[发明专利]一种结合SURF特征提取和曲线拟合的柱面图像匹配方法

说明书

技术领域

本发明属于数字图像处理技术领域，涉及一种柱面图像匹配方法。

背景技术

随着社会的发展进步，人们对工业生产效率的要求也越来越高，以往靠人工完成的生产由于效率低、成本高的原因，已经不再能满足当今社会的需要。为了提高生产效率，如今的生产线越来越智能化，生产线智能化的一个重要基础就是图像匹配技术，主要用于产品的配准、识别、错误检测。图像匹配技术使用比较多的是基于特征的图像匹配技术，具有鲁棒性高、计算速度快的优点。但是基于特征的图像匹配算法由于特征点受噪声、提取和匹配方式的影响，均会发生一定的误匹配，传统的误匹配剔除算法大多都是对发生线性变换的图像进行误匹配剔除，对于发生非线性变换物体的误匹配剔除算法较少。

发明内容

本发明的目的是提供一种能够更准确的剔除柱面物体的误匹配的柱面图像匹配方法。由于SURF特征匹配算法在实际使用中容易出现误匹配，本发明提供的方法可以实现将柱面图像SURF粗匹配之后的误匹配剔除，同时又能对非线性变换区域的正确匹配对进行最大限度的保留，从而实现对非线性变换的柱面图像匹配精度的提高。本发明的技术方案如下：

一种结合SURF特征提取和曲线拟合的柱面图像匹配方法，步骤如下：

1)将待匹配的两幅图像A和B按照左对齐的方式以上下位置放置；

2)采用SURF特征检测算法分别对两幅图像进行特征检测；

3)找出图像A中其他所有特征点在图像B中所匹配的特征点，构成匹配对集合H₁；

4)根据匹配对集合H₁所包括的特征点在图像A中横坐标像素位置由小到大的顺序，对匹配对进行重新排序，构成特征点匹配对集合H₂，设匹配对在图像A和图像B中的像素位置分别为(x_1i,y_1i)和(x_2i,y_2i)，则特征点匹配对集合H₂为一个4*N的数组，其中N为匹配对的数量，数组每列元素表示一个匹配对。

分别计算特征点匹配对集合H₂中每个匹配对确定的直线与水平方向的角度θ_i以及每个匹配对中两个特征点间的角度θ_i和欧式距离d_i，建立图像匹配对的角度集合K和图像的欧氏距离集合D，分别保存角度θ_i和欧式距离d_i与相应的匹配对在图像A中特征点的横坐标X_1i之间的关系；

5)将匹配对的角度集合K进行曲线拟合，曲线拟合的自变量为匹配对的横坐标X_1i，曲线拟合的纵坐标为角度θ_i，将曲线拟合的次数设为三次，得出角度拟合曲线f₁(X)，然后将每个特征点的横坐标X_1i代入f₁(X)中，求出曲线中符合此横坐标的角度，并计算此角度和相应的角度θ_i之差的绝对值，当大于某一特定值T_θ时，则认为此匹配对为误匹配，进行剔除。

6)将匹配对的欧氏距离集合D进行曲线拟合，曲线拟合的自变量为匹配对在图像A中特征点的横坐标X_1i，曲线拟合的纵坐标为匹配对中两个特征点的欧式距离，将曲线拟合的次数设为三次，得出欧氏距离拟合曲线f₂(X)，然后，对于每个特征点，将其横坐标X_1i代入f₂(X)中，计算符合此拟合曲线的欧式距离，并求取此欧式距离和相应的欧式距离d_i之差的绝对值，当大于某一特定值T_d时，则认为此特征点匹配对为误匹配，进行剔除。

其中，步骤3)的方法可以如下：对图像A中的每个特征点A_1i，计算与图像B中所有特征点的特征向量的欧式距离并找出最近的特征点B_1i与次近的特征点B_2i，并得到最近欧式距离和次近欧式距离，设定某个取值在0.6～0.8之间的阈值T，当最近欧式距离和次近欧式距离的比值小于此阈值T时，认为特征点A_1i与特征点B_1i匹配，否则，认为图像B中不存在与A_1i匹配的特征点。