基于變換不變低秩紋理的投影變換圖像匹配方法組成比例

本發(fā)明專利技術(shù)公開了一種基于變換不變低秩紋理的投影變換圖像匹配方法，主要解決現(xiàn)有技術(shù)無法完成投影變換圖像匹配的缺陷。其方案為：1、輸入含投影變換的兩幅圖像并分別進(jìn)行低秩紋理區(qū)域的自動檢測和提取；2、對檢測得到的低秩紋理區(qū)域進(jìn)行TILT變換得到各自的局部變換矩陣，并利用局部變換矩陣校正輸入的兩幅圖像；3、對兩幅校正得到的圖像進(jìn)行特征點(diǎn)檢測，對特征點(diǎn)建立尺度不變特征描述符以及幾何形狀描述符；4、聯(lián)合尺度不變特征描述符和幾何形狀描述符建立新的特征描述符，對新的描述符采用歐式距離進(jìn)行相似性度量，完成圖像匹配。本發(fā)明專利技術(shù)能提取出具有較高重復(fù)率和正確匹配率的特征點(diǎn)，提高了計(jì)算效率，可用于圖像融合，圖像拼接與三維重建。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于圖像處理
，具體涉及一種投影變換圖像匹配方法，可應(yīng)用于目標(biāo)識別與跟蹤，圖像拼接與三維重建領(lǐng)域。
技術(shù)介紹
在目標(biāo)識別，圖像拼接與三維重建等領(lǐng)域，需要先對同一場景的多幅視圖進(jìn)行匹配處理。一般情況下，可以采用基于特征的圖像匹配方法進(jìn)行圖像匹配，這主要是考慮到一些圖像特征對于圖像的尺度、旋轉(zhuǎn)以及仿射變換具有不變性，并且只用特征信息尋找圖像間的幾何關(guān)系具有計(jì)算效率高的優(yōu)點(diǎn)。但是，當(dāng)兩幅圖像間存在較大程度的投影失真時(shí)，現(xiàn)有技術(shù)往往很難提取到具有投影不變性的特征，從而導(dǎo)致匹配精度不夠甚至無法實(shí)現(xiàn)匹配的問題。目前，基于特征的圖像匹配方法中常用的特征信息有尺度不變特征SIFT，最大穩(wěn)定極值區(qū)域MSER特征和完全仿射不變特征ASIFT，例如LoweD，“Distinctiveimagefeaturesfromscale-invariantkeypoints.”InternationalJournalofComputerVision,vol.60,no.2,pp.91—110.MatasJ,ChumO,etal.，“Robustwide-baselinestereofrommaximallystableextremalregions.”ImageandVisionComputing,vol.22,no.10,pp.761-767.及MorelJM,YuG，“ASIFT:Anewframeworkforfullyaffineinvariantimagecomparison.”SIAMJournalonImagingSciences,vol.2,no.2,pp.438-469.這三篇文獻(xiàn)公開的技術(shù)均為特征提取及匹配方法。基于尺度不變特征SIFT的圖像匹配方法，能夠匹配存在尺度變換的圖像，并且獲得較好的匹配效果。但是，當(dāng)圖像間存在較大的投影變換時(shí)，基于尺度不變特征SIFT的特征檢測方法往往很少能夠獲得數(shù)目足夠且正確率高的匹配點(diǎn)對，因此基于尺度不變特征SIFT的圖像匹配方法不能匹配具有投影變換的圖像。基于最大穩(wěn)定極值區(qū)域MSER的圖像匹配方法，采用最大穩(wěn)定極值區(qū)域MSER的質(zhì)心作為特征點(diǎn)進(jìn)行匹配，由于最大穩(wěn)定極值區(qū)域MSER具有較高的仿射變換不變性，因此能夠?qū)崿F(xiàn)存在較大仿射變換的圖像配準(zhǔn)，但是對于存在投影失真的圖像仍不能獲得準(zhǔn)確的匹配對，并且由于成像傳感器及成像環(huán)境的不同，采用的質(zhì)心往往不能精確反映特征的位置，從而導(dǎo)致配準(zhǔn)精度不高。完全仿射不變特征ASIFT算法，首先對原圖像進(jìn)行人為模擬的仿射空間采樣，獲得多幅視圖；然后利用尺度不變特征SIFT方法對獲得的多幅視圖進(jìn)行特征提取及特征匹配，這樣能夠獲得比尺度不變特征SIFT方法更多的匹配點(diǎn)數(shù)，因此基于完全仿射不變特征ASIFT特征的圖像配準(zhǔn)方法可以配準(zhǔn)存在較大仿射變換的圖像。但該方法由于將投影變換的圖像近似看作仿射變換并對圖像在仿射空間上進(jìn)行模擬，因此其僅適應(yīng)于發(fā)生較小程度的投影失真圖像匹配,對于存在較大程度投影失真的圖像，仍然不能建立準(zhǔn)確的匹配點(diǎn)對。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于針對上述已有技術(shù)無法完成投影變換圖像匹配的缺點(diǎn)，提出一種基于變換不變低秩紋理的投影變換圖像匹配方法，該方法通過TILT變換消除輸入圖像的投影失真，將投影變換圖像的匹配問題轉(zhuǎn)換為相似變換的圖像匹配問題，以獲得更加準(zhǔn)確的匹配點(diǎn)對。本專利技術(shù)的技術(shù)方案是：通過Canny邊緣檢測和Hough變換線檢測實(shí)現(xiàn)對輸入圖像低秩紋理區(qū)域的自動選取；采用變換不變低秩紋理對低秩紋理區(qū)域進(jìn)行校正并得到局部投影變換矩陣；使用局部投影變換矩陣對整幅輸入圖像進(jìn)行投影變換，實(shí)現(xiàn)對整幅輸入圖像的校正，將投影變換圖像匹配問題降級為相似變換圖像匹配問題；利用基于特征的圖像匹配方法完成對校正圖像的匹配。其實(shí)現(xiàn)步驟包括如下：(1)分別輸入存在投影變換的兩幅圖像A和B，其中A為參考圖像，B為待匹配圖像；(2)分別對輸入的兩幅圖像進(jìn)行低秩紋理區(qū)域檢測，得到參考圖像A中的低秩紋理區(qū)域UA和待匹配圖像B中的低秩紋理區(qū)域UB；(3)分別對上述低秩紋理區(qū)域UA和UB進(jìn)行變換不變低秩紋理TILT變換，得到各參考圖像A的局部變換矩陣HA和待匹配圖像B的局部變換矩陣HB；(4)分別使用局部變換矩陣HA和HB對兩幅輸入圖像A和B進(jìn)行投影變換，得到校正后的參考圖像A′和校正后的待匹配圖像B′：A′＝HAAB′＝HBB；(5)分別對上述兩個(gè)校正后圖像A′和圖像B′進(jìn)行高斯差分DoG極值點(diǎn)檢測，得到校正后參考圖像的特征點(diǎn)集ΩA′以及校正后待匹配圖像的特征點(diǎn)集ΩB′；分別對ΩA′以及ΩB′中的每一個(gè)特征點(diǎn)建立20維的幾何形狀描述符GA′以及GB′；(6)分別對上述兩個(gè)特征點(diǎn)集ΩA′及ΩB′中的每一個(gè)特征點(diǎn)進(jìn)行基于尺度不變特征變換描述，得到128維的局部特征描述符LA′以及LB′；(7)利用步驟(6)中建立的128維局部特征描述符LA′、LB′以及步驟(5)中建立的20維的幾何形狀描述符GA′、GB′，分別建立校正后參考圖像的特征點(diǎn)集ΩA′每一個(gè)特征點(diǎn)的特征描述符DA′和校正后待匹配圖像的特征點(diǎn)集ΩB′每一個(gè)特征點(diǎn)的特征描述符DB′：其中0≤w≤1是局部特征與幾何形狀特征之間的權(quán)重因子。(8)對上述得到的新型特征描述符DA′和DB′進(jìn)行歐式距離度量，以最近鄰比次近鄰小于指定閾值的準(zhǔn)則來建立參考圖像與待匹配圖像的匹配點(diǎn)對，完成存在投影變換的圖像之間的匹配。本專利技術(shù)與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：第一，本專利技術(shù)由于對輸入的參考圖像和待匹配圖像進(jìn)行了基于變換不變低秩紋理的校正，并在獲得的校正圖像上進(jìn)行基于特征的圖像匹配，改善了現(xiàn)有技術(shù)對存在投影變換的圖像進(jìn)行匹配過程中，難以獲得較高特征點(diǎn)重復(fù)率和正確匹配率的缺陷，使得本專利技術(shù)對存在投影變換的圖像進(jìn)行匹配時(shí)，具有更高的特征點(diǎn)重復(fù)率和正確匹配率。第二，本專利技術(shù)由于采用了Canny邊緣檢測與Hough變換線檢測，改善了現(xiàn)有技術(shù)在利用變換不變低秩紋理TILT對圖像進(jìn)行校準(zhǔn)時(shí)需要手動選取低秩紋理區(qū)域的缺陷，使得本專利技術(shù)與現(xiàn)有技術(shù)相比具有更高的效率。第三，本專利技術(shù)由于在特征點(diǎn)描述的過程中引入了幾何形狀描述符，改善了現(xiàn)有技術(shù)在利用局部特征描述符對包含大量重復(fù)性結(jié)構(gòu)的圖像進(jìn)行匹配時(shí)容易產(chǎn)生誤匹配點(diǎn)對的缺陷，使得本專利技術(shù)在上述情況下?lián)碛懈叩恼_匹配率。附圖說明圖1為本專利技術(shù)的實(shí)現(xiàn)流程圖；圖2為用本專利技術(shù)對圖像的矩形低秩紋理區(qū)域進(jìn)行檢測的仿真效果圖；圖3為用本專利技術(shù)對存在投影變換圖像的匹配仿真效果圖。具體的實(shí)施方式下面結(jié)合附圖對本專利技術(shù)做進(jìn)一步的描述。參照附圖1，本專利技術(shù)的實(shí)現(xiàn)步驟如下：步驟1，輸入?yún)⒖紙D像和待匹配圖像。分別輸入從兩個(gè)不同視角拍攝的存在投影變換的兩幅圖像，一幅作為參考圖像A，另一幅作為待匹配圖像B。步驟2，分別對兩幅輸入圖像分別進(jìn)行低秩紋理區(qū)域檢測，得到參考圖像A中的低秩紋理區(qū)域UA以及待匹配圖像B中的低秩紋理區(qū)域UB。2a)分別對參考圖像A和本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于變換不變低秩紋理的投影變換圖像匹配方法，包括：(1)分別輸入存在投影變換的兩幅圖像A和B，其中A為參考圖像，B為待匹配圖像；(2)分別對輸入的兩幅圖像進(jìn)行低秩紋理區(qū)域檢測，得到參考圖像A中的低秩紋理區(qū)域UA和待匹配圖像B中的低秩紋理區(qū)域UB；(3)分別對上述低秩紋理區(qū)域UA和UB進(jìn)行變換不變低秩紋理TILT變換，得到各參考圖像A的局部變換矩陣HA和待匹配圖像B的局部變換矩陣HB；(4)分別使用局部變換矩陣HA和HB對上述兩幅輸入圖像A和B進(jìn)行投影變換，得到校正后的參考圖像A′和校正后的待匹配圖像B′：A′＝HAAB′＝HBB；(5)分別對上述兩個(gè)校正后圖像A′和圖像B′進(jìn)行高斯差分DoG極值點(diǎn)檢測，得到校正后參考圖像的特征點(diǎn)集ΩA′以及校正后待匹配圖像的特征點(diǎn)集ΩB′；(6)分別對上述兩個(gè)特征點(diǎn)集ΩA′及ΩB′中的每一個(gè)特征點(diǎn)進(jìn)行基于尺度不變特征變換描述，得到128維的局部特征描述符LA′以及LB′；分別對ΩA′以及ΩB′中的每一個(gè)特征點(diǎn)建立20維的幾何形狀描述符GA′以及GB′；(7)利用步驟(6)中建立的128維局部特征描述符LA′、LB′以及20維的幾何形狀描述符GA′、GB′，建立校正后參考圖像的特征點(diǎn)集ΩA′中每一個(gè)特征點(diǎn)的特征描述符DA′，建立校正后待匹配圖像的特征點(diǎn)集ΩB′中每一個(gè)特征點(diǎn)的特征描述符DB′：DA′=wLA′(1-w)GA′]]>DB′=wLB′(1-w)GB′]]>其中0≤w≤1是局部特征與幾何形狀特征之間的權(quán)重因子。(8)對上述得到的新型特征描述符DA′和DB′進(jìn)行歐式距離度量，以最近鄰比次近鄰小于指定閾值的準(zhǔn)則來建立參考圖像與待匹配圖像的匹配點(diǎn)對，完成存在投影變換的圖像之間的匹配。...

【技術(shù)特征摘要】
1.一種基于變換不變低秩紋理的投影變換圖像匹配方法，包括：
(1)分別輸入存在投影變換的兩幅圖像A和B，其中A為參考圖像，B為待匹配
圖像；
(2)分別對輸入的兩幅圖像進(jìn)行低秩紋理區(qū)域檢測，得到參考圖像A中的低秩紋
理區(qū)域UA和待匹配圖像B中的低秩紋理區(qū)域UB；
(3)分別對上述低秩紋理區(qū)域UA和UB進(jìn)行變換不變低秩紋理TILT變換，得到各
參考圖像A的局部變換矩陣HA和待匹配圖像B的局部變換矩陣HB；
(4)分別使用局部變換矩陣HA和HB對上述兩幅輸入圖像A和B進(jìn)行投影變換，
得到校正后的參考圖像A′和校正后的待匹配圖像B′：
A′＝HAA
B′＝HBB；
(5)分別對上述兩個(gè)校正后圖像A′和圖像B′進(jìn)行高斯差分DoG極值點(diǎn)檢測，得到
校正后參考圖像的特征點(diǎn)集ΩA′以及校正后待匹配圖像的特征點(diǎn)集ΩB′；
(6)分別對上述兩個(gè)特征點(diǎn)集ΩA′及ΩB′中的每一個(gè)特征點(diǎn)進(jìn)行基于尺度不變特征
變換描述，得到128維的局部特征描述符LA′以及LB′；分別對ΩA′以及ΩB′中的每一個(gè)特
征點(diǎn)建立20維的幾何形狀描述符GA′以及GB′；
(7)利用步驟(6)中建立的128維局部特征描述符LA′、LB′以及20維的幾何形狀描述
符GA′、GB′，建立校正后參考圖像的特征點(diǎn)集ΩA′中每一個(gè)特征點(diǎn)的特征描述符D...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張強(qiáng)，李亞軍，朱韻茹，相朋，王龍，
申請(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國別省市：陜西;61