基于投票决策和最小二乘法的图像识别随机取样一致算法制造技术

一种基于投票决策和最小二乘法的图像识别随机取样一致算法，引入了投票决策方式找出最有可能正确的点对，采用最小二乘法原理计算旋转平移变换矩阵。本发明专利技术计算出的旋转平移变换矩阵不仅比较准确，速度较快，而且很稳定，每次计算结果不会随机波动；本发明专利技术不仅优化了图像比对方法，而且有助于数据处理芯片后续的学习功能，即不断增加参考图像的特征信息，从而有效改善拒真率，使数据处理芯片更加智能；本发明专利技术还通过不断更新的旋转平移变换矩阵，更为高效、准确地实现图像拼接。

Random sampling consensus algorithm for image recognition based on voting decision and least square method

An image recognition algorithm and random sampling consensus voting based on least squares method, introduced the voting method to find out the most likely point to the right, using the principle of least squares method calculates the rotation transformation matrix. The rotation transformation matrix of the invention calculates not only more accurate, faster, and very stable, not random fluctuations of each calculation result; the invention not only optimized the method of image alignment, and contribute to the subsequent data processing chip learning function, namely increasing the feature information of the reference image, which can effectively improve the FRR. More intelligent data processing chip; the invention also by rotating the transformation matrix are continuously updated, more efficient and accurate image stitching.

【技术实现步骤摘要】

本专利技术涉及数据处理方法，特别是涉及用于图像比对和图像拼接的数据处理方法。
技术介绍
为实现图像比对，以及根据图像比对结果进行图像拼接，现有技术将图像比对的基础图像作为模板图像，将用于比对的图像作为待测试图像，模板图像和待测试图像特征点的描述符经过汉明Hamming匹配以及空间去伪之后得到若干粗匹配点对，运用英文简写为RANSAC的随机取样一致RandomSamplingConsensus算法去除误匹配和计算旋转平移变换矩阵。传统随机取样一致RANSAC思路是通过在粗匹配点对集合中任意选择三对点估算H矩阵，然后使用估算出来的H矩阵对两个点集当中的所有点对进行一致集Consensusset判断，把一个点集当中的点经过H矩阵映射之后判断跟另外一个点集当中对应点之间的欧氏距离小于一定的阈值，则认为这些点对属于这个H矩阵的一致集，最后选取包含点对的数量最多的一致集为最终的精确匹配点对，对应的H矩阵为最终的旋转平移变换矩阵。传统随机取样一致RANSAC算法因为每次都是随机选取点对来估算H矩阵，随机性比较强、运算量较大、效率较低、需要重复迭代很多次才能找到合适的H矩阵，尤其是当输入随机取样一致RANSAC算法的两个匹配点集合当中错误点对的数量越多而且占比越大，则需要的重复迭代次数越大，否则有可能找不到H矩阵，但是重复迭代次数越大则运算时间和存储量将会正比地增加，而且每次随机取样一致RANSAC算法之后计算出来的H矩阵和一致集都不完全一样。
技术实现思路
本专利技术要解决的技术问题在于避免现有技术的不足之处而提出一种基于投票决策和最小二乘法的图像识别随机取样一致算法，引入了投票决策方式找出最有可能正确的点对，采用最小二乘法原理计算旋转平移变换矩阵，设计了新的随机取样一致RANSAC算法以解决上述问题。本专利技术在模板图像和待测试图像特征点的描述符经过汉明Hamming匹配以及空间去伪之后得到两个粗匹配的点集，分别是模板图像粗匹配点集referenceset，英文简写refset，以及测试图像粗匹配点集testset，每个点在点集当中都有顺序标号index，这两个点集当中的粗匹配点对是一一对应的，但是粗匹配的正确性需要进一步验证，即通过本专利技术的随机取样一致RANSAC算法去伪。本专利技术解决所述技术问题可以通过采用以下技术方案来实现：实施一种基于投票决策和最小二乘法的图像识别随机取样一致算法，以存储的图像模板中的一个为模板图像，以输入的图像为测试图像，通过测试图像的特征点信息与各模板图像的特征点信息的比对甄别测试图像是否与模板图像匹配。尤其是，测试图像的特征点信息分别与各模板图像的特征点信息都进行如下步骤处理：A.在测试图像内选取特征点组成测试图像特征点集，在模板图像内选取特征点组成模板图像特征点集；对测试图像的每个特征点在模板图像特征点集内找出粗匹配点，从而分属测试图像特征点集和模板图像特征点集的、互相对应的两个粗匹配点成为粗匹配点对；如果粗匹配点对的数量大于设定的粗匹配阈值，进行步骤B；否则进行步骤I；B.粗匹配点对中属于测试图像特征点集的粗匹配点组成测试图像粗匹配点集，属于模板图像特征点集的粗匹配点组成模板图像粗匹配点集；C.用投票决策方法在测试图像粗匹配点集和模板图像粗匹配点集内分别找到得票最高的、互相对应的两对点并构成两个最佳点对；D.基于最小二乘法原理用所述测试图像粗匹配点集和模板图像粗匹配点集构成的两个最佳点对计算旋转平移变换矩阵；E.借助旋转平移变换矩阵从测试图像粗匹配点集和模板图像粗匹配点集筛选点对构成一致集；如果一致集内点对数量大于设定的一致点对数量阈值，进行步骤F；否则进行步骤I；F.判断测试图像与模板图像匹配；J.算法结束。本专利技术还在上述随机取样一致RANSAC算法基础上提出图像拼接方法，以进一步提高图像比对精度，扩大模板图像范围，在上述步骤F与步骤J之间加入如下步骤，G.基于最小二乘法原理使用一致集内的点对计算更新的旋转平移变换矩阵；I.借助更新的旋转平移变换矩阵，将测试图像特征点集内的点映射为更新的拼接特征点，将所述更新的拼接特征点加入到模板图像特征点集内。上述投票决策方法可采用的一种方案是，所述步骤C包括如下分步骤：C11.为模板图像粗匹配点集的M个点设置序号，按顺序设置M行M列的点对距离投票矩阵，矩阵内非主对角线的元素是投票元素；C12.获取模板图像粗匹配点集内任一点与其它点的模板粗配点距离，以及测试图像粗匹配点集内任一点与其它点的测试粗配点距离，按照模板图像粗匹配点集与测试图像粗匹配点集各粗匹配点的序号对应关系，使各个模板粗配点距离与测试粗配点距离一一对应；C13.逐个判断对应的模板粗配点距离与测试粗配点距离的差值是否小于设定的粗配距离差阈值，如果是，即在所述点对距离投票矩阵中的以该模板粗配点距离对应的两个点的序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述点对距离投票矩阵中的以该两点序号互为行号和列号的两元素置位为不投票标志；C14.选取投票标志数量排在前两位的两行的序号的模板图像的点，并与对应测试图像的点构成两对最佳点对；所述投票标志是1，不投票标志是0；或者，所述投票标志是0，不投票标志是1。上述投票决策方法在基于上述分步骤C11至C14的基础上进一步衍生的方案是，所述步骤C包括如下分步骤：C21.为模板图像粗匹配点集的M个点设置序号，按顺序设置M行M列的点对距离投票矩阵，矩阵内非主对角线的元素是投票元素；C22.获取模板图像粗匹配点集内任一点与其它点的模板粗配点距离，以及测试图像粗匹配点集内任一点与其它点的测试粗配点距离，按照模板图像粗匹配点集与测试图像粗匹配点集各粗匹配点的序号对应关系，使各个模板粗配点距离与测试粗配点距离一一对应；C23.逐个判断对应的模板粗配点距离与测试粗配点距离的差值是否小于设定的粗配距离差阈值，如果是，即在所述点对距离投票矩阵中的以该模板粗配点距离对应的两个点的序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述点对距离投票矩阵中的以该两点序号互为行号和列号的两元素置位为不投票标志；C24.在点对距离投票矩阵选取投票标志数量的排在前Z位的Z行的行序号所代表的Z个点组成模板图像初判点集，该模板图像初判点集在测试图像粗匹配点集对应的Z个点组成测试图像初判点集，Z是不小于2的自然数；C25.获取模板图像初判点集内任意两点之间的向量，组成具有Y个向量的模板向量集，Y是从Z个点中取出两个点的组合数，相应地，获取测试图像初判点集内任意两点之间的向量，组成具有Y个向量的测试向量集，按照模板图像初判点集与测试图像初判点集之间各点的对应关系，使模板向量与测试向量一一对应；C26.为模板向量集的Y个向量设置序号，按顺序设置构建Y行Y列的向量夹角投票矩阵，矩阵内非主对角线的元素是投票元素；C27.计算模板向量集内任意两个向量之间的夹角，相应地，计算测试向量集内任意两个向量之间的夹角，判断模板向量集内的夹角和相同序号的测试向量集内的夹角的差值是否小于设定的向量夹角差阈值，如果是，即在所述向量夹角投票矩阵中的以该两向量序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述向量投票矩阵中的以该两向量序号互为行号和列号的两元素置位为不投票标志；C28.选取本文档来自技高网...

【技术保护点】
一种基于投票决策和最小二乘法的图像识别随机取样一致算法，以存储的图像模板中的一个为模板图像，以输入的图像为测试图像，通过测试图像的特征点信息与各模板图像的特征点信息的比对甄别测试图像是否与模板图像匹配；其特征在于测试图像的特征点信息分别与各模板图像的特征点信息都进行如下步骤处理：A.在测试图像内选取特征点组成测试图像特征点集，在模板图像内选取特征点组成模板图像特征点集；对测试图像的每个特征点在模板图像特征点集内找出粗匹配点，从而分属测试图像特征点集和模板图像特征点集的、互相对应的两个粗匹配点成为粗匹配点对；如果粗匹配点对的数量大于设定的粗匹配阈值，进行步骤B；否则进行步骤I；B.粗匹配点对中属于测试图像特征点集的粗匹配点组成测试图像粗匹配点集，属于模板图像特征点集的粗匹配点组成模板图像粗匹配点集；C.用投票决策方法在测试图像粗匹配点集和模板图像粗匹配点集内分别找到得票最高的、互相对应的最佳点并构成最佳点对；D.基于最小二乘法原理用所述测试图像粗匹配点集和模板图像粗匹配点集构成的最佳点对计算旋转平移变换矩阵；E.借助旋转平移变换矩阵从测试图像粗匹配点集和模板图像粗匹配点集筛选点对构成一致集；如果一致集内点对数量大于设定的一致点对数量阈值，进行步骤F；否则进行步骤I；F.判断测试图像与模板图像匹配；J.算法结束。...

【技术特征摘要】
1.一种基于投票决策和最小二乘法的图像识别随机取样一致算法，以存储的图像模板中的一个为模板图像，以输入的图像为测试图像，通过测试图像的特征点信息与各模板图像的特征点信息的比对甄别测试图像是否与模板图像匹配；其特征在于测试图像的特征点信息分别与各模板图像的特征点信息都进行如下步骤处理：A.在测试图像内选取特征点组成测试图像特征点集，在模板图像内选取特征点组成模板图像特征点集；对测试图像的每个特征点在模板图像特征点集内找出粗匹配点，从而分属测试图像特征点集和模板图像特征点集的、互相对应的两个粗匹配点成为粗匹配点对；如果粗匹配点对的数量大于设定的粗匹配阈值，进行步骤B；否则进行步骤I；B.粗匹配点对中属于测试图像特征点集的粗匹配点组成测试图像粗匹配点集，属于模板图像特征点集的粗匹配点组成模板图像粗匹配点集；C.用投票决策方法在测试图像粗匹配点集和模板图像粗匹配点集内分别找到得票最高的、互相对应的最佳点并构成最佳点对；D.基于最小二乘法原理用所述测试图像粗匹配点集和模板图像粗匹配点集构成的最佳点对计算旋转平移变换矩阵；E.借助旋转平移变换矩阵从测试图像粗匹配点集和模板图像粗匹配点集筛选点对构成一致集；如果一致集内点对数量大于设定的一致点对数量阈值，进行步骤F；否则进行步骤I；F.判断测试图像与模板图像匹配；J.算法结束。2.根据权利要求1所述的基于投票决策和最小二乘法的图像识别随机取样一致算法，其特征在于：在步骤F与步骤J之间加入如下步骤，G.基于最小二乘法原理使用一致集内的点对计算更新的旋转平移变换矩阵；I.借助更新的旋转平移变换矩阵，将测试图像特征点集内的点映射为更新的拼接特征点，将所述更新的拼接特征点加入到模板图像特征点集内。3.根据权利要求1所述的基于投票决策和最小二乘法的图像识别随机取样一致算法，其特征在于：所述步骤C包括如下分步骤，C11.为模板图像粗匹配点集的M个点设置序号，按顺序设置M行M列的点对距离投票矩阵，矩阵内非主对角线的元素是投票元素；C12.获取模板图像粗匹配点集内任一点与其它点的模板粗配点距离，以及测试图像粗匹配点集内任一点与其它点的测试粗配点距离，按照模板图像粗匹配点集与测试图像粗匹配点集各粗匹配点的序号对应关系，使各个模板粗配点距离与测试粗配点距离一一对应；C13.逐个判断对应的模板粗配点距离与测试粗配点距离的差值是否小于设定的粗配距离差阈值，如果是，即在所述点对距离投票矩阵中的以该模板粗配点距离对应的两个点的序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述点对距离投票矩阵中的以该两点序号互为行号和列号的两元素置位为不投票标志；C14.选取投票标志数量排在前两位的两行的序号的模板图像的点，并与对应测试图像的点构成两对最佳点对；所述投票标志是1，不投票标志是0；或者，所述投票标志是0，不投票标志是1。4.根据权利要求1所述的基于投票决策和最小二乘法的图像识别随机取样一致算法，其特征在于：所述步骤C包括如下分步骤，C21.为模板图像粗匹配点集的M个点设置序号，按顺序设置M行M列的点对距离投票矩阵，矩阵内非主对角线的元素是投票元素；C22.获取模板图像粗匹配点集内任一点与其它点的模板粗配点距离，以及测试图像粗匹配点集内任一点与其它点的测试粗配点距离，按照模板图像粗匹配点集与测试图像粗匹配点集各粗匹配点的序号对应关系，使各个模板粗配点距离与测试粗配点距离一一对应；C23.逐个判断对应的模板粗配点距离与测试粗配点距离的差值是否小于设定的粗配距离差阈值，如果是，即在所述点对距离投票矩阵中的以该模板粗配点距离对应的两个点的序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述点对距离投票矩阵中的以该两点序号互为行号和列号的两元素置位为不投票标志；C24.在点对距离投票矩阵选取投票标志数量的排在前Z位的Z行的行序号所代表的Z个点组成模板图像初判点集，该模板图像初判点集在测试图像粗匹配点集对应的Z个点组成测试图像初判点集，Z是不小于2的自然数；C25.获取模板图像初判点集内任意两点之间的向量，组成具有Y个向量的模板向量集，Y是从Z个点中取出两个点的组合数，相应地，获取测试图像初判点集内任意两点之间的向量，组成具有Y个向量的测试向量集，按照模板图像初判点集与测试图像初判点集之间各点的对应关系，使模板向量与测试向量一一对应；C26.为模板向量集的Y个向量设置序号，按顺序设置构建Y行Y列的向量夹角投票矩阵，矩阵内非主对角线的元素是投票元素；C27.计算模板向量集内任意两个向量之间的夹角，相应地，计算测试向量集内任意两个向量之间的夹角，判断模板向量集内的夹角和相同序号的测试向量集内的夹角的差值是否小于设定的向量夹角差阈值，如果是，即在所述向量夹角投票矩阵中的以该两向量序号互为行号和列号的两元素置位为投票标志；如果不是，即在所述向量投票矩阵中的以该两向量序号互为行号和列号的两元素置位为不投票标志；C28.选取向量夹角投票矩阵中投票标志最多的一行的行序号所代表的模板向量，从而找出形成该模板向量的两点，该两点与测试图像的对应两点构成两最佳点对；所述投票标志是1，不投票标志是0；或者，所述投票标志是0，不投票标志是1。5.根据权利要求4所述的基于投票决策和最小二乘法的图像识别随机取样一致算法，其特征在于：所述Z是不小于2的自然数，且不超过模板图像粗匹配点集内点数的十分之一。6.根据权利要求1所述的基于投票决策和最小二乘法的图像识别随机取样一致算法，其特征在于：所述步骤C包括如下分步骤，C31.获取模板图像粗匹配点集内任意两点之间的向量，组成具有X个向量的模板向量集，X是从模板图像粗匹配点集的点数中取出两个点的组合数，相应地，获取测试图像粗匹配点集内任意两点之间的向量，组成具有X个向量的测试向量集，按照模板图像粗匹配点集与测试图像粗匹配点集之间各点的对应关系，使模...

【专利技术属性】
技术研发人员：王丰，张靖恺，龙文勇，吕虹晓，郑邦雄，曾梦旭，曾艳，
申请(专利权)人：敦泰电子有限公司，
类型：发明
国别省市：开曼群岛;KY