[发明专利]基于局部线性迁移的非刚性变换图像特征匹配方法及系统

说明书

本发明提出了一种基于局部线性迁移的非刚性变换图像特征匹配方法及系统，用于通过去除初始匹配点对中的错误的匹配来建立正确的匹配，包括针对待匹配图像间的非刚性几何变换建立待匹配图像间几何变换相应的模型，并建立匹配点对为正确匹配的后验概率相应的模型，基于最近邻居匹配点、最小二乘法、最优化方法求解模型参数；计算初始匹配点对为正确匹配的后验概率，并根据阈值判断初始匹配点对的正误。本方法针对待匹配图像之间存在非刚性变换的情况进行了建模，大幅降低了匹配的错误率，即使在初步匹配中存在大量错误匹配的情况下，依然保持良好的鲁棒性。

技术领域

本发明涉及图像特征匹配技术领域，具体地说，本发明涉及基于局部线性迁移的非刚性变换图像特征匹配技术方案。

背景技术

图像匹配的基本目标是将使用不同传感器在不同的时间和视角下获得的同一个场景的两幅图像的相同部位进行对应。

在过去的几十年里，学者们研究了很多方法来解决遥感图像匹配问题。这些方法大致可以分为两类：基于区域的匹配方法和基于特征的匹配方法。前者通过搜索两幅图像中一定区域内原始灰度值的相似程度来寻找匹配信息；后者则利用局部特征的描述子相似性或空间几何约束来寻找匹配点对。在具有少量显著细节的情况中，灰度值提供的信息比局部形状和结构要多，从而基于区域的方法的匹配效果更好。但是基于区域的方法计算量大，且在图像失真和光度改变的情况下并不适用。相反，特征方法具有更好的鲁棒性，可以处理复杂失真的图像，得到广泛的应用。

如何寻找两幅图像中对应的匹配点，形成匹配点对，并确保匹配点对的正确性是图像匹配方法的关键。

基于区域的匹配方法主要有相关法、傅里叶方法和互信息法三种。相关法的主要思想是计算两幅图像中对应窗的相似性，然后将具有最大相似程度的一对作为匹配点对。但相关法在相似性不显著的无纹理区域无法适用，且计算复杂。傅里叶方法利用了图像在频率域的傅里叶表示。与传统的相关方法相比，这种方法在计算效率更高并且对频率类噪声具有很好的鲁棒性。然而，这种方法在处理具有不同谱结构的图像具有一定限制性。互信息法尽管其匹配效果良好，但是它无法得到整个搜索空间中的全局最大值，因此不可避免的会减低它的鲁棒性。