[发明专利]一种物体识别中基于SIFT特征尺度分量的两级匹配方法

说明书

技术领域

本发明属于计算机视觉领域，具体涉及一种物体识别中基于SIFT特征尺度分量的两级匹配方法。 

背景技术

人类百分之八十的信息是靠视觉获得的，人们通过视觉系统对成千上万的物体进行识别和分类，这个看似简单的过程其实蕴含着一个极为复杂且庞大的处理过程，计算机视觉就是用计算机来模拟人的视觉系统获取和处理视频信息。 

物体识别是计算机视觉领域一个极富挑战的课题，其过程会受到光线、环境如背景、遮挡、尺度、视角变化以及图像传输噪声的影响，从而对识别结果造成影响。因此需要提取出能够较好描述物体的特征，利用有效的匹配准则对物体进行识别，目前对匹配方法的研究较少，与一般的图像配准不同，物体识别更要求特征之间的区域相似性。 

SIFT特征作为一种局部不变特征，具有优异的性能而受到广泛的应用。可以概括为四个步骤：（1）尺度空间极值检测；（2）关键点定位；（3）关键点方向确定；（4）生成关键点描述子。在计算过程中由于关键点位置的确定和关键点的方向的计算，还有 关键点描述子的产生等步骤而使得其具有旋转不变性。SIFT特征描述符为128维向量，常用的方法是以欧氏距离 为测度来评价两个SIFT关键点和的相似性，如下： 

现有的几种匹配准则主要包括：

1.最近邻准则。最近邻准则即直接把对应的特征点作为对应点。这个准则确保无论如何，任一特征点总可以找到一个匹配点。但他的缺陷是一个候选关键点即使不存在对应点，也能找到一个最近邻，这个时候的最近邻实际上相似度也极低，也就是距离仍然很大，这个时候实际上是一个无匹配关键点的情况。

2.最近邻阈值准则 

在最近邻准则的基础上设定一个阈值，如果大于，就认为这个关键点没有找到匹配点。但这种方法非常依赖于阈值的选取，并且容易出现有很多不匹配的点但其阈值均满足要求的情况，因此在实际应用中使用的较少。

3.比值准则 

比值准则的算法思想是如果最近邻和次近邻的比值有明显的差异，就可认为找到了一个可信的对应点，否则认为不存在匹配点。可以定义阈值，如果两个比值小于，判断配准成功，否则拒绝配准。

比值法由于计算简便、正确率高，很多学者都采用它作为SIFT特征点的匹配准则。这一准则作为以同一物体的识别中，比如在复杂的场景中寻找物体，利用配准对应点的空间分布关系聚类，能取得非常高的识别率，因为候选点很多，可以采用这种严格的准则。但是这一算法抛弃了物体的自相似特性，物体自身就存在很多SIFT特征相似的关键点，因此也存在一些不足。 

本发明在分析了现有匹配算法的基础上，针对物体识别的应用需求，提出一种基于尺度分量的两级匹配算法。 

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种针对物体识别的基于SIFT特征尺度分量的两级匹配方法，利用两级分别匹配，首先初步选取候选匹配点，再通过精匹配筛选匹配点，最后计算匹配结果。 

本发明是通过以下技术方案实现的： 

一种物体识别中基于SIFT特征尺度分量的两级匹配方法，其特征在于，所述方法包括：

（1）第一级初匹配部分：首先分别提取两幅图像1和2的SIFT特征，以图像1为基准，利用基于比值的准则求其中每个SIFT特征点在图像2中的匹配点，将点与点匹配的序号索引记录下来，再以图像2为基准重复上述步骤，最后将两次的索引结合起来取并集，即得到第一级匹配的点对。

（2）第二级精匹配部分：首先计算第一级匹配点对的比值，再计算比值的方差，如果方差大于某个阈值就直接认为两者不匹配，反之再判定各匹配点对的比值是否在一个比值区间内，如果在该区间内则保留该匹配点，反之去除该匹配点，最后计算剩余的匹配点数作为匹配结果。 

其中，所述第一级初匹配部分包括以下步骤： 

   （1）设提取出来的两幅图像SIFT特征分别为和，其中均为128维向量，以为基准，利用比值准则寻找其在中的匹配点，并记录下匹配对应的索引。

（2）以为基准，利用比值准则寻找其在中的匹配点，并记录下匹配对应的索引，将的索引序号调转：若原来为，则变为，记为。再取和的并集，得到最终的匹配点对集。 

（3）即为第一级初匹配的结果。 

所述步骤（1）中基于比值的计算步骤如下：