[发明专利]一种基于局部变换模型的图像特征点误匹配剔除方法

说明书

一种基于局部变换模型的图像特征点误匹配剔除方法，本发明涉及图像特征点误匹配剔除方法。本发明的目的是为了解决基于特征点匹配的图像配准过程中，特征点出现误匹配率高，现有剔除误匹配特征点方法准确率低的问题。过程为：一、对不同视角下拍摄相同场景的两张图像检测并描述特征点；二、得到初始特征点对集合；三、对初始特征点对集合进行分类和初步筛选；四、计算特征点集中每个特征点与所有特征点的欧式距离；五、如果类别号与特征点的类别号相同，则确定点对为内点，否则进行六判断是否为误匹配点；六、若误差大于10，则确定点对为误匹配点，并将其从点对集合中剔除，剔除后得到特征点对集合。本发明用于图像特征点匹配领域。

技术领域

本发明涉及图像特征点误匹配剔除方法。

背景技术

图像配准技术是图像处理和计算机视觉领域的研究热点，应用于图像拼接，视频监控，三维重建等场合。基于特征的图像配准技术由于计算效率高被广泛使用，特征点匹配过程是其关键步骤。特征点匹配的准确度决定了图像间变换模型预测的准确性，而根据特征描述匹配特征点往往会出现误匹配的情况。所以，研究一种剔除误匹配特征点的方法很重要。

目前对特征点匹配的筛选方法主要是RANSAC算法。该算法通过多次随机采样和计算一个全局单应性矩阵，并根据内点的个数来确定变换模型并删除误匹配点。该算法当图像满足全局单应性矩阵变换时结果准确，但是在图像变换关系更加复杂时，会造成局部区域点对筛选不准确。所以图像的局部变换模型准确估计有很大的必要性。

发明内容

本发明的目的是为了解决基于特征点匹配的图像配准过程中，特征点出现误匹配率高，现有剔除误匹配特征点方法准确率低的问题，而提出一种基于局部变换模型的图像特征点误匹配剔除方法。

一种基于局部变换模型的图像特征点误匹配剔除方法具体过程为：

步骤一、用SIFT(Scale Invariant Feature Transform，尺度不变特征变换)特征点提取算法对不同视角下拍摄相同场景的两张图像I_p和I_q检测并描述特征点；

步骤二、基于FLANN(Fast Libraryfor Approximate Nearest Neighbors，快速最近邻逼近搜索函数库)快速最近邻逼近搜索函数库对图像I_p的每个特征点在图像I_q的特征点集中搜索得到图像I_p中每个特征点在图像I_q中最近邻和次近邻的特征点；

当图像I_p中特征点在图像I_q中最近邻特征点的距离的A倍小于图像I_p中特征点在图像I_q中次近邻特征点的距离时，选取图像I_p中每个特征点在图像I_q中最近邻特征点组成特征点对，得到初始特征点对集合

其中，p_i为图像I_p的特征点，q_i为图像I_p中特征点p_i在图像I_q中最近邻特征点，N为特征点对个数；

所述距离为欧式距离；

当图像I_p中特征点在图像I_q中最近邻特征点的距离的A倍大于等于图像I_p中特征点在图像I_q中次近邻特征点的距离时，图像I_p中每个特征点与图像I_q中最近邻特征点不为特征点对；