn)集的各所述函數(shù)關(guān)系，對所述參考匹配點(diǎn)集進(jìn)行逐次估計，得到各匹配估計點(diǎn)集，并針對每個所述匹配估計點(diǎn)集，計算匹配估計點(diǎn)集中的每個點(diǎn)與所述目標(biāo)匹配點(diǎn)集中相應(yīng)的點(diǎn)的殘差值，以獲得各殘差點(diǎn)集；根據(jù)各所述殘差點(diǎn)集的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集；將所述參考匹配點(diǎn)集賦值為所述參考匹配點(diǎn)集與所述錯誤匹配點(diǎn)集的差，并根據(jù)所述參考匹配點(diǎn)集獲得相應(yīng)的所述目標(biāo)匹配點(diǎn)集；判斷是否滿足預(yù)設(shè)的結(jié)束迭代條件，如果判斷為是，進(jìn)入匹配模塊03)的處理，反之， 重復(fù)所述迭代模塊0 的上上述處理。
9.根據(jù)權(quán)利要求8所述的一種圖像匹配裝置，其特征在于，所述迭代模塊0 根據(jù)各所述殘差點(diǎn)集和所述參考匹配點(diǎn)集中各個點(diǎn)的各所述殘差序列的分布情況，對所述參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集，其中，各所述殘差點(diǎn)集中對應(yīng)于所述參考匹配點(diǎn)集中的同一個點(diǎn)的殘差值，構(gòu)成該點(diǎn)的所述殘差序列。
10.根據(jù)權(quán)利要求8或9所述的一種圖像匹配裝置，其特征在于， 所述迭代模塊0 還進(jìn)行如下處理根據(jù)各所述函數(shù)關(guān)系分別獲得參考匹配點(diǎn)集的各噪聲水平， 基于各所述函數(shù)關(guān)系得到最佳函數(shù)關(guān)系；在第一次篩選中，根據(jù)各所述噪聲水平來設(shè)定誤匹配判別閾值，基于所述誤匹配判別閾值對所述參考匹配點(diǎn)集進(jìn)行篩選，將各所述殘差點(diǎn)集中殘差值大于所述誤匹配判別閾值的點(diǎn)判別為潛在誤匹配點(diǎn)，以獲得潛在誤匹配點(diǎn)集；以及在第二次篩選中，根據(jù)所述潛在誤匹配點(diǎn)的殘差序列與所述最佳函數(shù)關(guān)系之間的相似度系數(shù)，對所述潛在誤匹配點(diǎn)集進(jìn)行篩選，將所述潛在誤匹配點(diǎn)集中相似度系數(shù)小于預(yù)設(shè)相似度閾值的點(diǎn)判別為錯誤匹配點(diǎn)，以獲得錯誤匹配點(diǎn)集。
全文摘要
本發(fā)明公開了一種圖像匹配方法及其裝置，該方法包括提取參考圖像與目標(biāo)圖像各自的特征初始匹配點(diǎn)集，分別作為參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集；針對參考匹配點(diǎn)集和目標(biāo)匹配點(diǎn)集進(jìn)行多次迭代學(xué)習(xí)以獲得兩匹配點(diǎn)集之間的函數(shù)關(guān)系；分別根據(jù)在每次迭代中獲得的函數(shù)關(guān)系，對參考匹配點(diǎn)集進(jìn)行逐次估計，得到各匹配估計點(diǎn)集，然后計算每個匹配估計點(diǎn)集與目標(biāo)匹配點(diǎn)集的殘差值，以獲得各殘差點(diǎn)集；根據(jù)各殘差點(diǎn)集的分布情況，對參考匹配點(diǎn)集進(jìn)行兩次或兩次以上篩選，以獲得錯誤匹配點(diǎn)集；將參考匹配點(diǎn)集賦值為參考匹配點(diǎn)集與錯誤匹配點(diǎn)集的差；判斷是否滿足預(yù)設(shè)的結(jié)束迭代條件。本發(fā)明在大視角下有效地剔除錯誤匹配，顯著提高圖像匹配的精度和效率。
文檔編號G06K9/64GK102236798SQ20111021892
公開日2011年11月9日 申請日期2011年8月1日 優(yōu)先權(quán)日2011年8月1日
發(fā)明者劉安, 周東華, 陳茂銀 申請人:清華大學(xué)