[发明专利]一种图像特征点匹配模块的面向对象系统框架建立方法

说明书

技术领域

本发明涉及一种图像信息处理方法，特别涉及一种图像特征点匹配模块的面向对象系统框架建立方法。

背景技术

特征点检测与匹配是计算机视觉中的最基本的问题，它在众多视觉任务中，比如图像识别、图像理解和三维重构等等，都有重要应用，因为长期受到研究者的普遍关注，并且文献中已有大量的研究报道。

图像的特征点通常是指图像中的角点、曲率较大的边缘点和块状结构点等。与图像边缘特征一样，特征点也是图像的最基本特征，是图像分析、图像理解和三维重构中的最基本要素。特征点检测一直是研究者普遍关注的问题，通过长期研究文献中已出现了大量的检测方法。常用的检测方法分为三类：基于图像灰度的方法，基于图像梯度的方法，以及基于图像二阶微分的方法。

图像特征点描述在文献中也有很多方法，目前最流行的是基于直方图的方法。例如SIFT描述、GLOH描述和DAISY描述都是创建梯度方向和位置方向的直方图；Spin Image描述子创建边缘点的位置直方图；Shape Contex描述是创建边缘点的位置直方图。在不同的特征描述方法中，利用的局部图像信息通常是不同的。例如，Spin Image利用灰度值的空间分布信息，SIFT和GLOH利用了方向梯度大小的空间分布信息。近年来，局部二元模式被用于特征描述，并且取得了与SIFT描述相当的效果。CS-LBP通过统计中心对称的局部对称的局部三元模式的直方图进行特征描述，CS-STP则通过统计中心对称的局部三元模式的直方图进行特征描述。可以说，众多的特征描述方法以及特征匹配方法各有优缺点，其经验公式和适应范围皆不相同，为了方便研究者对特征点描述算法和匹配方法进行比较性的研究，本发明提出了一种图像特征点匹配模块的面向对象系统框架建立方法。

发明内容

本发明是针对现有图像特征点匹配算法存在可扩展性不足的问题，提出了一种图像特征点匹配模块的面向对象系统框架建立方法，利用软件开发过程的面向对象的思想，将多幅图像进行特征点提取，建立特征点超空间划分的树状结构，搜索匹配以获得两幅图像甚至多幅图像间的匹配关系。

本发明的技术方案为：一种图像特征点匹配模块的面向对象系统框架建立方法，包括如下步骤：

1）电脑采集n幅图像数据，在多幅图像上进行特征点提取；

2）构建特征点描述子表达的特征点的数据结构，数据结构包括构造特征点类型和构造特征点描述子基础类，

构造特征点类型：特征点的位置信息和特征点坐标变换方法；

构造特征点描述子基础类CFeatureDescriptor：

a）特征点描述子表：描述子表中存放的特征点特征的全部数据信息；

b）特征点描述子的生成算法；

c）特征点描述子匹配算法；

d）特征点描述子匹配修正算法；

e）特征点描述子的特征点或非特征点的扩散算法；

f）特征点描述子搜索运算；

3）选择算法根据特征点描述子数据结构生成派生类，派生出包括特征点和特征点描述子信息的特征点实体类；

4）将采集的任意一幅图的特征点划分为树状空间，形成初始匹配集，选取其他图针对初始匹配集进行特征点扫描；

5）根据匹配关系函数对多幅图像匹配点进行匹配扫描，得到多幅图像间的匹配关系，即得到图像由匹配关系类建立的链表结构。

所述步骤3）中算法可选

Harris算子类CHarrisDescriptor、

Harris-Affine算子CHarris_AffineDescriptor类、

Hessian-Affine算子CHessian_AffineDescriptor类、

SIFT算法基础CSIFTDescriptor类、

LIOP算法基础CLIOPDescriptor类。

所述步骤4）中树状空间可用二叉树状结构：在                                               维空间的个特征点上进行搜索，在维上找出某一个最大方差维，并在这一维上的中值点上画超平面，将维空间分成左半超平面和又半超平面，并记录超平面的最大方差维的数值，将其作为划分左分支和右分支的基准，继续左分支和右分支上执行上述的步骤，直到某分支上仅剩余一个特征点，将其称为叶子分支，结束递归循环。