[发明专利]一种抗视角变化的近景影像区域特征匹配方法

说明书

本发明公开了一种抗视角变换的近景影像区域特征匹配方法，包括如下步骤：提取最大稳定极值区域MSER；确定局部二值模式LBP邻域形状、大小和旋转方向；提取五种LBP特征并计算联合统计直方图；比较各个特征区域联合统计直方图相似度完成粗匹配；基于RANSAC与基本矩阵估计剔除粗差点；对匹配区域进行质心偏移修正完成精匹配。本发明利用一种改进的局部二值模式LBP计算方法，直接对不规则MSER区域中的每一个像素进行编码，避免了传统方法中拟合SIFT匹配区域所带来的拟合误差和边界误差，其本身具有计算复杂度低、无需训练学习等优点，其对于线性的亮度变化保持稳定，对非线性的光照变化存在容错能力，提高了区域特征匹配的可靠性，降低了计算复杂度。

技术领域

本发明涉及一种抗视角变换的近景影像区域特征匹配方法，本发明所属技术领域为属于摄影测量领域。

背景技术

影像匹配即找寻影像之间的同名点是影像定向和模型连接的前提和关键。在一些狭窄的隧洞中，沿着主光轴采集序列影像，相邻影像是沿摄影机光轴移动所构成的平行序列影像，得到的是一种尺度渐进变化的影像序列，且所成图像间会因为相机所处位置的调整而呈现较大尺度和视角变换的情况，其特点包括：基线不是大致平行于影像而是大致垂直于影像，影像的重叠范围是沿着影像的辐射线方向，影像间尺度变化较大、影像重叠区域的分辨率差别较大、同名点视角差异大。其对于一般立体像对而言具有很大的差别，不能采用针对传统立体影像的匹配方法。

最大稳定极值区域（MSER）是一种十分具有影响力的区域检测算子，图像中的最大稳定极值区域指的是一个由彼此相连的一个像元集合，该集合中的每个像元的像素值全部大于或者全部小于包围这个区域的边界的每个像元的像素值，该区域具有严格意义上的仿射不变性。对于视角变换，MSER在处理结构型图像和纹理型图像都有十分明显的优越性。

传统的最大稳定极值区域匹配方法是将特征区域归一化后用SIFT算子描述，但是SIFT描述MSER特征区域有其不足，第一，在构造描述算法前需要把不规则区域进行椭圆形状拟合，该过程会产生拟合误差和降低匹配性能，特别是对于大视角变换图像更为明显；第二，其基于几何固定位置（圆形邻域）划分子区域，这样会产生边界误差；第三，其计算复杂度高，导致大大提高了图像特征提取的时间复杂度。

发明内容

为了解决上述现有技术中减少拟合匹配区域所带来的拟合误差和边界误差的影响，本发明提供给了一种对于线性的亮度变化保持稳定，对非线性的光照变化存在一定的容错能力，提高了区域特征匹配的可靠性，并降低计算复杂度的抗视角变化的近景影像区域特征匹配方法。

本发明的目的是这样实现的：

一种抗视角变换的近景影像区域特征匹配方法，包括如下步骤：

第一步，提取匹配影像内的最大稳定极值区域MSER；

第二步，采用直接最小二乘法对提取出的形状不规则的最大稳定极值区域拟合椭圆，并以此确定局部二值模式LBP邻域大小和编码起始方向；

第三步，提取五种LBP特征；

第四步，计算各特征区域的五种LBP特征的联合统计直方图；

第五步，利用相关系数比较各个特征区域的联合统计直方图相似度，从而进行特征区域的初步匹配；

第六步，利用RANSAC与八点法相结合的策略估计基本矩阵，剔除粗差点；

第七步，利用最小二乘匹配法对已配对特征区域的椭圆中心进行微调，得到更为精确的匹配点对；

上述方法工作原理包括：最大稳定极值区域原理、局部二值模式原理和计算机视觉原理；其工作过程如下：

①先分别提取要进行特征匹配的两张影像上的最大稳定极值区域；