[发明专利]随机抽样一致性的图像匹配去噪处理系统及方法

说明书

本发明公开了一种随机抽样一致性的图像匹配去噪处理技术，主要解决目前图像匹配去噪方法很难满足实时处理场合应用要求的问题，其实现方案是：对两幅待匹配图像的特征点进行抽样，共抽取4对特征点，分别组成两个样本矩阵；根据第一样本矩阵，得到对称矩阵h；并根据对称矩阵h，得到逆矩阵h^‑1；再根据两个样本矩阵和逆矩阵h^‑1，得到单应矩阵H；然后根据单应矩阵H、两幅待匹配图像的其他特征点坐标向量和设定的阈值m，得到去噪后的特征点；最后根据设定的内点值n和去噪后的特征点数量，判断输出去噪后的特征点标记，完成图像匹配去噪或重新抽样。本发明大幅地降低了计算复杂度，易于工程实现，可用于图像三维重建和图像拼接。

技术领域

本发明属于数字图像处理技术领域，特别涉及一种图像匹配去噪处理系统及方法，可用于图像三维重建和图像拼接。

背景技术

在图像拼接或图像三维重建系统中，图像匹配是必要的前期环节，在图像匹配过程中，根据图像的特征点做图像匹配，通常得到的结果中存在一定比例的误匹配点，这些误匹配点会直接影响图像匹配的精度，甚至导致图像匹配失败，从而影响后续的高级处理。所以，滤除以误匹配点为代表的噪声是数字图像处理领域中一项十分重要的工作。

目前提出的效果良好的图像匹配去噪方法很多基于软件方法实现，如曲天伟在《改进的RANSAC算法在图像配准中的应用》中提出的改进的RANSAC方法，这种方法在软件实现过程中，对于估计模型计算单应矩阵需要求解8阶线性方程，计算非常复杂，很难满足实时图像匹配场合的要求。目前提出的基于硬件实现的图像去噪方法，如Zahra Hossein-nejad在《Image Registration based on SIFT Features and Adaptive RANSACTransform》中提出的自适应RANSAC变换方法，该方法由于在实现过程中对抽样估计模型使用了简化的单应矩阵，使得其适用性有限，特别是当待匹配的两张图像之间的变换关系为透视变换时，该方法无法完成图像匹配去噪。

发明内容

本发明的目的在于提供一种随机抽样一致性的图像匹配去噪处理系统及方法，旨在解决目前图像匹配去噪软件算法存在的计算复杂，且难以满足实时图像处理场合应用要求的问题，和目前的硬件实现算法使用范围存在局限的问题。

为实现上述目的，本发明随机抽样一致性的图像匹配去噪处理系统，包括：

抽样单元，用于输入待匹配的图像A与待匹配图像B的成对特征点坐标并缓存，对缓存的特征点进行抽样，并将这两幅待匹配图像的抽样特征点的坐标向量分别组成的第一样本矩阵a与第二样本矩阵b，缓存这两个矩阵，以待后续单元使用；

单应矩阵计算单元，用于将抽样单元缓存的第一样本矩阵a与第二样本矩阵b通过矩阵特征值分解和矩阵乘法计算出单应矩阵H并缓存，以待后续单元使用；

一致性比较单元，用于将单应矩阵计算单元缓存的单应矩阵H与待匹配图像A中的其他特征点坐标向量相乘，并将相乘结果与待匹配的图像B中对应的特征点坐标向量作差，差值d：

如果d＜阈值m，则标记特征点为内点，记录内点数量k，若k≥内点值n，则计算结束，输出内点标记；

如果d≥阈值m，将其忽略。

所述阈值m和内点值n，根据工程的实际情况设定。

为实现上述目的，本发明随机抽样一致性的图像匹配去噪处理方法，包括：

1)对两幅待匹配的图像A和待匹配图像B的特征点进行抽样，共抽取4对特征点，用这两幅待匹配图像的特征点坐标向量分别组成第一样本矩阵a和第二样本矩阵b；

2)将第一样本矩阵a乘以其转置，得到对称矩阵h；

3)将对称矩阵h进行特征值分解，得到逆矩阵h^-1；