基于DCCD-Laplace和SIFT描述符的快速影像匹配方法組成比例

本發明專利技術公開了一種基于DCCD-Laplace和SIFT描述符的快速影像匹配方法，包含如下步驟：1、采用DCCD-Laplace提取影像上關鍵點，確定關鍵點的主方向，生成特征點；2、采用SIFT描述符對特征點進行描述；3、分別采用BBF（最近鄰搜索算法）和RANSAC（隨機取樣一致性算法）對特征點進行粗匹配和精匹配。本發明專利技術中DCCD-Laplace可以快速地提取關鍵點，同時提取的關鍵點不僅對光照變化、旋轉變化以及尺度變化具有不變性，而且還具有很強的抗噪聲性，這使得本方法擁有快速的匹配速度和高精度的匹配結果。

【技術實現步驟摘要】

本專利技術涉及一種圖像處理方法，特別涉及基于DCO) (DoubIe-CircIe-basedCorner Detector,基于雙圓環的角點檢測器)-Laplace和SIFT描述符的快速影像匹配方法。
技術介紹
目前的影像配準方法主要是靠人工提取同名點，對于大幅影像，勢必會消耗大量的人力資源，同時由于感知偏差，提取的同名點之間會存在一定的偏差，這將直接影響影像配準的精度。影像匹配可以為影像自動配準的實現提供底層基礎，因此，對于影像自動配準來說，一種快速及準確性高的影像匹配方法就顯得尤為重要。影像匹配是自動尋找同名目標的過程，它可以分為基于區域灰度的匹配和基于特征的匹配。相對于基于區域灰度的匹配，基于特征的匹配可以獲得更令人滿意的匹配結果。SIFT是著名的基于特征的匹配算法，被廣泛地應用于影像匹配，可以獲得良好的匹配結果。SIFT描述符具有尺度、旋轉和平移的不變性，同時對光照變化、仿射變化和三維投影變換也具有一定的魯棒性，是獲得良好匹配結果的關鍵。但是，SIFT在特征檢測階段提取的部分特征點可能會位于亮度只在一個方向變化的邊緣上，這樣的特征點容易受圖像噪聲和細碎紋理變化的影響，如果采用上述特征點對影像進行匹配，勢必會對匹配精度造成一定的影響。同時，由于SIFT在去除低對比度特征點和不穩定邊緣響應點的過程中涉及到尺度影像的一階微分和二階微分，這使得特征點檢測階段耗時較長，無法滿足快速影像匹配的要求。
技術實現思路
專利技術目的針對上述現有技術存在的問題和不足，本專利技術的目的是提供一種，在特征點檢測階段，DCCD-Laplace結合MIC (Minimum Intensity Change,最小亮度變化)角點檢測器可以快速地提取關鍵點,提取的關鍵點不僅對光照變化、旋轉變化以及尺度變化具有不變性，而且可以有效地克服噪聲的影響，使本專利技術獲得快速的匹配速度和高精度的匹配結果。技術方案為實現上述專利技術目的，本專利技術米用的技術方案為一種基于DCXD-Laplace和SIFT描述符的快速影像匹配方法，包括如下步驟 (1)建立影像尺度空間，利用角點檢測器對每一層尺度影像進行粗檢測，提取每一層尺度影像上的候選角點，再利用DCCD-Laplace對候選角點進行篩選得到穩定的關鍵點； (2)利用所述關鍵點的特征尺度、鄰域的梯度及梯度方向確定關鍵點的主方向，生成特征點； (3)利用所述特征點的主方向、鄰域的梯度及梯度方向構造具有128維特征向量的SIFT描述符對特征點進行描述； (4)分別采用最近鄰搜索算法和隨機取樣一致性算法對所述特征點進行粗匹配和精匹配。所述步驟(I)中，DCXD-Laplace可以快速地提取關鍵點，提取的關鍵點不僅對光照變化、旋轉變化及尺度變化具有不變性，而且可以有效地抑制噪聲的影響；MIC角點檢測器可以快速提取候選角點，便于DCXD-Laplace更快速地提取關鍵點。進一步的，所述鄰域為8X8鄰域。進一步的，所述步驟(3)中，對特征向量進行標準化處理，以消除光照變化對特征向量的影響。對于線性的光照變化，將特征向量標準化為單位長度；對于非線性光照變化，先設置閾值，使單位特征向量的值不超過O. 2，然后再將特征向量標準化為單位長度。進一步的，所述步驟(4)中，采用最近鄰搜索算法(BBF, Best Bin First)進行粗匹配是以待匹配點和最近鄰點的距離與待匹配點和次近鄰點的距離之比是否小于某一閾值為準則來判斷該最近鄰點是否為待匹配點的候選匹配點，如果所述距離之比小于該閾值，則該最近鄰點為待匹配點的候選匹配點；采用隨機取樣一致性算法(RANSAC，RANdomSAmple Consensus)進行精匹配則是通過估計影像間的單應變換矩陣,并以此為幾何約束條件判別匹配特征點對之間的像素距離是否大于容差(默認為5個像素)，如果所述像素距離大于容差，則為誤匹配點對，予以剔除。更進一步的，所述閾值為O. 8，可以剔除90%的誤匹配而僅僅丟失不到5%的正確匹配。進一步的，所述角點檢測器為MIC角點檢測器。有益效果本專利技術中，在特征檢測階段，DCXD-Laplace結合MIC角點檢測器可以快速地提取關鍵點，提取的關鍵點不僅對光照變化、旋轉變化和尺度變化具有不變性，而且可以有效地抑制噪聲的影響，這使得本專利技術擁有快速的匹配速度和高精度的匹配結果。附圖說明圖1是本專利技術的流程 圖2是MIC角點檢測器的參數示意 圖3是DCCD的雙圓環模板示意 圖4(a)是左影像的特征點檢測結果圖，圖4(b)是右影像的特征點檢測結果 圖5(a)是左影像的特征點匹配結果圖，圖5(b)是右影像的特征點匹配結果圖。具體實施例方式下面結合附圖和具體實施例，進一步闡明本專利技術，應理解這些實施例僅用于說明本專利技術而不用于限制本專利技術的范圍，在閱讀了本專利技術之后，本領域技術人員對本專利技術的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。如圖1所示，本專利技術的基本流程為在特征檢測階段，采用MIC角點檢測器和DCCD-Laplace快速地提取關鍵點，確定關鍵點主方向，生成特征點；在特征描述階段，采用SIFT描述符描述特征點；在特征匹配階段，分別采用BBF算法和RANSAC算法粗匹配和精匹配特征點。為使關鍵點具有尺度屬性，建立影像的尺度空間，它是由不同尺度的尺度影像構成，尺度影像是由影像J(X)與高斯核G(A)卷積生成的，定義為本文檔來自技高網...

【技術保護點】
一種基于DCCD?Laplace和SIFT描述符的快速影像匹配方法，其特征在于包括如下步驟：（1）建立影像尺度空間，利用角點檢測器對每一層尺度影像進行粗檢測，提取每一層尺度影像上的候選角點，再利用DCCD?Laplace對候選角點進行篩選得到穩定的關鍵點；（2）利用所述關鍵點的特征尺度、鄰域的梯度及梯度方向確定關鍵點的主方向，生成特征點；（3）利用所述特征點的主方向、鄰域的梯度及梯度方向構造具有128維特征向量的SIFT描述符對特征點進行描述；（4）分別采用最近鄰搜索算法和隨機取樣一致性算法對所述特征點進行粗匹配和精匹配。

【技術特征摘要】
1.一種基于DCXD-Laplace和SIFT描述符的快速影像匹配方法，其特征在于包括如下步驟: (1)建立影像尺度空間，利用角點檢測器對每一層尺度影像進行粗檢測，提取每一層尺度影像上的候選角點，再利用DCCD-Laplace對候選角點進行篩選得到穩定的關鍵點； (2)利用所述關鍵點的特征尺度、鄰域的梯度及梯度方向確定關鍵點的主方向，生成特征點； (3)利用所述特征點的主方向、鄰域的梯度及梯度方向構造具有128維特征向量的SIFT描述符對特征點進行描述； (4)分別采用最近鄰搜索算法和隨機取樣一致性算法對所述特征點進行粗匹配和精匹配。2.根據權利要求1所述基于DCXD-Laplace和SIFT描述符的快速影像匹配方法，其特征在于:所述鄰域為8X8鄰域。3.根據權利要求1所述基于DCXD-Laplace和SIFT描述符的快速影像匹配方法，其特征在于:所述步驟(3)中，對特征向量進行標準...

【專利技術屬性】
技術研發人員：佘江峰，徐秋輝，宋曉群，
申請(專利權)人：南京大學，
類型：發明
國別省市：