[发明专利]一种大污染背景下配准点的提纯方法

说明书

本发明公开了一种大污染背景下配准点的提纯方法，属于数据提纯领域，涉及图像真实配准点对被严重污染情况下的配准点提纯方法。包括：在若干配准点对中任意抽取2个配准点对；分别连接两幅图像中的二个抽样点，求二个端点到中点所连线段上像素灰阶之和的比；通过步骤二中两幅图像上灰阶和之比的差值构建核集；合并核集中重复冗余点对；采用RANSAC方法，在核集中进行抽样，在全集中进行内点探测，提取真实配准点对，并求出两幅图像的配准模型。本发明通过构造核集，在核集中进行抽样，以提高抽样效率，解决了不同场景、不同视角、目标本身形状、外观发生变化条件下目标的配准识别，进而解决了极度污染配准点对的提纯问题。

技术领域

本发明属于数据提纯技术领域，涉及图像配准方向，具体涉及一种大污染背景下配准点的提纯方法，是图像真实配准点对被严重污染情况下的配准点提纯方法。

背景技术

经典图像配准通过描述子实现，通常局部特征描述子所指向的配准点对存在污染，也即：描述子的配准既有正确的配准，也存在错误的配准。为此，在图像配准领域，经描述子配准的配准点对需要进行提纯。通常RANSAC(Matthew Brown,David G.Lowe,Automatic panoramic image stitching using invariant features,Internationaljournal of computer vision,2007,74(1):59-73.)被用于描述子的提纯，但是当描述子被严重污染的情况下，直接采用RANSAC进行提纯存在速度慢，而形成实际上的无解。

关于描述子污染，一方面是描述子算法本身决定的。描述子一般建立在图像局部区域，而图像配准需要在全局图像上进行，局部关联的配准点对并不能确保全局意义下仍然关联。另一方面由于配准任务的复杂性，决定了污染有时候表现严重。如同一个物体在不同场景中的配准。即使是同一个物体，在不同时空中所呈现的景象也会不同。从而污染始终伴随着配准，并且有时候污染还很严重。严重污染的描述子对的提纯是一个不可回避的问题。

关于RANSAC提纯效率的问题，已有一些成果(Chum,Matas,Optimalrandomized RANSAC,IEEE Transactions on Pattern Analysis and MachineIntelligence,2008,30(8):1472-1482；Tom Botterill,Steven Mills,Richard Green,Fast RANSAC hypothesis generation for essential matrix estimation,DigitalImage Computing Techniques and Applications(DICTA),2011InternationalConference on.IEEE,2011:561-566；Anders Hast,JohanAndrea Marchetti,Optimal ransac-towards a repeatable algorithm for finding the optimal set,2013,21:21-30；Hongxia Gao,Jianhe Xie,Yueming Hu,Ze Yang,Hough-RANSAC:A Fastand Robust Method for Rejecting Mismatches,Chinese Conference on PatternRecognition.Springer Berlin Heidelberg,2014:363-370.)。其中，Tom Botterill等将RANSAC提纯所需时间降低了25％；Chum等提出的优化RANSAC方法比经典RANSAC快2-10倍；Hongxia Gao等提出的在仅有20％的数据为真实数据时，Hough-RANSAC方法能够见效；当污染数据达到95％时，Anders Hast等提出的方法仍然有效。这些方法都提高了重污染数据下的RANSAC效率，但是当真实配准点对极度稀疏时，特别是污染达到99％时，这些方法探测内点的能力仍然显得不足。

发明内容