[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

说明书

本发明公开了一种基于全局和局部特征描述的多模图像匹配方法，属于图像特征提取和匹配技术领域。本发明包括以下步骤：对于参考图像和待匹配图像，分别检测图像中的特征点，并确定特征点主方向；对于每一个特征点，分别构造PIIFD描述符和全局上下文特征描述符；对于每一对特征点，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；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以消除其中的异常匹配点对，得到最终匹配结果。本发明能够有效克服多模图像局部灰度差异大，特征点描述和匹配困难的问题，提高多模图像特征点匹配的准确率。

技术领域

本发明属于图像特征提取和匹配技术领域，具体涉及一种基于全局和局部特征描述的多模图像匹配方法。

背景技术

多模图像匹配是图像特征提取和配准的重要研究内容，是指将不同成像设备在不同时间或不同视角等条件下获取的，关于同一场景的两幅或多幅图像进行对应的过程。由于多模态图像的成像机理不同，导致图像之间的对应区域灰度差异较大，难以提取稳定的特征描述符用于图像匹配，这一特点为多模图像的匹配任务带来了严峻的挑战。

多模图像匹配算法主要分为基于区域的匹配方法和基于特征的匹配方法。基于区域的匹配方法通过对图像局部区域的灰度进行相似度评价以预测两幅图像之间的对应关系，该类方法计算复杂，并且难以应对图像之间的旋转和尺度变化。

相比于基于区域的匹配方法，基于特征的匹配方法计算效率更高，对图像之间的旋转和尺度变化具有更好的鲁棒性，因而得到更加广泛的研究和应用。最具代表性的特征匹配算法是Lowe提出的SIFT算法(D.G.Lowe,Distinctive Image Features from Scale-Invariant Keypoints,International Journal of Computer Vision 60(2)(2004)91-110.)，该方法虽然在多模图像匹配应用中性能不佳，但是其为后续基于特征的图像匹配算法提供了基本思路。在该算法的基础之上，Sedaghat等人提出了一种一致稳健的SIFT算法(A.Sedaghat,M.Mokhtarzade,H.Ebadi,Uniform robust scale-invariant featurematching for optical remote sensing images,IEEE Transactions on Geoscienceand Remote Sensing 49(11)(2011)4516-4527.)，该方法采用基于熵值的特征选取策略从图像中提取均匀分布的特征点用以进行特征匹配。Bay等人提出了一种快速鲁棒性特征(H.Bay,A.Ess,T.Tuytelaars,L.Van Gool,Speeded-up robust features,ComputerVision and Image Understanding,110(3)(2008)404-417.)，进一步提高了图像特征提取和匹配的运算效率。Chen等人提出了一种部分灰度不变特征描述符(J.Chen,J.Tian,N.Lee,J.Zheng,R.T.Smith,A.F.Laine,Apartial intensity invariant featuredescriptor for multimodal retinal image registration,IEEE Transactions onBiomedical Engineering,57(7)(2010)1707-1718.)，以应对多模图像之间的灰度差异问题，该方法在多模视网膜图像匹配中得到了广泛的应用和改进。上述现有的基于特征的匹配方法大多采用特征点的局部信息构造特征描述符，而由于成像机理的不同，多模图像的局部信息可能存在较大差异，现有方法构造的描述符受图像局部信息差异的影响较大，因而导致多模图像匹配的准确率不高。

发明内容

1.发明要解决的技术问题

本发明的目的在于克服现有技术中的缺陷，提供一种基于全局和局部特征描述的多模图像匹配方法，以解决多模图像匹配任务中，图像特征点描述和匹配困难的问题。

2.技术方案