[发明专利]一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置

说明书

本发明公开了一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置，包含如下步骤：对于任意两张需要进行影像匹配的具有重叠区域的影像所构成的影像对，基于SIFT算法分别提取这两张影像的初始匹配点，得到初始匹配点集合；基于所述初始匹配点集合，采用Delaunay三角网构建局部连接关系；基于局部连接关系，利用线段描述子构建局部辐射约束：基于局部连接关系，利用空间角度顺序构建局部几何约束；进行基于局部辐射约束和局部几何约束的粗差剔除和全局约束的匹配结果优化。

技术领域

本发明涉及图像匹配领域，更具体地说，涉及一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置。

背景技术

本发明涉及摄影测量与计算机视觉领域，提出一种基于Delaunay三角网约束的影像匹配粗差剔除方法。影像匹配是摄影测量和计算机视觉领域的基础研究内容，其目标是从两张或者多张重叠影像中找出数量足够、位置精确的同名点。由于成像角度、光照变化等因素影响，影像匹配结果中往往包含大量错误匹配点，直到影响后续应用。因此，粗差剔除是实现可靠影像匹配的关键步骤。

目前，常用的粗差剔除方法包括全局几何约束、局部几何信息和局部辐射约束三类。其中，全局几何约束一般从初始匹配结果中估计一个合理的变换模型，然后检查匹配点是否与估计的变换模型相兼容：如果兼容，当前匹配点对被归为正确匹配；否则，被标记为错误匹配。全局几何约束一般适用于高内点率的初始匹配点粗差剔除，并且依赖于一个事先定义的几何变换模型进行决策。随着初始匹配的外点率提高，全局几何约束的计算复杂度呈几何级数的增涨。局部几何约束利用待验证匹配点与邻域点之间的连接关系，构建局部范围内稳定约束关系。与全局几何约束相比较，局部几何约束能够更好的拟合局部几何变形，并且不需要全局变换模型参数估计，具有更好的抗噪声能力。但是，这类算法对粗差的区分能力比不上基于模型参数估计的全局几何约束算法。局部辐射约束利用待验证匹配点局部区域或与其邻域点之间线局部区域的辐射信息构建约束关系。与局部几何约束相比，局部辐射约束的粗差剔除能力更强。这类算法往往和局部几何约束结合使用，用于提高局部几何约束的粗差剔除性能。

对于高错误率的初始匹配，结合局部约束和全局几何约束的优势，可以得到高效、高精度匹配结果：局部几何约束和局部辐射约束具有高抗噪声能力；全局几何约束对外点具有更高的区分能力。但是，粗差剔除的目的是在尽可能剔除所有外点的情况下，保留足够多的内点。因此，在粗差剔除过程中，最有可能是外点的初始匹配点应该最先被剔除，以免影响对其他正确匹配点的分析和判断。另外，大部分采用K最近邻构建局部连接的方案存在两个重要缺陷：难以确定合适的K最近邻数量；K最近邻点可能构成非稳定的局部连接。由此可见，十分有必要设计更合适的初始匹配粗差剔除方法。

发明内容

本发明为解决上述问题，提供了一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置。其中，本发明的Delaunay三角网约束下的影像匹配粗差剔除方法包含如下步骤：

S1、对于任意两张需要进行影像匹配的具有重叠区域的影像所构成的影像对，基于SIFT算法分别提取这两张影像的初始匹配点，得到初始匹配点集合；

S2、基于所述初始匹配点集合，采用于Delaunay三角网构建局部连接关系；

S3、基于步骤S2所构建的局部连接关系，利用线段描述子构建局部辐射约束：

S4、基于步骤S2所构建的局部连接关系，利用空间角度顺序构建局部几何约束；

S5、进行基于局部辐射约束和局部几何约束的粗差剔除和全局约束的匹配结果优化。

进一步地，在本发明的Delaunay三角网约束下的影像匹配粗差剔除方法中，步骤S1具体包括如下步骤：