[发明专利]基于局部稳定区域的鱼眼图像匹配方法

说明书

本发明公开了一种基于局部稳定区域的鱼眼图像匹配方法，首先根据鱼眼图像像素灰度值的梯度变化率得到图像的稳定区域，通过图像块内部特征点之间关系与图像块的颜色信息对稳定区域的图像块进行区域匹配；然后根据鱼眼成像模型与鱼眼图像畸变原理推导出适用于D‑nets算法的鱼眼立体系统半球模型；最后在推导出鱼眼模型的基础上对相似度高的图像块内部点使用D‑nets算法进行特征点匹配，得到图像的特征点匹配图。本发明算法使用局部网络状描述子对鱼眼图像上特征点进行匹配，在畸变严重区域具有匹配速度快、匹配精度高等优点。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于局部稳定区域的鱼眼图像匹配方法。

背景技术

近年来鱼眼相机被广泛应用在全景图像摄影、机器视觉、虚拟现实等领域。其主要原因是鱼眼图像具有大广角特征，视角可以达到180°，甚至更大。在机器视觉领域对同一场景的不同图像上进行特征点匹配是极其重要任务，在传统的图像分类，目标检测，目标跟踪，三维重建等领域都需要特征点的正确匹配。

目前，针对鱼眼图像的特征点匹配存在以下问题。单独使用SIFT、ORB等经典匹配算法并不能解决鱼眼图像畸变问题，对鱼眼图像匹配效果不佳；最常见的方法是事先通过插值方法对鱼眼图像进行校正，在校正后的图像上进行匹配，但是在插值过程中引入大量估计值，使得鱼眼图像上很多细节信息丢失，导致鱼眼图像匹配精度低；有的方法是通过在D-nets算法上加入鱼眼模型，通过构建特征点的网络结构使用全局特征点描述子代替特征点的局部描述子，这种方法极大的克制了鱼眼图像带来的畸变影响，但是这种算法需要给图像中每个特征点都建立网络结构，导致匹配速度缓慢。综上所述，现在鱼眼图像特征点匹配技术并没有一个切实可行，快速精准的解决方案。因此，期望提出一种既要保证匹配精度，又要保证匹配速度的鱼眼图像特征点匹配技术。

发明内容

本发明的目的在于提出一种基于局部稳定区域的鱼眼图像匹配方法，其为具有高精度、高鲁棒性、匹配速度快的鱼眼图像特征点匹配方法，其能够解决鱼眼图像在畸变情况下的特征点匹配精准度问题以及鲁棒性差的问题。通过引入局部稳定性区域匹配解决D-nets算法匹配速度慢问题；通过引入鱼眼半球模型解决鱼眼图像中径向畸变与偏心畸变问题。

本发明的技术方案如下：

一种基于局部稳定区域的鱼眼图像匹配方法，其具体包括如下步骤：

步骤1，根据鱼眼图像像素灰度值的梯度变化率得到图像的稳定区域，通过稳定区域的图像块的内部特征点之间关系以及稳定区域的图像块的颜色信息共同对稳定区域的图像块进行区域匹配；

步骤2，通过在鱼眼多项式畸变模型中引入偏心畸变与薄棱镜畸变，建立鱼眼成像模型，基于鱼眼图像畸变原理，从所述鱼眼成像模型中推导出适用于D-nets算法的鱼眼立体系统半球模型；以及

步骤3，在所推导出的适用于D-nets算法的鱼眼立体系统半球模型的基础上，对匹配代价满足阈值的稳定区域内的图像块内部点使用D-nets算法进行匹配，得到图像稀疏点匹配图。

优选地，所述步骤1的匹配方法为基于局部仿射不变性的鱼眼图像匹配方法，其具体步骤如下：

在各个鱼眼图像中将所选定的物体与其周围物体进行区分，所选定的物体的灰度与其周围物体的灰度存在差异，将两张鱼眼图像中像素灰度值与周围像素有明显差异的联通区域提取出来作为各自的稳定区域，通过这些稳定区域内部所选定的特征点与稳定区域内部的其他特征点之间的关系，来判别两个稳定区域中是否存在同一物体，其计算函数如下：