一种基于小尺度特征点的高精度图像匹配方法组成比例

本发明专利技术涉及一种基于小尺度特征点的高精度图像匹配方法，步骤如下：(1)在配准图像上随机选取多个特征点，自动选取多个特征点，同时随机获取多个尺度大、小不同的特征点；(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点中选择三个非共线的小尺度特征点作为匹配特征点；(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数。本方法通过验证特征点的尺度与匹配性能，选取描述能力最强的小尺度特征点用于图像匹配，有利于搜索到定位精度更高的特征点作为变换模型的计算依据，从而提高匹配精度。

【技术实现步骤摘要】
一种基于小尺度特征点的高精度图像匹配方法
本专利技术涉及特征点匹配方法，尤其是一种基于小尺度特征点的高精度图像匹配方法。
技术介绍
图像配准是机器视觉领域的一个基本问题，一直是人们研究的热点和难点。图像配准是指在来自不同时间、不同视角或不同传感器的同一场景的两幅或多幅图像之间寻找对应关系。有关图像配准的方法主要分为：基于灰度配准和基于特征配准的方法。基于灰度配准的方法，也称为相关配准方法，用空间二维滑动模板进行图像配准，不同算法的区别主要体现在相关准则的选择。基于特征点配准方法是首先在原始图像中提取特征，然后建立两幅图像之间特征点的配准关系，具有较高的鲁棒性，比如SURF算法。目前，基于SURF算法图像配准已经得到广泛应用，比如应用于医学图像配准，遥感图像配准等。SURF特征点具有的尺度特性是提取图像中的小尺度特征点进行特征点匹配，并将匹配的小尺度特征点对用于计算图像配准变换模型参数，使待配准图像准确地变换到标准图像位置，以达到配准目的。特征点的匹配是实现图像配准的关键，匹配的精度直接影响着后续配准的精度。算法中根据SURF特征点描述符中包含的特征点邻域信息，采用K最近邻法可以找出每个特征点潜在的两个最佳匹配点，并通过匹配点的距离最佳值与次佳值比率优选出最佳匹配点。根据SURF特征点的描述方法可知，特征点的尺度是特征点所具有的主要特征之一，并且与特征点的邻域信息存在正比例关系。在基于特征点的图像配准过程中，匹配特征点的定位精度影响着图像间配准的准确性。为了提高图像配准的精度，如何选取适宜尺度的特征点是解决这一问题的关键。
技术实现思路
本专利技术的目的在于提供一种基于小尺度特征点的高精度图像匹配方法，选取提取不受图像角度变化影响的特征点，从而提高图像配准的精度。本专利技术解决其技术问题是采取以下技术方案实现的：一种基于小尺度特征点的高精度图像匹配方法，其特征在于：(1)特征点检测，利用SURF特征点检测算法在配准图像中检测图像特征点；(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点选择三个非共线的小尺度特征点作为匹配特征点；(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数。而且，所述待配准图像到标准图像变换的模型参数为：上式中，(x,y)和(x',y')为两幅待配准图像中的匹配点坐标，参数矩阵M的6个参数通过图像中3个非共线的匹配点对来建立线性方程计算得到，将最终求出的特征点用于配准变换模型参数的计算，是作为SURF算法图像配准的计算图像配准变换模型参数，使待配准图像准确地变换到标准图像位置，达到配准目的。而且，所述小尺度特征点具有的位移变换描述能力验证方法：(1)将标准图像进行平移处理，得到平移条件下的待配准图像，分别提取标准图像和待配准图像中的特征点，并进行特征点间的匹配；将标准图像中匹配成功的特征点坐标根据实际平移的像素数计算出平移后的理论坐标值，再将得到的理论坐标值与平移图像中匹配成功的特征点坐标值逐一进行X和Y方向上的差值计算；小尺度特征点的上述差值为零，即小尺度特征点能够完全准确地描述平移变换，而与之相对应大尺度特征点的上述差值均为非零值，即大尺度特征点在描述平移变换方面存在误差；(2)将标准图像进行旋转处理，得到平移条件下的待配准图像，分别提取标准图像和待配准图像中的特征点，并进行特征点间的匹配；将标准图像中匹配成功的特征点坐标根据实际平移的像素数计算出平移后的理论坐标值，再将得到的理论坐标值与平移图像中匹配成功的特征点坐标值逐一进行X和Y方向上的差值计算；小尺度特征点的上述差值较小，表明小尺度特征点的旋转变换描述能力较强，而与之相对应大尺度特征点的上述差值较大，表明大尺度特征点的旋转变换描述能力较弱。而且，所述标准图像分别旋转角度为正负5度，得到旋转图像，然后提取标准图像和旋转图像中的特征点，并实现特征点间的匹配情况，将标准图像中匹配的特征点按照图像实际旋转的角度计算出旋转后的理论坐标值，并与旋转图像中匹配的特征点做同样的差值计算，得到差值计算结果；选取在上述不同旋转条件下，与理论坐标值的偏差分布均在0.2个像素内的特征点，作为用于匹配的小尺度特征点。本专利技术的优点和积极效果是：本方法通过验证特征点的尺度与匹配性能，选取描述能力最强的小尺度特征点用于图像匹配，有利于搜索到定位精度更高的特征点作为变换模型的计算依据，从而提高匹配精度；同时也可以进一步减少特征点匹配运算的计算量，加快算法的运算速度。附图说明图1中圆圈的大小反映了特征点尺度的大小；图2显示平移条件下不同尺度特征点的坐标差值结果分布；图3显示旋转条件下不同尺度特征点的坐标差值结果分布；图4为9×9盒子滤波模板；图5为特征点的主方向的选取；图6特征描述符的构成。具体实施方式下面结合附图并通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围。一种基于小尺度特征点的高精度图像匹配方法，步骤如下：(1)特征点检测，利用SURF特征点检测算法在配准图像中检测图像特征点；随机选取多个特征点，自动选取多个特征点，自动选取是同时随机获取多个大、小不同的特征点，如图1所示，白色圆的圆心为特征点，圆所描述区域即为该特征点的邻域，圆的半径为该特征点的尺度描述；(2)选取用于匹配的小尺度特征点，从步骤(1)中选择三个非共线的小尺度特征点作为匹配特征点；根据SURF特征点尺度描述的特点可知，不同尺度的特征点是基于不同大小的图像区域的特征计算所得，并且与特征点的邻域信息存在正比例关系，所以其受邻域信息影响大，造成特征点位置信息的描述存在偏差的可能性也较大；相反，小尺度特征点受邻域信息影响小，特征点的位置信息相对更加准确；为了进一步确定研究特征点对图像的定位精度，分别从图像平移和旋转两个方面做了相关的分析如下：首先，在标准图像选定多个固定像素，本次实验中取5个像素，将标准图像进行平移处理，得到平移图像的条件下的平移图像，分别提取标准图像和平移图像中的特征点，并进行特征点间的匹配。将标准图像中匹配成功的特征点坐标根据实际平移的像素数计算出平移后的理论坐标值，再将得到的理论坐标值与平移图像中匹配成功的特征点坐标值逐一进行X和Y方向上的差值计算，得到如图2所示的坐标差值的绝对值计算结果，其中较小深色点表示小尺度特征点的计算结果；较大浅色点表示大尺度特征点的计算结果。从图2可以看出，小尺度特征点的坐标值与理论坐标值无偏差，而大尺度特征点的坐标差值分布较分散，且最大偏差已达到一个像素以上，从而说明图像平移条件下小尺度特征点的定位精度非常高。其次，将标准图像进行旋转5度，得到旋转图像，然后提取标准图像和旋转图像中的特征点，并实现特征点间的匹配情况。将标准图像中匹配的特征点按照图像实际旋转的角度计算出旋转后的理论坐标值，并与旋转图像中匹配的特征点做同样的差值计算，得到如图3的差值计算结果。从图3可以看出，旋转条件下，小尺度特征点同样具有与理论坐标值偏差小的特性，其偏差分布在0.2个像素内的比例非常高。而大尺度特征点在此范围内分布较少，其多分布在1个像素内。由此可以论证，小尺度特征点具有较高的图像定位精度能力，为提高图像配准精度提供了本文档来自技高网...

【技术保护点】
一种基于小尺度特征点的高精度图像匹配方法，其特征在于：(1)特征点检测，利用SURF特征点检测算法在配准图像中检测图像特征点；(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点选择三个非共线的小尺度特征点作为匹配特征点；(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数。

【技术特征摘要】
1.一种基于小尺度特征点的高精度图像匹配方法，其特征在于：(1)特征点检测，利用SURF特征点检测算法在配准图像中检测图像特征点；(2)选取用于匹配的小尺度特征点，从步骤(1)中获得的特征点选择三个非共线的小尺度特征点作为匹配特征点；(3)计算，将上一步所选取的小尺度特征点的坐标代入待配准图像到标准图像变换的模型参数，准确计算出待配准图像到标准图像变换的模型参数；所述待配准图像到标准图像变换的模型参数为：上式中，(x,y)和(x',y')分别为标准图像以及待配准图像中的匹配点坐标，参数矩阵M的6个参数通过图像中3个非共线的匹配点对来建立线性方程计算得到，将最终求出的特征点用于配准变换模型参数的计算，是作为SURF算法图像配准的计算图像配准变换模型参数，使待配准图像准确地变换到标准图像位置，达到配准目的；所述标准图像分别旋转角度为正负5度，得到旋转图像，然后提取标准图像和旋转图像中的特征点，并实现特征点间的匹配情况，将标准图像中匹配的特征点按照图像实际旋转的角度计算出旋转后的理论坐标值，并与旋转图像中匹配的特征点做同样的差值计算，得到...

【专利技术属性】
技术研发人员：胡晓彤，陈蕴智，田仁赞，郭少英，程雪，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津;12