[发明专利]基于K近邻图的误匹配点迭代检测方法

说明书

技术领域

本发明涉及图像处理技术，具体地说，是一种基于K近邻图的误匹配点迭代检测方法，用于检测并删除遥感图像匹配中产生的误匹配点，提高遥感图像匹配精度。

背景技术

遥感图像匹配是遥感图像处理中的一个重要步骤，在遥感图像配准、目标识别、目标跟踪、变化检测、图像拼接等领域得到了广泛的应用。遥感图像匹配是通过一定的匹配算法在两幅图像之间寻找的高精度匹配点。在遥感图像匹配中，待匹配的遥感图像称为原始图像，作为匹配基准的图像称为基准图像。近几年来，随着图像匹配技术的不断发展，匹配精度和自动化水平不断提高，尤其是以SIFT为代表的尺度、旋转不变特征匹配算法，使得遥感图像匹配的精度得到了极大的提升。但是，由于光照、地物变化、不同成像角度和成像时间、几何变形等因素的影响，无论采用何种图像匹配算法，总会产生误匹配点。因此，对于遥感图像匹配，误匹配点检测是一个必须步骤，其精度直接影响图像匹配的精度。

在遥感图像匹配中，随机采样一致性方法(Random Sample Consensus，RANSAC)和多项式拟合方法通常用于误匹配点检测。RANSAC方法是从一组包含异常数据的样本数据集中，估算最优模型参数(给定的两幅图像之间的变换模型)的迭代方法。在误匹配点检测中，通常使用基本矩阵或者单应矩阵作为变换模型，和变换模型误差较大的匹配点就是误匹配点。多项式拟合方法是假设所有正确的匹配点满足某一个多项式模型，然后使用最小二乘拟合等方法求解多项式的系数，最后计算每个匹配点和多项式模型的误差，误差大于设定阈值的匹配点就是误匹配点。虽然RNASAC方法和多项式拟合方法的原理、计算方法不同，但都是假设所有正确的匹配点满足一个统一的模型。但是对于部分覆盖范围较大的遥感图像，受复杂地形、几何变形等的影响，所有正确匹配点无法满足同一个模型，因此，常用的RANSAC方法和多项式拟合方法无法直接用于该类遥感图像的误匹配检测。

发明内容

本发明针对现有误匹配点检测技术的不足，提出了一种基于K近邻图的误匹配点迭代检测方法，准确的完成误匹配点检测，进一步提高图像匹配的精度。本发明实施的前提是使用图像匹配方法获得了匹配点。

本发明的技术方案如下：

一种基于K近邻图的误匹配点迭代检测方法，其特征在于包括以下步骤：

(1)匹配点分组。对于待检测的N对匹配点，按照原始图像上匹配点的坐标，将匹配点分为若干组，然后对每一组匹配点分别按照步骤(2)-(5)进行误匹配点检测；

(2)在原始图像上构建K近邻图。将原始图上的每一个匹配点作为K近邻图的一个顶点，对于每个顶点，如果其它顶点是该顶点的K近邻点，则这两个顶点存在一条无向边；顶点和顶点之间的无向边构成了K近邻图。

(3)计算每一对匹配点的误差。对于每一对匹配点，通过K近邻图获得距离最近的K对匹配点，然后使用K对匹配点建立变换模型，计算每对匹配点和变换模型的误差作为该对匹配点的误差。

(4)删除误差最大的匹配点。所有匹配点的误差计算完成后，删除误差最大的S对匹配点；

(5)迭代检测终止判断。如果所有剩余匹配点的误差都小于给定阈值，则停止迭代；否则N＝N-S，返回步骤(2)。

进一步，步骤(1)中的匹配点分组，采用网格划分的方法，首先对原始图像进行网格划分，网格大小为M*N，然后根据原始图像上匹配点的坐标，将所有匹配点分配到不同的网格；M和N的取值根据原始图像大小来确定，保证每一个网格都有上百个匹配点。

进一步，步骤(2)中K的取值根据步骤(3)选择的变换模型来确定，K的取值要大于计算变换模型参数所需要的最少匹配点个数。

进一步，步骤(2)中的K近邻图为无向图，使用邻接表存储，记为G＝(V，E)，其中V为顶点的集合，E为边的集合；构建准则如下：把原始图像中的每一个匹配点作为K近邻图的一个顶点，构成顶点集合V＝v₁，...v_N，N为原始图像中匹配点的总个数；对于顶点v_i，如果顶点v_j是v_i的K最近邻域中的点，则v_i和v_j之间存在一条无向边；顶点v_i的K最近邻域中的点是距离顶点v_i最近的K个顶点；两个顶点之间的距离是顶点对应的原始图像上匹配点的欧式距离。

进一步，步骤(3)中的变换模型为n阶多项式、基本矩阵、单应矩阵。