CN102254190A - 采用有方向的特征线实现图像匹配的方法 - Google Patents

采用有方向的特征线实现图像匹配的方法 Download PDF

Info

Publication number
CN102254190A
CN102254190A CN 201010585278 CN201010585278A CN102254190A CN 102254190 A CN102254190 A CN 102254190A CN 201010585278 CN201010585278 CN 201010585278 CN 201010585278 A CN201010585278 A CN 201010585278A CN 102254190 A CN102254190 A CN 102254190A
Authority
CN
China
Prior art keywords
image
characteristic curve
characteristic
polar coordinate
lines
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN 201010585278
Other languages
English (en)
Inventor
张叶
曲宏松
王延杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN 201010585278 priority Critical patent/CN102254190A/zh
Publication of CN102254190A publication Critical patent/CN102254190A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

采用有方向的特征线实现图像匹配的方法，涉及图像处理领域，它解决现有基于特征线的图像匹配方法无法实现对图像的旋转和尺度缩放无关的特性，并且在提取特征点的过程中抗干扰能力低的问题，本发明采用六组带有方向的条形滤波器对图像进行滤波，采用连通域的方法判断特征线的长度，去掉所述特征线中五个像素以内的特征线，获得剩余部分的特征线；以剩余部分特征线中每个特征线的中心为圆点，以所述每个特征线的长度及方向为基准建立极坐标系，获得极坐标图像；将极坐标图像按特征线分为六组，将相邻两组特征线进行图像的匹配，根据特征线对计算出图像的变换参数，实现图像匹配。本发明可以完成复杂背景下图像间的匹配，并具有很好的鲁棒性。

Description

采用有方向的特征线实现图像匹配的方法
技术领域
本发明涉及图像处理领域。
背景技术
为了寻求一种高效可靠的图像匹配算法，使其具有尺度无关，抗旋转、光照变化和图像轻微畸变的特性，对基于特征的景象匹配算法进行了研究。
基于图像特征的景象匹配是利用提取的特征点或线或区域来表征图像，由此图像信息被大大减少，特征的选取和特征对的匹配是特征型景象匹配技术的两个关键问题。常用的特征型景象匹配算法包括：角点匹配算法，边缘匹配算法等，现阶段，比较具有代表性的解决景象匹配问题的优秀的特征型算法是SIFT算法，SIFT特征是图像的局部特征，由其算法的特点，该特征对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，特征点具有很好的独特性以相互区分，但特征型景象匹配算法最明显的特点就是运算时间与运算精度之间的相互矛盾表现非常明显，精度高的特征型景象匹配算法往往需要牺牲时间和空间来计算和存储关键点的各种信息用于后续的匹配，比如SIFT方法每个特征点的提取都需要在多个尺度空间卷积之后在多个尺度空间和多个二维图像空间进行比较计算，之后每个SIFT关键点都需要128维的向量进行描述，每两个关键点的比较都是128维向量之间的比较，特征点得到的越多，速度越慢。SIFT算法具有很好的匹配性能，其牺牲存储空间和计算时间换来特征点的独特性与匹配精度，而且SIFT算法提取的部分特征点并不具有直观的视觉意义，而且基于特征点的算法往往受噪声影响比较严重，不适合于带有噪声图像的匹配。
发明内容
本发明为解决现有基于特征线的图像匹配方法无法实现对图像的旋转和尺度缩放无关的特性，并且在提取特征点的过程中抗干扰能力低的问题，提供一种采用有方向的特征线实现图像匹配的方法。
采用有方向的特征线实现图像匹配的方法，该方法由以下步骤实现：
步骤一、采用六组带有方向的条形滤波器对图像进行滤波，获得六组特征线；
步骤二、采用连通域的方法判断步骤一获得的特征线的长度，去掉所述特征线中五个像素以内的特征线，获得剩余部分的特征线；
步骤三、以步骤二获得剩余部分特征线中每个特征线的中心为圆点，以所述每个特征线的长度及方向为基准建立极坐标系，获得极坐标图像；
步骤四、将步骤三获得的极坐标图像按特征线分为六组，将相邻两组特征线进行图像的匹配，获得匹配的特征线对；
步骤五、采用步骤四获得的特征线对计算出图像的变换参数，实现图像匹配。
本发明的有益效果：本发明所述基于特征线的图像匹配方法具有旋转缩放无关的特性，本发明可以完成复杂背景下图像间的匹配，并具有很好的鲁棒性，匹配精度优于1个像素，本发明克服了旋转和尺度的缩放，满足自动图像匹配的稳定可靠、精度高、抗干扰能力强的要求。
附图说明
图1为本发明所述的采用有方向的特征线实现图像匹配的方法中六组条形滤波器滤波后得到六组特征线示意图；其中(b)、(c)、(d)、(e)、(f)和(g)为(a)的滤波后的特征线示意图；
图2为图1中(a)的尺度变化时以每个特征线为基准建立的极坐标系示意图；
图3为图1中(a)变化不同尺度时以每条特征线邻域建立的极坐标图像对比示意图；
图4中(a)和(b)分别为现有SIFT算法与本发明所述方法在噪声图像匹配的比较示意图；
图5为采用本发明所述的方法实现图像匹配的示意图。
具体实施方式
具体实施方式一、采用有方向的特征线实现图像匹配的方法，该方法由以下步骤实现：
步骤一、采用六组带有方向的条形滤波器对图像进行滤波，获得六组特征线；
步骤二、采用连通域的方法判断步骤一获得的特征线的长度，去掉所述特征线中五个像素以内的特征线，获得剩余部分的特征线；
步骤三、以步骤二获得剩余部分特征线中每个特征线的中心为圆点，以所述每个特征线的长度及方向为基准建立极坐标系，获得极坐标图像；
步骤四、将步骤三获得的极坐标图像按特征线分为六组，将相邻两组特征线进行图像的匹配，获得匹配的特征线对；
步骤五、采用步骤四获得的特征线对计算出图像的变换参数，实现图像匹配。
本实施方式中步骤一所述的六组带有方向的条形滤波器为不同方向的滤波器。
本实施方式中将步骤四获得匹配的特征线对的位置信息代入图像变换矩阵中，获得两幅图像的变换参数，采用最小二乘法去掉误匹配的特征线对。实现图像的匹配。
具体实施方式二、结合图1至图5说明本实施方式，本实施方式为具体实施方式一所述的采用有方向的特征线实现图像匹配的方法的实施例：
本实施例建立类似人眼视觉皮层滤波器组，所述滤波器组使用不同方向、不同尺寸和相位的滤波器组，拟定经过六个滤波器组成的滤波器组，每一种都是一个水平的条形滤波器旋转后的样式，在水平方向的高斯滤波器权值是-1，2，-1，它们在x方向和y方向的sigma不同，x方向上sigma都是2，y方向sigma都是1，结合图1，尺度为7*7的高斯条形滤波器，其矩阵形式如下：
f 1 = 0 0 0 0 0.0000 0.0000 0.0000 - 0.0000 0 - 0.0000 0.0000 0.0003 0.0002 - 0.0000 - 0.0003 - 0.0004 0.0000 0 0.0000 - 0.0004 - 0.0211 - 0.0303 - 0.0340 - 0.0297 - 0.0199 0.0003 0 - 0.0000 0.0000 0.0040 0.0065 0.0079 0.0082 0.0063 - 0.0001 0 - 0.0000 0.0000 0.0475 0.0696 0.0796 0.0696 0.0475 0.0000 - 0.0000 0 - 0.0001 0.0063 0.0082 0.0079 0.0065 0.0040 0.0000 - 0.0000 0 0.0003 - 0.0199 - 0.0297 - 0.0340 - 0.0303 - 0.0211 - 0.0004 0.0000 0 0.0000 - 0.0004 - 0.0003 - 0.0000 0.0002 0.0003 0.0000 - 0.0000 0 - 0.0000 0.0000 0.0000 0.0000 0 0 0 0
f 2 = 0 0 0 0.0000 0.0014 - 0.0000 0.0003 0 0 0 0 0.0016 0.0013 - 0.0116 - 0.0128 0.0010 0 0 0.0003 0.0017 - 0.0081 - 0.0305 - 0.0255 - 0.0032 0.0037 - 0.0021 0 - 0.0000 - 0.0143 - 0.0271 - 0.0125 0.0166 0.0501 0.0361 - 0.0009 - 0.0000 0.0014 - 0.0042 0.0059 0.0460 000796 0.0460 0.0059 - 0.0042 0.0014 - 0.0000 - 0.0009 0.0361 0.0501 0.0166 - 0.0125 - 0.0271 - 0.0143 - 0.0000 0 - 0.0021 0.0037 - 0.0032 - 0.0255 - 0.0305 - 0.0081 0.0017 0.0003 0 0 0.0010 - 0.0128 - 0.0116 0.0013 0.0016 0 0 0 0 0.0003 - 0.0000 0.0014 0.0000 0 0 0
f 3 = 0 0 0.0003 - 0.0000 0.0014 - 0.0000 0 0 0 0 0 0.0017 - 0.0143 - 0.0042 - 0.0009 - 0.0021 0 0 0 0.0016 - 0.0081 - 0.0271 0.0059 0.0361 0.0037 0.0010 0.0003 0.0000 0.0013 - 0.0305 - 0.0125 0.0460 0.0501 - 0.0032 - 0.0128 - 0.0000 0.0014 - 0.0116 - 0.0255 0.0166 0.0796 0.0166 - 0.0255 - 0.0116 0.0014 - 0.0000 - 0.0128 - 0.0032 0.0501 0.0460 - 0.0125 - 0.0305 0.0013 0.0000 0.0003 0.0010 0.0037 0.0361 0.0059 - 0.0271 - 0.0081 0.0016 0 0 0 - 0.0021 - 0.0009 - 0.0042 - 0.0143 0.0017 0 0 0 0 0 - 0.0000 0.0014 - 0.0000 0.0003 0 0
f 4 = 0 - 0.0000 0.0000 - 0.0000 - 0.0000 0 0 0 0 0 0.0000 - 0.0004 0.0000 0.0000 - 0.0001 0.0003 0.0000 - 0.0000 0 0.0003 - 0.0211 0.0040 0.0475 0.0063 - 0.0199 - 0.0004 0.0000 0 0.0002 - 0.0303 0.0065 0.0696 0.0082 - 0.0297 - 0.0003 0.0000 0.0000 - 0.0000 - 0.0340 0.0079 0.0796 0.0079 - 0.0340 - 0.0000 0.0000 0.0000 - 0.0003 - 0.0297 0.0082 0.0696 0.0065 - 0.0303 0.0002 0 0.0000 - 0.0004 - 0.0199 0.0063 0.0475 0.0040 - 0.0211 0.0003 0 - 0.0000 0.0000 0.0003 - 0.0001 0.0000 0.0000 - 0.0004 0.0000 0 0 0 0 - 0.0000 - 0.0000 0.0000 - 0.0000 0
f 5 = 0 0 0 - 0 . 0000 0.0014 - 0.0000 0.0003 0 0 0 0 - 0.0021 - 0.0009 - 0.0042 - 0.0143 0.0017 0 0 0.0003 0.0010 0.0037 0.0361 0.0059 - 0.0271 - 0.0081 0.0016 0 - 0.0000 - 0.0128 - 0.0032 0.0501 0.0460 - 0.0125 - 0.0305 0.0013 0.0000 0.0014 - 0.0116 - 0.0255 0.0166 0.0796 0.0166 - 0.0255 - 0.0116 0.0014 0.0000 0.0013 - 0.0305 - 0.0125 0.0460 0.0501 - 0.0032 - 0.0128 - 0.0000 0 0.0016 - 0.0081 - 0.0271 0.0059 0.0361 0.0037 0.0010 0.0003 0 0 0.0017 - 0.0143 - 0.0042 - 0.0009 - 0.0021 0 0 0 0 0.0003 - 0.0000 0.0014 - 0.0000 0 0 0
f 6 = 0 0 0.0003 - 0.0000 0.0014 0.0000 0 0 0 0 0 0.0010 - 0.0128 - 0.0116 0.0013 0.0016 0 0 0 - 0.0021 0.0037 - 0.0032 - 0.0255 - 0.0305 - 0.0081 0.0017 0.0003 - 0.0000 - 0.0009 0.0361 0.0501 0.0166 - 0.0125 - 0.0271 - 0.0143 - 0.0000 0.0014 - 0.0042 0.0059 0.0460 0.0796 0.0460 0.0059 - 0.0042 0.0014 - 0.0000 - 0.0143 - 0.0271 - 0.0125 0.0166 0.0501 0.0361 - 0.0009 - 0.0000 0.0003 0.0017 - 0.0081 - 0.0305 - 0.0255 - 0.0032 0.0037 - 0.0021 0 0 0 0.0016 0.0013 - 0.0166 - 0.0128 0.0010 0 0 0 0 0 0.0000 0.0014 - 0.0000 0.0003 0 0
将图像应用此滤波器组进行滤波，条形滤波器将对方向的条形响应强烈，而对其他模式响应很弱。图1为条形滤波器组对图像的进行滤波的效果，使用二值化技术完成特征线条的提取。
下面可以进行对特征线抗旋转和缩放的表征，结合图2所示，以某一条特征线为例，以线条的中心为极坐标的零点，以线条的方向为极坐标的极轴，建立二维极坐标系(ρ，θ)，计算线条长度为半径区域的四象限梯度方向，用向量来表征。极坐标的建立都是以线条方向为0角度进行，得到的四个象限的梯度方向向量都是以线条和与线条垂直的线来划分的，当图像发生旋转时，图像上的线条也发生旋转，而极坐标都是以线条为基准建立的，所以与图像是否发生旋转无关，具有旋转无关的特性，实现了旋转归一化。而所计算的局部范围都是以线条长度为基准，当图像发生尺度变化是，图像上的线条也会发生尺度变化，而邻域范围的选择是与线条的尺度有固定关系的，所以也与图像缩放无关，具有尺度无关的特性，实现了尺度归一化。结合图3，可以看出，虽然两幅图像间具有旋转和缩放，但以特征线邻域建立的极坐标图像具有旋转和缩放无关的性质，基于特征线建立的极坐标图像内容几乎是相同的。
最后，可以根据大方向的不同将特征线分为六组，组与组之间进行两两匹配，即可以得到很多匹配特征线对。根据大部分特征线对描述两幅图像间的变化趋势，来去掉少数与之不同的特征线对，即可得到两幅图像间的变化关系，结合图4。
本发明受到人眼视觉系统的启发，利用类似人眼视觉皮层滤波器组的处理方式，提出基于带有方向的特征线的图像匹配，该方法具有旋转、缩放无关的特性，实验证明，这种基于特征线的图像匹配算法可以完成复杂背景下图像间的匹配，并具有很好的鲁棒性，匹配精度优于1个像素，并可以克服旋转和尺度缩放。基本满足自动图像匹配的稳定可靠、精度高、抗干扰能力强等要求。而且相比SIFT算法，它具有很好的视觉意义，而且有很好的抗噪声能力。

Claims (2)

1.采用有方向的特征线实现图像匹配的方法，其特征是，该方法由以下步骤实现：
步骤一、采用六组带有方向的条形滤波器对图像进行滤波，获得六组特征线；
步骤二、采用连通域的方法判断步骤一获得的特征线的长度，去掉所述特征线中五个像素以内的特征线，获得剩余部分的特征线；
步骤三、以步骤二获得剩余部分特征线中每个特征线的中心为圆点，以所述每个特征线的长度及方向为基准建立极坐标系，获得极坐标图像；
步骤四、将步骤三获得的极坐标图像按特征线分为六组，将相邻两组特征线进行图像的匹配，获得匹配的特征线对；
步骤五、采用步骤四获得的特征线对计算出图像的变换参数，实现图像匹配。
2.根据权利要求1所述的采用有方向的特征线实现图像匹配的方法，其特征在于，步骤一所述的六组带有方向的条形滤波器为不同方向的滤波器。
CN 201010585278 2010-12-13 2010-12-13 采用有方向的特征线实现图像匹配的方法 Pending CN102254190A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010585278 CN102254190A (zh) 2010-12-13 2010-12-13 采用有方向的特征线实现图像匹配的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010585278 CN102254190A (zh) 2010-12-13 2010-12-13 采用有方向的特征线实现图像匹配的方法

Publications (1)

Publication Number Publication Date
CN102254190A true CN102254190A (zh) 2011-11-23

Family

ID=44981442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010585278 Pending CN102254190A (zh) 2010-12-13 2010-12-13 采用有方向的特征线实现图像匹配的方法

Country Status (1)

Country Link
CN (1) CN102254190A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947109A (zh) * 2019-04-02 2019-06-28 北京石头世纪科技股份有限公司 机器人工作区域地图构建方法、装置、机器人和介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《光学精密工程》 20040630 姜凯等 基于模板抽样的快速图像匹配算法 311-315 1-2 第12卷, 第3期 *
《光学精密工程》 20090731 张叶等 运用旋转无关特征线实现景象匹配 1759-1763 1-2 第17卷, 第7期 *
《红外与激光工程》 20080229 刘立等 采用简化SIFT算法实现快速图像匹配 181-184 1-2 第37卷, 第1期 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947109A (zh) * 2019-04-02 2019-06-28 北京石头世纪科技股份有限公司 机器人工作区域地图构建方法、装置、机器人和介质
CN109947109B (zh) * 2019-04-02 2022-06-21 北京石头创新科技有限公司 机器人工作区域地图构建方法、装置、机器人和介质

Similar Documents

Publication Publication Date Title
CN103426186B (zh) 一种改进的surf快速匹配方法
CN101236602B (zh) 图像处理设备、图像处理方法
CN102006425B (zh) 一种基于多摄像机的视频实时拼接方法
CN111080529A (zh) 一种加强鲁棒性的无人机航拍图像拼接方法
CN106919944B (zh) 一种基于orb算法的大视角图像快速识别方法
CN108010045A (zh) 基于orb的视觉图像特征点误匹配提纯方法
CN101488223B (zh) 基于曲线均值标准差描述子的图像曲线特征匹配方法
CN102122359B (zh) 一种图像配准方法及装置
CN106127258B (zh) 一种目标匹配方法
CN105389774A (zh) 对齐图像的方法和装置
CN101650784B (zh) 一种利用结构上下文特征进行图像匹配的方法
CN103400384A (zh) 结合区域匹配和点匹配的大视角图像匹配方法
CN101847163A (zh) 一种多特征融合的外观设计专利图像检索方法
CN102629330A (zh) 一种深度图像与彩色图像的快速高精度匹配方法
CN104240231A (zh) 基于局部结构二进制模式的多源图像配准
CN108229500A (zh) 一种基于函数拟合的sift误匹配点剔除法
CN105719306A (zh) 一种高分辨率遥感影像中的建筑物快速提取方法
CN103198299B (zh) 基于多方向尺度与Gabor相位投影特征结合的人脸识别方法
CN102446356A (zh) 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法
CN102800099A (zh) 多特征多级别的可见光与高光谱图像高精度配准方法
CN102663733A (zh) 基于特征组对的特征点匹配方法
CN105761207B (zh) 基于最大线性块邻域嵌入的图像超分辨重建方法
CN110599509A (zh) 一种基于八方向分数阶微分算子的边缘检测方法
CN103336964A (zh) 一种基于模值差镜像不变性的sift图像匹配方法
CN102354399B (zh) 一种摄像机外部参数自定标方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20111123