[发明专利]一种椭圆形目标的大视角图像快速匹配方法

权利要求书

1.一种椭圆形目标的大视角图像快速匹配方法，其特征在于，该方法包括以下步骤：

步骤S1，利用先验知识估计圆形目标所在的金字塔层数从而减少SIFT算法中金字塔层冗余，提高特征点检测效率的同时减少了背景特征点带来的误匹配；

步骤S2，在粗匹配过程中将实际图像进行模拟视角变形获取模拟图像并进行特征匹配，旋转角度限定为符合实际相机旋转角度，当模拟图像与基准图像进行正确匹配特征点数大于某一阈值K时进入精匹配过程；

步骤S3，利用正确匹配特征点获取实际图像与基准图像的单应性矩阵，得到重采样图像，利用改进的SIFT算法完成最终的大视角匹配。

2.根据权利要求1所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S1，利用先验知识估计圆形目标所在的金字塔层数具体为：

采用改进的SIFT算法，即改变传统SIFT尺度空间的划分策略，通过估计圆形目标大小，确定可在第N层DoG金字塔中检测到圆形目标，那么尺度划分可以变为N、N+1、N-1三层金字塔。

3.根据权利要求2所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的改进的SIFT算法具体过程如下：

步骤S101、构建三层金字塔：通过先验知识确定N、N+1、N-1三层金字塔并进行图像位置搜索；

步骤S102、特征点定位：在构建的三层金字塔中通过高斯差分函数搜索DoG空间极值点作为图像特征点，通过拟合三维二次函数将特征点的位置和尺度精确到亚像素；

步骤S103、特征点方向分配：对于每个候选的特征点，计算特征点所在高斯尺度空间图像的梯度，依据局部图像梯度方向信息，每个关键点位置将被分配一个或多个方向；

步骤S104、关键点描述符：以选定的尺度测量在每个关键点周围的区域内局部图像的梯度。

4.根据权利要求3所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S102中的图像特征点具有尺度和旋转不变性。

5.根据权利要求3所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S104中的梯度被转换成一个特征向量表示，并将特征向量规划到单位长度。

6.根据权利要求1所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S2的粗匹配过程中消除图像变形的能力与采样间隔的选取有关。

7.根据权利要求1所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S2中的精匹配过程具体为：

首先利用粗匹配阶段获得的所有正确匹配点对，求解实际拍摄图像与基准图像坐标系间的变换矩阵；

然后利用该单应性矩阵对实际拍摄图像进行变换，得到重采样图像，进一步消除图像变形。

8.根据权利要求7所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的变换矩阵为单应性矩阵。

9.根据权利要求8所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的单应性矩阵采用RANSAC算法求得。

10.根据权利要求1所述的一种椭圆形目标的大视角图像快速匹配方法，其特征在于，所述的步骤S2中的阈值K的选取决定了改进SIFT匹配的次数和加速PSIFT算法的运算效率。