[发明专利]基于ASIFT的多模态图像特征提取与匹配方法

说明书

技术领域

本发明涉及图像处理领域，具体的说是涉及一种图像特征提取与匹配方法，可用于多模态图像配准，目标识别与跟踪等领域。

背景技术

在图像配准，目标识别与跟踪等领域，需要找到同一场景的多幅视图之间的几何关系，从而获得整个场景更为全面的信息。解决这类问题最常用的方法之一就是通过这些同一场景不同视图中存在的大量共同信息来求取这些视图之间存在的几何关系。但由于不同传感器的成像机理不同，视场内物体随着时间的运动变化，不同成像设备内部参数的差别以及拍摄场景的角度差异等因素，使得如何在存在巨大差异的同一场景的不同视图下，更有效、准确的提取共同信息，成为了计算机视觉领域的一个难点。为了解决这个难点，众多学者从不同的角度出发，提出很多有效的特征提取与匹配的方法。其中以点为特征的提取与匹配方法是极其重要的一类特征提取及匹配方法，并且广泛应用于图像处理的诸多领域。

目前，较为常用的点特征提取方法有基于Harris角点的特征提取方法和基于尺度不变特征变换SIFT的点特征提取方法，例如，Mikolajczyk K，Schmid C，“Scale &affine invariant interest point detectors，”International Journal of Computer Vision，vol.60，no.1，pp.63-86.及Lowe D，“Distinctive image features from scale-invariant keypoints.”International Journal of Computer Vision，vol.60，no.2，pp.91-110.这两篇文献公开的技术均为点特征的提取及匹配方法。其中基于Harris角点的特征提取方法能够提取到简单，有效，稳定的角点信息，提取到的特征具有明确的物理意义，该类方法结合自动尺度选择理论以及规范化理论可以提取到对旋转，尺度甚至仿射变换具有一定稳定性的特征，如Harris-Affine方法。基于SIFT的特征检测方法通常定位准确，有高度的区分能力，提取到的特征具有旋转，尺度不变特性，对于光照变化和仿射变化有一定的稳定性，已经成为最优秀的点特征提取方法之一，被广泛应用到目标识别与跟踪，图像配准等领域。

尽管这两类方法在特征提取与匹配处理方面有着诸多的优点，但他们同时存在着以下不足：

(1)所述两类方法都不是完全仿射不变的特征提取方法。Harris-Affine方法由于采用规范化而非模拟仿射变换物理模型的方法确定放射变换的参数从而决定其不可能具有完全意义上的仿射不变特性，在两幅图像存在足够大的仿射变换时，Harris-Affine方法无法在两幅图中检测到足够的共同特征。基于SIFT的特征提取方法采用模拟尺度变换的方法在数学上已经被证明具有完全的尺度不变特性，但对于如何获得仿射不变特性，并没有提出相应的方法论。这点使得上述两种特征提取与匹配方法在应用中受到了很大的限制，因为仿射变换广泛存在于真实世界的图像之间，是最为基础的几何变换之一。

(2)所述两类算法都不能广泛的应用于多模态图像的特征提取与匹配上。由于不同模态传感器成像机理的不同，使得多模态图像之间的灰度值存在着很大的差异，如图1(a)，(b)所示，像素的灰度梯度方向发生翻转变化，部分相同目标的像素甚至在灰度值上完全不存在相关性。除此之外，真实世界中多传感器图像还可能同时具有较大的仿射变换。所以，多模态图像特征提取与匹配相比单一模态图像特征提取与匹配，是一个更加艰巨的任务，将上述两类方法直接应用在多模态图像的特征检测问题上，往往得不到满意的结果。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于仿射尺度不变ASIFT的图像特征提取与匹配方法，以增加完全仿射不变特性，实现对多模态图像的特征提取与匹配。

本发明是这样实现的：

本发明首先对ASIFT仿射变换模型倾斜量参数和经度参数进行采样，得到两幅输入图像的两组视图，采用高斯差分DoG特征检测方法检测图像特征的位置与尺度信息；其次利用平均平方梯度为检测到的图像特征设置主方向；然后用计数的方法确定图像特征向量的幅值信息，进而将提取到的特征形成对称性ASIFT描述符；最后采用最近邻域方法和优化随机采样ORSA方法进行特征匹配和误匹配剔除。

本发明的具体实现方法包括如下步骤：

(1)对两幅需进行特征提取与匹配的图像分别按ASIFT仿射变换矩阵进行仿射变换处理，使每幅图像形成一组视图；