CN102663441A - 基于点线关系一致性的错误匹配去除方法 - Google Patents

Abstract

本发明涉及一种基于点线关系一致性的错误匹配去除方法，包括：采集图像并输入计算机，利用已有技术进行特征点检测与匹配，对匹配特征点进行特征组对处理，计算各个特征对的支撑特征点集合，计算各个特征对的点线关系一致性，利用点线关系一致性检测并去除错误匹配。相比于常用的RANSAC技术，本发明给出的方法不需要已知特征之间的约束模型，且具有更高的计算效率。

Description

基于点线关系一致性的错误匹配去除方法

技术领域

本发明涉及计算机视觉中的图像特征自动匹配领域，特别是数字图像中错误匹配去除方法。

背景技术

特征匹配技术在图像检索、物体识别、视频跟踪以及增强现实等领域有重要应用。但是，即使最优秀的匹配技术获得的结果中也会包含错误匹配，一般在应用匹配结果之前需要去除错误匹配。RANSAC技术是最常用的错误匹配去除方法，其基本思路为：假设已知两幅图像之间的约束模型(如极线约束、单应约束等)，随机多次从初始匹配集合中抽取能够一定数量的匹配用于计算模型参数，获得的多组模型参数中正确的模型参数将会集中分布在一起而错误的模型参数将随呈分散分布，将位于集中分布中心的模型参数作为正确的模型参数，最后通过逐个验证各个匹配是否满足模型参数进行错误匹配去除。但是，该方法主要面临两个问题：(1)需要已知图像之间的约束模型；(2)大量随机抽取进行模型参数计算过程导致算法计算量很大，效率不高。

发明内容

本发明针对常用基于RANSAC技术的错误匹配去除方法存在的问题，提供一种能够克服上述问题的具有更优性能的错误匹配去除方法。为了实现本目的，本发明提供的基于点线关系一致性的错误匹配去除方法，包括以下步骤：

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：利用已有技术进行特征点检测与匹配，如使用SIFT技术；

步骤S3：对匹配特征点进行特征组对处理；

步骤S4：计算各个特征对的支撑特征点集合；

步骤S5：计算各个匹配特征对的点线关系一致性；

步骤S6：利用点线关系一致性检测并剔除错误匹配。

本发明提出的基于点线关系一致性的错误匹配去除方法，既不需要已知图像之间的模型，也不需要进行模型参数计算，而是首先将图像中的特征点进行组对处理，然后通过特征对之间的连接关系确定每个特征对的支撑特征点集合(实际上是确定特征对附近的特征点集合)，最后通过验证支撑特征点与特征对直线的相对关系保持性来检测并去除错误匹配。利用本发明提供的方法去除错匹配过程中，主要计算量是验证位于直线两个的特征点个数，相比于RANSAC技术进行的模型参数估计过程具有更小的计算量，具有更高的效率。

附图说明

图1所示为基于点线关系一致性的错误匹配去除方法的流程图。

具体实施方式

如图1所示为本发明基于点线关系一致性的错误匹配去除方法流程图，包括：采集图像并输入计算机，利用已有特征点检测算子提取图像特征点并进行匹配，对匹配特征点进行特征组对处理，计算各个特征对的支撑特征点集合，计算各个匹配特征对的点线关系一致性，利用点线关系一致性检测并剔除错误匹配点。各步骤的具体实施细节如下：

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：利用已有技术进行特征点检测与匹配，如使用SIFT技术；记获得的初始特征点匹配集合为

其中X_i，X′_i分别位于两幅图像中，X′_i称为X_i的匹配对应点，n为获得的匹配总数；

步骤S3：对步骤S2获得的匹配特征点进行特征组对处理，组对的具体方式为：对于第1幅图像中任一匹配特征点X_i，将它与区域SubR(X_i)内的特征点分别组成特征对，其中SubR(X_i)＝{Y：σ₁≤||Y-X_i||≤σ₂}是以X_i为中心σ₁、σ₂为半径的一个环形区域，给定一幅图像中的特征点集合{X_i，i＝1，2，...，n}，可以得到一个特征对集合Q＝{M_k(X_k1，X_k2)，k＝1，2，...m}，其中m表示获得的特征对个数；对于第1幅图像中的每一个特征对M_k(X_k1，X_k2)，可以确定第2幅图像中的一个对应特征对M′_k(X′_k1，X′_k2)，其中X′_k1，X′_k2分别是特征点X_k1，X_k2在第2幅图像中的匹配对应点；组对处理后可获得特征对匹配集合 $S=\{M_k(X_{k1},X_{k2})\↔M_k^{\′}(X_{k1}^{\′},X_{k2}^{\′}),k=\mathrm{1,2},...m\};$

步骤S4：计算各个特征对的支撑特征点集合，具体方式为：对于步骤S3获得的特征对集合S中的任一特征对

在集合Q找到所有包含特征点X_k1或X_k2的特征对，并将这些特征对包含的位于第1幅图像上的除X_k1，X_k2之外的特征点集合记为T＝{X_l，l＝1，2，...，L}，其中L表示特征点个数；根据匹配关系建立集合T′＝{X′_l，l＝1，2，...，L}，其中X′_l为X_l在第2幅图像上的匹配对应点；集合T、T′分别称为特征对

在两幅图像上的支撑特征点集合；

步骤S5：计算各个特征对匹配的点线关系一致性，具体方式为，记T＝(X_l，l＝1，2，...，L}、T′＝{X′_l，l＝1，2，...，L}分别是特征对匹配

的两个支撑特征点集合，记第1幅图像上集合T中分别位于直线X_k1X_k2两侧的特征点个数为num₁、num₂，记第2幅图像上集合T′中分别位于直线X′_k1X′_k2两侧的特征点个数为num′₁、num′₂，利用公式计算特征对匹配的点线关系一致性；

步骤S6：利用点线关系一致性检测并去除错误匹配点，具体方式为：设定一个阈值T_V，一般取0.1-0.2，将所有点线关系一致性超过阈值T_V的特征对匹配组成的集合记为F；对于步骤S2获得的初始特征点匹配集合

中的任一匹配

如果特征点X_i或者X′_i在集合F中出现的次数大于等于2，则将匹配

作为错误匹配去除。

本发明提出的基于点线关系一致性的错误匹配去除方法，既不需要已知图像之间的模型，也不需要进行模型参数计算，而是首先将图像中的特征点进行组对处理，然后通过特征对之间的连接关系确定每个特征对的支撑特征点集合(实际上是确定特征对附近的特征点集合)，最后通过验证支撑特征点与特征对直线的相对关系保持性来检测并去除错误匹配。利用本发明提供的方法去除错匹配过程中，主要计算量是验证位于直线两个的特征点个数，相比于RANSAC技术进行的模型参数估计过程具有更小的计算量，具有更高的效率。

Claims (1)

1.一种基于点线关系一致性的错误匹配去除方法，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：利用已有技术进行特征点检测与匹配，如使用SIFT技术；记获得的初始特征点匹配集合为

其中X_i，X′_i分别位于两幅图像中，X′_i称为X_i的匹配对应点，n为获得的匹配总数；

步骤S3：对步骤S2获得的匹配特征点进行特征组对处理，组对的具体方式为：对于第1幅图像中任一匹配特征点X_i，将它与区域SubR(X_i)内的特征点分别组成特征对，其中SubR(X_i)＝{Y：σ₁≤||Y-X_i||≤σ₂}是以X_i为中心σ₁、σ₂为半径的一个环形区域，给定一幅图像中的特征点集合{X_i，i＝1，2，...，n}，可以得到一个特征对集合Q＝{M_k(X_k1，X_k2)，k＝1，2，...m}，其中m表示获得的特征对个数；对于第1幅图像中的每一个特征对M_k(X_k1，X_k2)，可以确定第2幅图像中的一个对应特征对M′_k(X′_k1，X′_k2)，其中X′_k1，X′_k2分别是特征点X_k1，X_k2在第2幅图像中的匹配对应点；组对处理后可获得特征对匹配集合 $S=\{M_k(X_{k1},X_{k2})\↔M_k^{\′}(X_{k1}^{\′},X_{k2}^{\′}),k=\mathrm{1,2},...m\};$

步骤S4：计算各个特征对的支撑特征点集合，具体方式为：对于步骤S3获得的特征对集合S中的任一特征对

在集合Q中找到所有包含特征点X_k1或X_k2的特征对，并将这些特征对包含的位于第1幅图像上的除X_k1，X_k2之外的特征点集合记为T＝{X_l，l＝1，2，...，L}，其中L表示特征点个数；根据匹配关系建立集合T′＝{X′_l，l＝1，2，...，L}，其中X′_l为X_l在第2幅图像上的匹配对应点；集合T、T′分别称为特征对

在两幅图像上的支撑特征点集合；

步骤S5：计算各个特征对匹配的点线关系一致性，具体方式为，记T＝{X_l，l＝1，2，...，L}、T′＝{X′_l，l＝1，2，...，L}分别是特征对匹配

的两个支撑特征点集合，记第1幅图像上集合T中分别位于直线X_k1X_k2两侧的特征点个数为num₁、num₂，记第2幅图像上集合T′中分别位于直线X′_k1X′_k2两侧的特征点个数为num′₁、num′₂，利用公式

计算特征对匹配

的点线关系一致性；

步骤S6：利用点线关系一致性检测并去除错误匹配点，具体方式为：设定一个阈值T_V，一般取0.1-0.2，将所有点线关系一致性超过阈值T_V的特征对匹配组成的集合记为F；对于步骤S2获得的初始特征点匹配集合

中的任一匹配

如果特征点X_i或者X′_i在集合F中出现的次数大于等于2，则将匹配

作为错误匹配去除。

Images