[发明专利]一种基于特征检测的图像匹配方法

说明书

技术领域

本发明属于模式识别领域，涉及图像处理和计算机视觉等技术，特 别是涉及特征检测，图像匹配，图像拼接，图像检索，三维重建和增强 现实。

背景技术

图像匹配是计算机视觉中的基本问题，精确高效的图像匹配算法为 其他问题的解决提供坚实的底层基础。随着技术的发展以及硬件设备价 格的逐渐降低，照相机和摄像机已经成为人们日常生活中广泛应用的器 材之一。人们对场景感知的要求从原来的二维感知转化为三维感知，即 感知真实世界中物体的三维形态和场景的三维姿态。由于真实世界中物 体的变化多样，对实际物体直接进行三维建模或对场景进行空间标定消 耗了大量的人力物力资源。通过图像对三维物体建模或对三维场景进行 重建是近年来备受关注的前沿研究方向之一，它从照相机或摄像机捕捉 的图像中检测、识别、跟踪物体和场景并对其行为三维空间中的姿态进 行估计。尽管目前已有的计算机三维重建技术已经被广泛的使用，但其 中几个重要的问题仍然值得探讨。这些问题是准确性，稳定性和高效性。 因此，作为计算机视觉中的底层问题，图像匹配在这三个问题上的研究 尤为重要。针对这三个问题，开发出一套准确性高，稳定性好，能够实 时进行图像匹配的算法，对实际的应用做好铺垫。

图像中存在具有良好定位能力和区分能力的点。人们可以轻易的从 图像中找出具有代表性的这些点，并和另一幅图像进行匹配。但是，对 计算机来说，图像中特征点的检测和匹配是一个十分困难的问题。

这些困难的问题一般可以归结为以下几个方面：光照的变换，视角 的表换，摄像机引起的模糊，物体姿态引起的变化等等。近年来，针对 视角变化的方法被人们广发的关注。已有的图像特征检测和匹配方法大 都是针对尺度空间中的稳定特征点进行的。

发明内容

现有的基于图像特征不变性的方法在图像差异较小的情况下使用。 对于差异较大，尤其是图像中物体姿态的变化较大时的图像匹配，精度 和稳定性较低。为了解决现有的技术问题，本发明的目的是提供一种基 于图像姿态估计的特征提取和图像匹配算法。

为了实现上述目的，本发明提供的基于特征的提取和匹配算法，包 括姿态估计和变换，光照估计和变换和图像匹配三个过程，该方法包括 步骤如下：

步骤S1：利用基准图像通过基于Harris函数的特征检测算法 (HLSIFD)和最近邻匹配算法对测试图像进行匹配，获得测试图像相 对于基准图像的姿态估计；

步骤S2：利用基准图像对已姿态估计的测试图像中的目标的光照进 行估计，通过计算测试图像中目标包含于基准图像部分的光照变化，将 此光照变化函数与已估计姿态的测试图像进行光照变换和修正，得到光 照修正的测试图像；

步骤S3：将光照修正的测试图像和基准图像进行基于特征点检测与 描述，得到光照修正后的测试图像特征点匹配，结合测试图像的姿态估 计，得到光照修正后测试图像的姿态匹配。

其中，姿态估计具体步骤如下：

步骤S11：通过基于Harris函数的的特征检测算法对基准图像与测 试图像分别提取尺度不变的特征点；

步骤S12：对基准图像与测试图像上所有的特征点进行尺度不变的 特征描述算法(SIFT)特征描述：以每个特征点为中心截取固定大小的正 方形窗口，对在窗口内的图像，计算每个像素相关的梯度、梯度方向及 其梯度的权值，得到每个的特征点描述，用多维的直方图来统计特征点 的描述，最终形成每个特征点的多维特征向量；

步骤S13：用最近邻方法将基准图像与测试图像中所提取出的特征 点的特征向量进行匹配；

步骤S14：用随机抽样一致性算法(RANSAC)得到所有匹配点对 中的一致集；

步骤S15：通过一致集求得基准图像与测试图像的投影映射矩阵H₁；

步骤S16：通过投影映射矩阵H₁，对测试图像进行投影变换，得到 测试图像的粗略姿态估计。

其中，光照估计具体步骤如下：

步骤S21：求基准图像与测试图像的灰度直方图；

步骤S22：利用直方图规定化方法，计算基准图像与测试图像之间 的直方图变换函数L；

步骤S23：根据基准图像与测试图像直方图的变换函数L，对测试 图像进行直方图规定化，从而对姿态修正后的图像进行光照修正。