[发明专利]一种图像优质特征匹配集的获取方法

权利要求书

1.一种图像优质特征匹配集的获取方法，其特征在于，所述的方法包括如下步骤：

步骤1：读取待匹配两幅图像，获得计算基础矩阵的RANSAC算法的输入匹配集合；

步骤2：使用RANSAC算法计算基础矩阵，根据极性几何投影关系，计算出具有最大匹配支持集合的基础矩阵，返回满足此基础矩阵的优质匹配集合及基础矩阵；

步骤3：对于待匹配的两幅图像，根据描述子内容进行特征点匹配；

步骤4：对得到的两个匹配集合进行对称性测试，两个匹配集合中的索引值相互对称时保留此匹配集合，不对称时剔除此匹配集合，返回对称性的匹配集合；

步骤5：计算图像特征点在对应图像上的极线；

步骤6：对通过对称性测试的匹配集合进行极线约束测试，剔除错误的匹配，返回通过极线约束测试的匹配集合；

步骤7：对于通过极线约束的匹配集合，剔除在同一根极线上匹配点交叉的匹配，返回最终的优质匹配集合，包括：

步骤7-1：比较每个匹配点的极线方程系数，找到匹配点在同一根极线上的匹配集；

步骤7-1判断匹配点在同一条极线上的过程的具体步骤为：

对于当前图像上的两两匹配点，1)分别比较极线方程的三个系数，按照四舍五入的原则取整；2)只有一个点与另一个点的极线方程的三个系数同时都相等时，才满足两个匹配点在同一条极线上；

步骤7-2：对同一条极线上的匹配集，计算左图上两两匹配点之间的坐标位置，计算右图上两两匹配点之间的坐标位置；

步骤7-3：将左右两张图像的坐标位置相乘，得到的值小于0，方向相反，匹配点相互交叉，返回相互交叉的匹配集合索引值；

步骤7-4：对于通过极线约束的匹配集合，剔除相互交叉索引值的匹配，保留的匹配集即是最终的优质匹配集合。

2.根据权利要求1所述的一种图像优质特征匹配集的获取方法，其特征在于，所述步骤1是获得计算基础矩阵的RANSAC算法的输入匹配集合的过程，包括如下步骤：

步骤1-1：用SURF特征检测器分别检测两幅图像的特征点；

所述的步骤1-1使用特征检测器检测待匹配图像上的特征点，这样的特征检测器包括：FAST,SIFT,SURF,ORB,FREAK特征检测器；所述方法选择使用鲁棒性高，检测速度快的SURF特征检测器；

所述步骤1-1是用SURF特征检测器检测待匹配图像的特征点，为提高速度和精度，对找寻的特征点数目设置上限N，优选的N小于等于1200个；

步骤1-2：用SURF描述器分别计算两幅图像上特征点的描述子；

所述的步骤1-2使用描述器获取特征点的描述子，这样的描述器包括：SIFT,SURF,FREAK,ORB描述器，所述方法使用SURF描述器；

步骤:1-3：根据最近邻匹配策略的原理，使用匹配器对描述子进行双向匹配，找到左图的每个特征点到右图的两个最佳匹配，找到右图中每个特征点在左图中的两个最佳匹配；

步骤1-4：距离比率测试；分别处理两个匹配集合，计算最优匹配与次优匹配的距离比值，移除距离比率大于给定阈值的匹配；

本发明所述方法选择使用的NNDR距离比值为0.5f；

步骤1-5：利用特征点匹配对的唯一性原则进行对称性测试，两个匹配集合中的索引值相互对称时，提取这个匹配集合，剔除不对称的匹配集合。

3.根据权利要求1所述的一种图像优质特征匹配集的获取方法，其特征在于，所述步骤2是使用RANSAC算法，获得基础矩阵的过程；

所述的获得基础矩阵的方法，包括：7点算法、8点算法、FNS、CFNS、M-estimators、LMeds、RANSAC算法；所述方法选择使用鲁棒方法的RANSAC算法获取优质的基础矩阵F。

4.根据权利要求1所述的一种图像优质特征匹配集的获取方法，其特征在于，所述步骤3是获得待匹配图像特征匹配集合的过程，包括如下步骤：

步骤3-1：根据最近邻匹配策略的原理，使用匹配器找到左图的每个特征点到右图的一个最佳匹配，返回匹配集合；

步骤3-2：根据最近邻匹配策略的原理，使用匹配器找到右图中每个特征点在左图中的一个最佳匹配，返回匹配集合。