[发明专利]图像匹配方法、生物识别芯片及电子装置

说明书

本申请提供一种图像匹配方法，所述方法通过遍历预设数量组合的中的所有组合，从中找出一个最优组合，并且能够让匹配关键点点对的描述子之间的汉明距离尽量小，非匹配关键点点对的描述子之间的汉明距离尽量大，从而达到尽量拉大类内距离和类间距离之间的差异的目的。在后续图像匹配过程中，能够按照所述方法生成的最优组合生成用于图像匹配的二值化的描述子。此外，本申请还提供一种生物识别芯片、电子装置。本申请可以减少描述子的储存空间，并能加快图像匹配的速度。

技术领域

本申请涉及图像识别技术领域，具体涉及一种图像匹配方法、生物识别芯片及电子装置。

背景技术

传统的局部特征匹配算法，比如SIFT、SURF等经典的算法，都是通过寻找图像中的关键点，然后根据关键点周围的信息生成对应的描述子。例如，可以生成128维或者64维的描述子，为了后续的方便，将所述生成128维或者64维的描述子称为原始描述子。由于所述原始描述子的每一维需要占用4个字节的空间，而一副图像一般会有上百到几千个关键点。因此，所述原始描述子占用的空间会比较大。并且在利用所述原始描述子进行图像匹配的时候，通常会使用欧式距离来判断是否图像匹配，会出现判断时间消耗比较长的情况。

为了解决上述问题，近几年出现了对所述原始描述子进行二值化的研究。例如，运用中值或者训练阈值的方法，对所述原始描述子进行二值化。然而，上述方法无法较好的保留原始描述子(SIFT、SURF等生成的N维描述子)的特征和描述子内部之间的关系，导致生成的二值化描述子的可分性不强，从而出现图像匹配效果不佳的现象。

发明内容

鉴于以上问题，本申请提出一种图像匹配方法、生物识别芯片及电子装置，可以加快图像匹配的速度。

本申请的第一方面提供一种图像匹配方法，所述方法包括：获取匹配图像对，及从所述匹配图像对中随机挑选出N对匹配关键点点对和M对非匹配关键点点对；基于所述N对匹配关键点点对中的每一匹配关键点点对确定预设维度的描述子，基于预设维度的描述子和降维目标值选取预设数量点对组合，计算各个点对组合中点对的汉明距离；基于所述M对非匹配关键点点对中的每一非匹配关键点点对确定预设维度的描述子，基于预设维度的描述子和降维目标值选取预设数量点对组合，计算各个点对组合中点对的汉明距离；基于N对匹配关键点的各个点对组合中点对的汉明距离，计算得到第一均值；基于所述M对非匹配关键点的各个点对组合中点对的汉明距离，计算得到第二均值；在遍历所述预设数量点对组合中的所有组合后，计算得到预设数量的第一均值和预设数量的第二均值；从所述预设数量的第一均值中选择第一目标均值，以及从所述预设数量的第二均值中选择第二目标均值，其中所述第一目标均值与所述第二目标均值之间的差值的绝对值最大；确定所述第一目标均值对应的所述预设数量组合中的第一组合，以及从所述第二目标均值对应的所述预设数量组合中的第二组合；存储所述第一组合和所述第二组合，并利用所述第一组合生成的二值化描述子和所述第二组合生成的二值化描述子执行图像匹配。

根据本申请的一些实施方式，所述匹配图像对包括第一图像和第二图像，所述N对匹配关键点点对包括第一图像中的匹配关键点P_A1、P_A2…P_An以及对应的第二图像中的匹配关键点P_B1、P_B2…P_Bn，所述M对非匹配关键点点对包括第一图像中的非匹配关键点NP_A1、NP_A2…NP_Am以及对应的第二图像中的非匹配关键点NP_B1、NP_B2…NP_Bm，其中N等于M。

根据本申请的一些实施方式，所述第一图像和所述第二图像之间的相似度大于或等于预设值。