[发明专利]点线特征融合的错误匹配剔除方法

说明书

本发明涉及一种点线特征融合的错误匹配剔除方法，包括：从不同角度拍摄同一场景两幅不同图像并输入计算机、利用SIFT技术进行特征点检测及匹配、利用曲线描述子进行曲线匹配、确定各匹配曲线的支撑区域、获取匹配曲线对应支撑区域内的匹配点对、计算曲线支撑区域内特征点到曲线的最小距离、根据匹配曲线对的差异度剔除错误曲线匹配、根据匹配点对的差异度剔除错误点匹配。本发明提供的方法能够简单快速的剔除图像中的错误匹配，具有通用性。

技术领域

本发明涉及计算机视觉中的图像特征匹配领域，特别是图像匹配中点匹配和线匹配方法。

背景技术

特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等领域有重要应用。目前已有的曲线匹配方法主要有如下两类，第一类是基于曲线形状的匹配方法，第二类方法是基于图像内容的匹配方法^[1-3]。两种方法在局部形变较大时，均会产生较多地错误匹配，匹配正确率和总数达不到预期的效果。因此，从现有的匹配结果中去除错误匹配是计算机视觉、模式识别等领域中的一项基本问题，其应有广泛。

现有方法对特征点错误匹配去除方法研究较多，一些算法将线和点结合建立关系实现错误匹配的去除。例如Lourakis等人^[4]用两条直线和两个点构成的射影不变量实现平面上直线和点的匹配，但由于点匹配和直线匹配均是未知的，进行自由组合时需要大量时间。为避免在区域内寻找点匹配的组合搜索问题，Fan等人^[5]利用已有的特征点匹配结果，提出一种基于点线不变量的直线错误匹配去除方法。但现有点线结合的方法只适用于直线匹配，均无法用于曲线错误匹配的剔除。

参考文献：

[1] Wang Z, Wu F, Hu Z. MSLD: A robust descriptor for line matching[J]. Pattern Recognition, 2009, 42(5):941-953.

[2] 王志衡, 智珊珊, 刘红敏. 基于亮度序的均值标准差描述子[J]. 模式识别与人工智能, 2013, 26(4):91-98.

[3] Liu H.M,Zhi S.S,Wang Z.H.,IOCD: Intensity Order Curve Descriptor[J]. International Journal of Pattern Recognition and ArtificialIntelligence,2013,27 (7):1355011-135037

[4] Lourakis M. I. A., Halkidis S. T, Orphanoudakis S. C. Matchingdisparate views of planar surfaces using projective invariants [J]. ImageVision Computing, 2000, 18 (9) : 673–683.

[5] Fan B, Wu F, Hu Z. Aggregating gradient distributions intointensity orders: A novel local image descriptor[C]// IEEE, 2011:2377-2384.。

发明内容

本发明针对现有曲线匹配和点匹配算法中存在有错误匹配的问题，目的是提供一种将点、线特征融合起来的匹配方法。为了实现本目的，本发明基于点线特征融合的错误匹配剔除方法，包括以下步骤：

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；

步骤S3：利用曲线描述子进行曲线匹配；

步骤S4：确定各匹配曲线的支撑区域；