[发明专利]一种基于局部结构相似的特征匹配方法

说明书

本发明提供一种基于局部结构相似的特征匹配方法，用来解决图像配准过程中出现的由于噪声干扰而造成匹配结果不理想的问题。步骤包括：步骤1，对两张待匹配图像进行特征提取与初始匹配；步骤2，建立特征点的邻域仿射系数矩阵；步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异；步骤4，对邻域仿射系数矩阵进行优化，获取局部结构差异程度；步骤5，根据每个匹配相关联的特征点的局部结构差异值，设定比较阈值，确定最终的特征匹配对作为待匹配图像的匹配关系结果。本发明在技术上克服了现有技术优化过程复杂并收敛慢的问题，有效提高匹配的效率。

技术领域

本发明属于图像处理领域，尤其涉及图像噪声影响下匹配不够精确时的图像处理，具体为一种基于局部结构相似的特征匹配方法。

背景技术

随着多媒体技术的迅猛发展，图像已成为传递信息的重要载体，数字图像处理技术越来越彰显出它的重要地位，其中图像匹配技术更是近些年来人们关注的重点内容。因为数字图像处理技术的其他研究方向如图像识别、图像检索，以及目标识别、目标跟踪等都是在图像匹配技术的基础上进一步发展的。可以说图像匹配技术的进步能够带动数字图像处理技术整体的发展。但图像匹配技术不仅是研究热点，同时也是研究难点。匹配的目标是对图像中相同的物体找到精确的对应关系，然而其实现过程受到了很多限制。比如待匹配的图像可能来自不同的摄影设备，不同的拍摄场景，甚至是不同的拍摄时代。存储设备的不同，视角、光照的变换以及背景的杂乱所带来的是物体的失真，几何变形，噪声干扰等，这些影响无疑给图像匹配技术带来了巨大考验。

近些年来，广大学者已经对图像匹配技术进行了大量的研究，并取得较好的学术成果。一般的图像匹配方法是基于图像特征点及特征描述向量进行的。通过计算特征描述之间的距离获取初始匹配集。由于常用的特征提取算法具有很好的区分性以及尺度不变性，因而能够保证通过特征描述所得的初始匹配集中很大一部分是正确的匹配对。后续算法便是通过设定几何约束或关系约束去除初始匹配集中的错误匹配，获取最终的正确匹配集。最常见的是利用图匹配算法实现匹配集的优化过程。图中的顶点代表图像特征点，图中的边代表图像特征点关联，设置能量函数式表示点与点、边与边之间的相似性，通过最小化函数式达到匹配约束效果。在此基础上进行二次优化，选择关键点周围的3个邻居点线性表示该点，将得到的系数矩阵作用于该点对应的匹配点，并带入能量函数式利用线性规划求解，确定最终匹配结果。但该方法邻居点的选择不够灵活，后续的求解过程过于复杂，时间花销大，无法实现匹配的高效。

发明内容

针对以上匹配方法存在的问题，本发明提供了一种基于局部线性结构相似的特征匹配方法。与现有技术相比，此方法灵活利用图像结构信息，并在优化的过程中简化了计算量，大大提高了匹配的精确度和召回率。

发明目的：本发明所要解决的是现有匹配方法存在不足的问题，提出一种基于局部结构相似的特征匹配方法。

技术方案：本发明一种基于局部结构相似的特征匹配方法，该方法的特征在于提取图像特征描述获取初始匹配集，用关键点邻接点线性表示关键点得到系数矩阵，基于系数矩阵测量匹配对关键点局部区域几何一致性，将一致性作为置信度判断标准，删除置信度小的匹配对，保留置信度大的，确定最终匹配集。具体包括以下步骤：

步骤1，对两张待匹配图像进行特征提取与初始匹配，从而获取初始匹配对应关系集；

步骤2，对步骤1中获取的初始匹配集中所确定的特征点，确定每个特征点的邻居点，并据此建立特征点的邻域仿射系数矩阵；

步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异，用此差异表示每个匹配相关联的特征点之间的局部结构相似性。差异值越小，局部结构相似性越高，差异越大，局部结构相似性越低；

步骤4，对邻域仿射系数矩阵进行优化，定义以邻域仿射系数矩阵为变量计算局部结构差异程度的函数式，求函数式取极值时对应的邻域仿射系数矩阵，并将此系数矩阵带入函数式计算特征点局部结构差异程度；