[发明专利]一种基于几何约束与GPU级联哈希的图像特征匹配方法

说明书

本发明公开了一种基于几何约束与GPU级联哈希的图像特征匹配方法，属于计算机视觉技术领域。本发明首先使用基于GPU的级联哈希快速图像特征匹配算法，先对图像部分特征点进行两两匹配和极线几何估计，只保留几何估计结果较好的和匹配数目较多的图像对；然后将极线几何约束加入基于GPU的级联哈希图像匹配中，进一步将低GPU级联哈希图像匹配算法的时间复杂度，减少了运算量，进一步加快了图像匹配的速度；另一方面算法全部使用CUDA并行计算架构进行编写，充分利用GPU并行运算能力，使得相比传统的CPU匹配算法具有10⁴以上的加速。本发明极大的缩短了图像SIFT特征的匹配时间，在海量数据的情况下也能在短时间之内完成图像特征匹配。

技术领域

本发明属于计算机视觉技术领域，更具体地，涉及一种基于几何约束与GPU级联哈希的图像特征匹配方法。

背景技术

图像特征匹配是寻找图像之间特征点的对应关系，广泛应用图像拼接、目标检测和三维重建等方面。SIFT特征是图像特征匹配最常用的特征之一，因为它的尺度不变性和旋转不变性的特点，抗干扰能力强，匹配精度高。然而随着互联网和信息技术的发展，如今的计算机视觉应用中，需要处理图像的数量越来越大，比如在大规模城市场景三维重建中，需要匹配的图像是数万甚至数十万的数量级，使用传统的匹配方法和设备需要花费数月。为了加快图像匹配时的查找速度，在2014年提出的三维重建中基于级联哈希的快速图像特征匹配方法，利用局部敏感哈希算法的O(1)查找性能与海明距离的快速运算，进一步缩短一对图像的匹配时间，在同等设备情况下相比线性查找具有10²左右的匹配加速。然而在待匹配图像数量较大的情况，例如大场景三维重建，有些场景需要图像之间两两匹配，那么就有数量级的匹配对需要处理，其中N_p是图像的数量，也即在海量图像匹配任务的情况下，级联哈希匹配方法依然需要大量运算时间，依旧无法满足目前不断增长的运算需求。

近几年也有很多方法通过图像之间相似性来预先剔除匹配对来加快图像匹配，然而相似性与真正的图像匹配并不是完全的对应关系。因此抢占式匹配方法通过一小部分点进行快速的两两匹配，然后剔除匹配关系不好的匹配对，最后进行指导性匹配，既避免了真正匹配对被剔除，也大量减少了匹配对的数量。但是减少匹配对之后，这些方法使用匹配速度较慢的算法进行最后的匹配，因此总体的匹配时间还是比较长。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于几何约束与GPU级联哈希的图像特征匹配方法，将GPU级联哈希匹配与抢占式匹配结合，避免了对所有图像所有特征点进行两两匹配，还将极线约束加入GPU，极大的缩短了SIFT特征点匹配时间，使得在海量高维数据的情况下也能在短时间之内完成匹配。

为实现上述目的，本发明提供了一种基于几何约束与GPU级联哈希的图像特征匹配方法，所述方法包括：

(1)选取图像中SIFT特征点对所有图像进行两两匹配；

(2)对匹配点数目大于设定值B的匹配对，计算匹配对的基础矩阵和内点率，内点率小于设定值C的匹配对和匹配点数目不大于设定值B的匹配对将被剔除；其中，设定值B的取值范围为15～20，优选15；设定值C的取值范围为60％～70％，优选66.7％；

(3)根据通过筛选的匹配对的基础矩阵计算极线，设定极线阈值D，剔除到极线距离大于D的匹配点；其中D的取值范围为5～15个像素，优选为10个像素

(4)计算通过筛选的匹配点之间的欧氏距离，对欧氏距离最小和欧式距离次小的匹配点对进行显著性检验，通过显著性检验且欧式距离最小的匹配点之间相互匹配，并对剩下的匹配点进行匹配。

进一步地，所示步骤(1)中具体采用GPU级联哈希图像匹配算法，同时对所有的图像进行两两匹配。