[发明专利]一种图像匹配的方法及装置

说明书

技术领域

本发明涉及图像匹配领域，特别涉及一种图像匹配的方法及装置。

背景技术

快消品企业一般会进行终端的检查，由大量的人员在各个终端进行铺货、陈列、价格、库存等方方面面的检查工作，需要投入大量的人力和资源。这些检查结果一般有几种方式反馈回企业：一种是登记在纸张上，然后再录入企业自身的管理系统中，这种方式费时费力。另一种是通过移动智能设备，开发移动软件，通过软件登记。

目前越来越多的企业是通过第二种方式记录终端检查结果，但是由于终端设备的操作与桌面PC相比还是不方便的，如果能够提供软件供用户实现信息快速的录入，则可以减少大量的时间，给企业节省很多人力成本，同时也能更准确地采集终端图像进行匹配。

图像匹配是指通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标的方法。目前，图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。其中，灰度匹配的基本思想是以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数评价它们的相似性以确定同名点。灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。

最经典的灰度匹配法是归一化的灰度匹配法，其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与参考图像的所有可能的窗口灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法，从理论上说就是采用图像相关技术。利用灰度信息匹配方法的主要缺陷是计算量太大，因为使用场合一般都有一定的速度要求，所以这些方法很少被使用。现在已经提出了一些相关的快速算法，如幅度排序相关算法，FFT相关算法和分层搜索的序列判断算法等。

特征匹配是指通过分别提取两个或多个图像的特征(点、线、面等特征)，对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征和空间位置特征等。特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，通常使用的特征基元有点特征、边缘特征和区域特征。特征匹配需要用到许多诸如矩阵的运算、梯度的求解、傅立叶变换和泰勒展开等数学运算。常用的特征提取与匹配方法有：统计方法、几何法、模型法、信号处理法、边界特征法、傅氏形状描述法、几何参数法和形状不变矩法等。

基于图像特征的匹配方法可以克服利用图象灰度信息进行匹配的缺点，由于图像的特征点比像素点要少很多，大大减少了匹配过程的计算量；同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度；而且，特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广泛，所使用的特征基元有点特征(明显点，角点，边缘点等)，边缘线段等。

通过大量的实验和应用证明，目前SURF算法是性能最为鲁棒的局部特征算法。SURF算法由Bay等人提出，它主要分成三部分：1)特征点提取，即在积分图像的基础上，利用方框滤波近似代替二阶高斯滤波，计算待选特征点及其周围点的Hessian值，如果最大，则为特征点。2)特征点描述，即在特征点周围小区域上计算Haar小波，并计算其四种和以构成特征描述。3)利用特征点描述向量进行配准。

对大量的图像数据进行研究发现，当特征区域像素分布简单时，图像旋转、光照变化等会使图像特征点检测率下降。产生这种情况的原因是：1)特征点信息量小。若特征点所包含的信息量越多，在另一幅图像中被检测出来的概率就越高。2)特征点匹配不精确。即参考图像中用某种尺度检测出来的特征集中的两个特征点，可能分别与配准图像中用不同尺度检测出来的两个特征集中的特征点对应。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述特征点信息量小、特征点匹配不精确、配准速度较慢的缺陷，提供一种信息量较大、特征点匹配较精确、配准速度较快的图像匹配的方法及装置。

本发明解决其技术问题所采用的技术方案是：构造一种图像匹配的方法，包括如下步骤：

A)分别计算配准图像和参考图像的积分图像，并分别构建所述配准图像和参考图像的图像金字塔；

B)分别计算所述配准图像和参考图像的图像金字塔每一层中的初始特征点及其信息量，并将信息量大于设定阈值的初始特征点进行保留作为特征点；

C)计算每一个所述特征点的特征描述子；