[发明专利]一种基于全局和局部特征描述的多模图像匹配方法

权利要求书

1.一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，包括以下步骤：

步骤1、分别提取参考图像和待匹配图像中的特征点，并确定特征点的主方向；

步骤2、对于两幅图像中的每一个特征点，分别构造其PIIFD描述符和全局上下文特征描述符；

步骤3、对于两幅图像中的每一对特征点，计算两种特征描述符的相似度，并进行加权融合，通过对比各对特征点的相似度进行初步匹配；

步骤4、对于初步匹配结果，提取特征点的局部上下文特征向量进行比对，消除其中的异常匹配点对，得到最终匹配结果；

所述的步骤2中，计算PIIFD描述符和全局上下文特征描述符的具体过程如下：

步骤2-1、对于图像中任一特征点c_i，选取该特征点周围41*41的矩形区域，并且以特征点主方向作为矩形区域方向进行PIIFD描述符的构造；

步骤2-2、计算全局上下文特征描述符：

(1)对于特征点c_i，选取图像中与其距离最近的m个特征点，记为特征点集合{c₁，c₂，…，c_m}，其中，m＝γM，M为图像中检测到的所有特征点的个数，参数γ范围为0.5～0.8；对于该特征点集合中的任一特征点c_j，其相对于特征点c_i的相对位置可表示为w_ij＝(α_ij，β_ij)，其中α_ij为向量与特征点c_i主方向的夹角，β_ij为特征点c_j主方向和特征点c_i主方向的夹角；

(2)对于特征点集合{c₁，c₂，…，c_m}中的每一个特征点，计算描述向量w_ij，则特征点c_i与其邻域内其它特征点的位置关系可表示为W_i＝{w_i1，w_i2，…，w_im}；其中，i＝1，2，...M；j＝1，2，...m；

(3)将α和β的取值范围(0，2π)均匀划分为8个角度区间，计算W_i的直方图描述，如公式(1)，

其中，为直方图中第k个元素值，bin(k)为第k个角度区间，K为直方图维数；直方图即为特征点c_i的全局上下文特征描述符；

所述的步骤4中，消除异常匹配点对的具体过程为：

步骤4-1、记步骤3筛选出的初步匹配点对集合为其中，n为匹配点对数，对于集合中的一对初步匹配的特征点p_i1和q_i1，在参考图像中提取出与特征点p_i1距离最近的10个特征点，记为在待匹配图像中提取出与特征点q_i1距离最近的10个特征点，记为

步骤4-2、对于特征点p_i1的最近邻点集合其中各个点与p_i1的欧式距离记为以特征点p_i1为极点，以其主方向为极轴方向建立极坐标，将极角坐标均匀划分为12个区间，则该特征点的局部上下文特征向量计算如公式(4)，

其中，为向量中第o个元素值，bin(o)为第o个极角区间，d_max为集合中的最大值；同理可计算特征点q_i1的局部上下文特征向量，记为

步骤4-3、对于筛选出的每一对初步匹配的特征点p_i1和q_i1，计算其局部上下文特征向量之间的距离如公式(5)，

若距离值大于给定的阈值T，则将该初步匹配的特征点对视为异常匹配点对加以移除。

2.根据权利要求1所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤1中，采用Harris检测算法进行图像特征点检测，采用平均平方梯度法进行特征点主方向计算。

3.根据权利要求2所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的参数γ值为0.7。