[发明专利]点线特征融合的错误匹配剔除方法有效
申请号: | 201810086579.6 | 申请日: | 2018-01-30 |
公开(公告)号: | CN108304870B | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 刘红敏;魏玉慧;王国东;罗军伟;王静;贾利琴;雒芬;霍占强;姜国权;王志衡 | 申请(专利权)人: | 河南理工大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 454000 河南*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 点线 特征 融合 错误 匹配 剔除 方法 | ||
1.一种点线特征融合的错误匹配剔除方法,其特征在于,包括步骤:
步骤S1:从不同角度拍摄同一场景两幅不同图像并输入计算机;
步骤S2:利用SIFT技术进行特征点检测及匹配,获得匹配点对集合S(P)={(Pi,Pi’),i=1,2,…,NP},其中Pi表示第1幅图像中匹配的特征点,Pi’表示第2幅图像中与Pi匹配的特征点,NP为匹配特征点对的个数;
步骤S3:利用Canny边缘检测算子提取曲线并使用IOCD亮度序曲线描述子进行曲线匹配,获得匹配曲线对集合S(C)={(Cj,Cj’),j=1,2,…,NC},其中Cj表示第1幅图像中的匹配曲线,Cj’表示第2幅图像中与Cj匹配的曲线,任一曲线C的IOCD亮度序曲线描述子为IOCD(C)=sum(DM(C))/‖sum(DM(C))‖,DM(C)为曲线的描述矩阵,NC为匹配曲线对的个数;
步骤S4:确定各曲线的支撑区域,具体方式为,对于任一条由Num(C)个点组成的匹配曲线C,记C上任一点为Pk,k=1,2,…,Num(C),将以Pk为圆心R为半径的圆形区域定义为点Pk的支撑区域并记为G(Pk),C上各点支撑区域覆盖的区域定义为C的支撑区域并记为G(C)=G(P1)∪G(P2)∪…∪G(PNum(C));
步骤S5:获取匹配曲线对应支撑区域内的匹配点对,具体方式为,对于任一匹配曲线对(Cj,Cj’),由步骤S4分别获得Cj、Cj’的支撑区域G(Cj)、G(Cj’),寻找满足如下条件的匹配点对(P,P’):P∈G(Cj)P’∈G(Cj’)(P,P’)∈S(P),得到(Cj,Cj’)对应支撑区域内的匹配点对集合S(CPj)={(Pl,Pl’),l=1,2,…,Nj},Nj为匹配点对的个数;
步骤S6:计算曲线支撑区域内特征点到曲线的最小距离,具体方式为,对于步骤S5获取的匹配点对集合S(CPj)中的任一匹配点对(Pl,Pl’),计算特征点Pl到曲线Cj上各点距离并记距离最小值为djl;计算Pl’到曲线Cj’上各点距离并记距离最小值为djl’;获得S(CPj)对应的最小距离集合S(d)={(djl,djl’),l=1,2,…,Nj};
步骤S7:根据匹配曲线对的差异度剔除错误曲线匹配,具体方式如下:
步骤S71:计算匹配曲线对的差异度,具体方式为,对于任一匹配曲线对(Cj,Cj’),根据步骤S6获得最小距离集合S(d)={(djl,djl’),l=1,2,…,Nj},分别计算G(Cj)、G(Cj’)中最小距离的平均值曲线Cj、Cj’的差异度定义为Dif(Cj,Cj’)=|dj-dj’|;
步骤S72:验证匹配曲线对的正确性并剔除错误曲线匹配,具体方式为,对于任一匹配曲线对(Cj,Cj’),给定阈值TC,TC一般取8~15,如果Dif(Cj,Cj’)TC,则(Cj,Cj’)为正确匹配,否则将(Cj,Cj’)作为错误匹配剔除;
步骤S8:根据匹配点对的差异度剔除错误点匹配,具体方式如下
步骤S81:计算匹配点对的差异度,具体方式为,对于集合C中的任一匹配点对(Pi,Pi’),如果Pi∈G(Cj),计算点Pi到曲线Cj的最小距离并记为dij;计算点Pi’到曲线Cj’的最小距离并记为dij’,则匹配点对(Pi,Pi’)的差异度定义为:Dif(Pi,Pi’)=|dij-dij’|;
步骤S82:验证匹配点对的正确性并剔除错误点匹配,具体方式为,对于任一匹配点对(Pi,Pi’),定义阈值TP,TP一般取35~45,如果Dif(Pi,Pi’)TP,则(Pi,Pi’)为正确匹配,否则将(Pi,Pi’)作为错误匹配剔除。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南理工大学,未经河南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810086579.6/1.html,转载请声明来源钻瓜专利网。