[发明专利]基于区域分块的奇异值分解图像匹配算法

权利要求书

1.一种基于区域分块的奇异值分解图像匹配算法，其特征在于，具体按照以下步骤实施：

步骤1，先对采集到的彩色图像进行灰度化处理，变为灰度图像，将采集到的图像Q与标准图像P分别进行分块处理，

步骤2，搜索分块后的图像块，并根据图像块的相似性进行匹配，

步骤3，对进行相似性匹配后的每一对图像P和Q，S_j和O_k的组成经过评判标准后所得到，进行特征点提取，进行奇异值分解的特征点匹配，

步骤4，根据匹配结果，采用RANSAC对匹配过程中存在的误匹配点进行剔除。

2.根据权利要求1所述的一种基于区域分块的奇异值分解图像匹配算法，其特征在于，所述步骤1具体如下：

步骤1.1，对采集图像Q进行分块，将采集到的原始彩色图像Q灰度化，然后进行分块处理，设采集的原始图像Q的大小为F₁×F₂，将原始图像Q划分为N个非重叠的图像块，每个划分完成的图像块大小为f×f，划分后的图像块合集为(Q₁，Q₂，…，Q_j，…，Q_Ω…Q_N)；

步骤1.2，对用于进行匹配的标准图像P进行分块，首先将标准图像P做灰度化处理，再进行分块，设采集到的标准图像P的大小为F₁×F₂，将原始图像P划分为N个非重叠的图像块，每个划分完成的图像块大小为f×f，划分后的图像块合集为(P₁，P₂，…，P_j，…，P_Ω…P_N)。

3.根据权利要求1所述的一种基于区域分块的奇异值分解图像匹配算法，其特征在于，所述步骤2中采用K-均值聚类法对图像块进行相似性匹配，具体如下：

步骤2.1，对图像Q的图像子块进行相似性匹配，Q_Ω和图像块合集中的其它含噪图像(Q₁，Q₂，…Q_j，…，Q_N)构成划分后的图像块集合，相似块匹配的基准是利用含噪图像块Q_Ω与划分完成后的其它含噪图像(Q₁，Q₂，…)块进行相似性对比，将二者匹配结合起来；

步骤2.2，对图像P的图像子块进行相似性匹配，P_Ω和图像块合集中的其它含噪图像(P₁，P₂，…P_j，…，P_N)构成划分后的图像块集合，相似块匹配的基准是利用含噪图像块P_Ω与划分完成后的其它含噪图像(P₁，P₂，…)块进行相似性对比，将二者匹配结合起来。