[发明专利]点线特征融合的错误匹配剔除方法有效
申请号: | 201810086579.6 | 申请日: | 2018-01-30 |
公开(公告)号: | CN108304870B | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 刘红敏;魏玉慧;王国东;罗军伟;王静;贾利琴;雒芬;霍占强;姜国权;王志衡 | 申请(专利权)人: | 河南理工大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 454000 河南*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种点线特征融合的错误匹配剔除方法,包括:从不同角度拍摄同一场景两幅不同图像并输入计算机、利用SIFT技术进行特征点检测及匹配、利用曲线描述子进行曲线匹配、确定各匹配曲线的支撑区域、获取匹配曲线对应支撑区域内的匹配点对、计算曲线支撑区域内特征点到曲线的最小距离、根据匹配曲线对的差异度剔除错误曲线匹配、根据匹配点对的差异度剔除错误点匹配。本发明提供的方法能够简单快速的剔除图像中的错误匹配,具有通用性。 | ||
搜索关键词: | 点线 特征 融合 错误 匹配 剔除 方法 | ||
【主权项】:
1.一种点线特征融合的错误匹配剔除方法,其特征在于,包括步骤:步骤S1:从不同角度拍摄同一场景两幅不同图像并输入计算机;步骤S2:利用SIFT技术进行特征点检测与匹配,获得匹配点对集合S(P)={(Pi, Pi’), i =1,2,…,NP},其中Pi表示第1幅图像中匹配的特征点,Pi’表示第2幅图像中与Pi匹配的特征点,NP为匹配特征点对的个数;步骤S3:利用Canny边缘检测算子提取曲线并使用文献IOCD: Intensity order curve descriptor,International Journal of Pattern Recognition & Artificial Intelligence. 2013,27( 7 ),1355011所述亮度序曲线描述子进行曲线匹配,获得匹配曲线对集合S(C)={(Cj, Cj’), j =1,2,…,NC},其中Cj表示第1幅图像中的匹配曲线,Cj’表示第2幅图像中与Cj匹配的曲线,NC为匹配曲线对的个数;步骤S4:确定各曲线的支撑区域,具体方式为,对于任一条由Num(C)个点组成的匹配曲线C,记C上任一点为Pk,k=1,2,…,Num(C),将以Pk为圆心R为半径的圆形区域定义为点Pk的支撑区域并记为G(Pk), C上各点支撑区域覆盖的区域定义为C的支撑区域并记为G(C)= G(P1)∪G(P2) ∪…∪G (PNum(C));步骤S5:获取匹配曲线对应支撑区域内的匹配点对,具体方式为,对于任一匹配曲线对(Cj, Cj’),由步骤S4分别获得Cj、Cj’的支撑区域G(Cj)、G(Cj’),寻找满足如下条件的匹配点对(P, P’):P∈G(Cj)&P’∈G(Cj’)&(P, P’)∈S(P),得到(Cj, Cj’)对应支撑区域内的匹配点对集合S(CPj)={(Pl, Pl’), l =1,2,…,Nj},Nj为匹配点对的个数;步骤S6:计算曲线支撑区域内特征点到曲线的最小距离,具体方式为,对于步骤S5获取的匹配点对集合S(CPj)中的任一匹配点对(Pl, Pl’),计算特征点Pl到曲线Cj上各点距离并记距离最小值为djl;计算Pl’到曲线Cj’上各点距离并记距离最小值为djl’;获得S(CPj)对应的最小距离集合S(d)={(djl, djl’), l =1,2,…,Nj};步骤S7:根据匹配曲线对的差异度剔除错误曲线匹配,具体方式如下:步骤S71:计算匹配曲线对的差异度,具体方式为,对于任一匹配曲线对(Cj, Cj’),根据步骤S6获得最小距离集合S(d)={(djl, djl’), l =1,2,…,Nj},分别计算G(Cj)、G(Cj’)中最小距离的平均值dj=
、dj’=
;曲线Cj、Cj’的差异度定义为Dif(Cj, Cj’) =|dj‑ dj’|;步骤S72:验证匹配曲线对的正确性并剔除错误曲线匹配,具体方式为,对于任一匹配曲线对(Cj, Cj’),给定阈值TC,TC一般取8~15,如果Dif(Cj, Cj’)
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南理工大学,未经河南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810086579.6/,转载请声明来源钻瓜专利网。