[发明专利]一种利用学习不变特征变换的兵马俑图像匹配方法

说明书

本发明提供了一种利用学习不变特征变换的兵马俑图像匹配方法，包括以下步骤：步骤1，选择任意一幅兵马俑图像作为输入兵马俑图像，提取输入兵马俑图像的所有特征点；步骤2，得到特征点分布曲线，将特征点分布曲线划分为头部区域和躯干区域；步骤3，得到头部区域的特征点集合和躯干区域的特征点集合，在每两个视图中分别对头部区域和躯干区域的特征点进行匹配。在特征提取方面，本发明训练数据集较大，并且加入了空间不变网络模型，得到更鲁棒的特征，克服了兵马俑表面特征间的相似性问题；在图像匹配方面，本发明将提取出的特征分为头部和躯干两个区域，缩小了匹配时间，减少了误匹配率。

技术领域

本发明属于图像匹配领域，具体涉及一种利用学习不变特征变换的兵马俑图像匹配方法。

背景技术

兵马俑图像的结构复杂，不仅表面具有丰富的纹理信息，而且很多特征点间具有相似性，这使得使用现有的特征点匹配方法可能会产生较多错误匹配。现阶段对兵马俑图像的匹配方法仍采用传统的SIFT、SURF等方法，这些方法在自然图像上适应性较强，但是应用在兵马俑图像上仍存在特征点可重复率较低、特征匹配时存在大量误匹配点集等问题，从而导致正确匹配率不高。

发明内容

针对现有技术存在的不足，本发明的目的在于，提供一种利用学习不变特征变换的兵马俑图像匹配方法，根据兵马俑自身特有的铸造结构进行研究，将兵马俑分为头部、躯干两部分，有效提高了兵马俑图像匹配的准确率，较大程度上减少了错误匹配点集的同时减少了匹配时间，使兵马俑图像的视觉匹配效果更好。

为了解决上述技术问题，本发明采用如下技术方案予以实现：

一种利用学习不变特征变换的兵马俑图像匹配方法，包括以下步骤：

步骤1，选择任意一幅兵马俑图像作为输入兵马俑图像，提取输入兵马俑图像的所有特征点；

其中，包括：

步骤11，构建输入兵马俑图像的尺度空间，得到多个尺度空间下的输入兵马俑图像；

步骤12，将多个尺度空间下的输入兵马俑图像输入训练好的特征检测卷积神经网络，输出分数金字塔，在所述分数金字塔的尺度域和图像域中搜索局部极大值，并抑制非极大值元素筛选出输入兵马俑图像的特征点；

步骤13，将输入兵马俑图像的特征点划分为多个图像块，计算每个图像块中特征点的方向；

步骤14，根据每个图像块中特征点的方向，提取出每个图像块中特征点的128维特征描述子，即得到输入兵马俑图像的所有特征点的特征描述子；

步骤2，根据提取到的输入兵马俑的所有特征点，得到特征点分布曲线，将特征点分布曲线划分为头部区域和躯干区域；

步骤3，根据特征点分布曲线中的头部区域和躯干区域，得到头部区域的特征点集合和躯干区域的特征点集合，在每两个视图中分别对头部区域和躯干区域的特征点进行匹配。

进一步地，所述步骤2中将特征点分布曲线划分为头部区域和躯干区域，包括：

步骤21，对输入兵马俑图像进行二值化处理，得到二值化的兵马俑图像；

步骤22，对二值化的兵马俑图像进行数学形态上的腐蚀；

步骤23，对特征点分布曲线进行平滑处理，得到平滑处理后的特征点分布曲线；

步骤24，将平滑处理后的特征点分布曲线中第二个波谷作为头部区域和躯干区域的分界线，即第二个波谷之前的特征点分布曲线为头部区域，第二个波谷之后的特征点分布曲线为躯干区域。

进一步地，步骤3中在每两个视图中分别对头部区域和躯干区域的特征点进行匹配，包括：