一種結合surf特征提取和曲線擬合的柱面圖像匹配方法
【技術領域】
[0001] 本發(fā)明屬于數字圖像處理技術領域，涉及一種柱面圖像匹配方法。
【背景技術】
[0002] 隨著社會的發(fā)展進步，人們對工業(yè)生產效率的要求也越來越高，以往靠人工完成 的生產由于效率低、成本高的原因，已經不再能滿足當今社會的需要。為了提高生產效率， 如今的生產線越來越智能化，生產線智能化的一個重要基礎就是圖像匹配技術，主要用于 產品的配準、識別、錯誤檢測。圖像匹配技術使用比較多的是基于特征的圖像匹配技術，具 有魯棒性高、計算速度快的優(yōu)點。但是基于特征的圖像匹配算法由于特征點受噪聲、提取和 匹配方式的影響，均會發(fā)生一定的誤匹配，傳統(tǒng)的誤匹配剔除算法大多都是對發(fā)生線性變 換的圖像進行誤匹配剔除，對于發(fā)生非線性變換物體的誤匹配剔除算法較少。

【發(fā)明內容】

[0003] 本發(fā)明的目的是提供一種能夠更準確的剔除柱面物體的誤匹配的柱面圖像匹配 方法。由于SURF特征匹配算法在實際使用中容易出現(xiàn)誤匹配，本發(fā)明提供的方法可以實現(xiàn) 將柱面圖像SURF粗匹配之后的誤匹配剔除，同時又能對非線性變換區(qū)域的正確匹配對進行 最大限度的保留，從而實現(xiàn)對非線性變換的柱面圖像匹配精度的提高。本發(fā)明的技術方案 如下：
[0004] -種結合SURF特征提取和曲線擬合的柱面圖像匹配方法，步驟如下：
[0005] 1)將待匹配的兩幅圖像A和B按照左對齊的方式以上下位置放置；
[0006] 2)采用SURF特征檢測算法分別對兩幅圖像進行特征檢測；
[0007] 3)找出圖像A中其他所有特征點在圖像B中所匹配的特征點，構成匹配對集合H1;
[0008] 4)根據匹配對集合出所包括的特征點在圖像A中橫坐標像素位置由小到大的順 序，對匹配對進行重新排序，構成特征點匹配對集合H2,設匹配對在圖像A和圖像B中的像素 位置分別為(xu，yu)和(x 2l，y2l)，則特征點匹配對集合H2為一個4*N的數組，其中N為匹配對 的數量，數組每列元素表示一個匹配對。
[0009] 分別計算特征點匹配對集合h2中每個匹配對確定的直線與水平方向的角度9,以及 每個匹配對中兩個特征點間的角度Θ,和歐式距離ck，建立圖像匹配對的角度集合K和圖像的 歐氏距離集合D，分別保存角度Θ,和歐式距離cU與相應的匹配對在圖像A中特征點的橫坐標 Xii之間的關系；
[0010] 5)將匹配對的角度集合K進行曲線擬合，曲線擬合的自變量為匹配對的橫坐標Xu， 曲線擬合的縱坐標為角度，將曲線擬合的次數設為三次，得出角度擬合曲線fi(X)，然后將 每個特征點的橫坐標Xu代入fi(X)中，求出曲線中符合此橫坐標的角度，并計算此角度和相 應的角度9 1之差的絕對值，當大于某一特定值^時，則認為此匹配對為誤匹配，進行剔除。
[0011] 6)將匹配對的歐氏距離集合D進行曲線擬合，曲線擬合的自變量為匹配對在圖像A 中特征點的橫坐標Xu，曲線擬合的縱坐標為匹配對中兩個特征點的歐式距離，將曲線擬合 的次數設為三次，得出歐氏距離擬合曲線f2(x)，然后，對于每個特征點，將其橫坐標Xu代入 f2(x)中，計算符合此擬合曲線的歐式距離，并求取此歐式距離和相應的歐式距離CU之差的 絕對值，當大于某一特定值Td時，則認為此特征點匹配對為誤匹配，進行剔除。
[0012] 其中，步驟3)的方法可以如下:對圖像A中的每個特征點Au，計算與圖像B中所有特 征點的特征向量的歐式距離并找出最近的特征點Bu與次近的特征點B 2l，并得到最近歐式 距離和次近歐式距離，設定某個取值在0.6~0.8之間的閾值T，當最近歐式距離和次近歐式 距離的比值小于此閾值T時，認為特征點An與特征點Bu匹配，否則，認為圖像B中不存在與 Ah匹配的特征點。
[0013] 本發(fā)明通過分別將匹配對所形成直線的角度以及匹配對兩個特征點間的歐式距 離進行曲線擬合，按照趨勢限制了圖像匹配對位置關系，不僅可以實現(xiàn)對柱面圖像所有區(qū) 域不符合此種趨勢的誤匹配的剔除，相對于傳統(tǒng)的匹配算法來說，更重要的改進是能夠保 證柱面圖像在發(fā)生非線性變換區(qū)域的正確匹配對的保留?？梢钥闯?，本發(fā)明提出的基于曲 線擬合的誤匹配剔除算法能夠對柱面圖像的誤匹配進行很好地剔除，從而提高柱面圖像匹 配的精度。
【附圖說明】
[0014] 圖1結合SURF特征提取和曲線擬合的柱面圖像匹配流程圖
[0015] 圖2待匹配圖像上下放置的方式 [0016]圖3最近鄰粗匹配結果
[0017]圖4角度曲線擬合結果 [0018]圖5歐氏距離曲線擬合結果
[0019] 圖6結合SURF特征提取和曲線擬合的柱面圖像匹配結果
【具體實施方式】
[0020] 在柱面圖像配準的過程中，首先需要采集兩幅柱面圖像，采集的柱面圖像由于視 角、位置等原因，兩幅圖像之間的變換關系是一種非線性變換關系。兩幅圖像匹配的第一步 是首先采用SURF特征檢測算法對兩幅圖像進行SURF特征提取，然后采用特征向量最近與次 近歐氏距離之比確定兩幅圖像之間的粗匹配對。由于SURF在實際使用中，會出現(xiàn)一定的誤 匹配，對于傳統(tǒng)發(fā)生線性變換的平面圖像，可以計算兩幅圖像之間的單一線性變換模型，找 出不滿足此模型的匹配對，即誤匹配，實現(xiàn)對線性變換圖像誤匹配的剔除。但是對于發(fā)生非 線性變換的柱面圖像，兩幅圖像之間的變換模型不是單一的，是隨著所在區(qū)域的不同而變 化的，此時采用傳統(tǒng)的線性誤匹配剔除算法將會導致大量的正確匹配對被當作誤匹配而被 剔除，導致匹配精度很低。本發(fā)明提出一種在SURF最近鄰粗匹配的基礎上采用曲線擬合的 柱面圖像誤匹配剔除算法，具體步驟如下：
[0021] 1)將待匹配的兩幅圖像A和B按照上下的方式放置，如圖2所示。
[0022] 2)采用SURF特征檢測算法分別對兩幅圖像進行特征檢測，對圖像A中的每個特征 點Au，計算與B中所有特征點的特征向量歐式距離并找出最近的特征點Bu與次近的特征點 B2i，當L(Au，Βη)/1(Αη，B2i) <T時，認為特征點An與特征點Bu匹配，否貝IJ，認為B中不存在與 An匹配的特征點，其中L(A，B)為計算兩個特征點特征向量的歐式距離，閾值T常取0.6~