CN104346797A - 关键像素点匹配方法和装置、图像匹配方法和装置 - Google Patents

关键像素点匹配方法和装置、图像匹配方法和装置 Download PDF

Info

Publication number
CN104346797A
CN104346797A CN201310329752.8A CN201310329752A CN104346797A CN 104346797 A CN104346797 A CN 104346797A CN 201310329752 A CN201310329752 A CN 201310329752A CN 104346797 A CN104346797 A CN 104346797A
Authority
CN
China
Prior art keywords
image
matched
crucial pixel
proper vector
eigenvector
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
CN201310329752.8A
Other languages
English (en)
Inventor
刘岩
吕肖庆
徐剑波
汤帜
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.)
Peking University
Peking University Founder Group Co Ltd
Beijing Founder Apabi Technology Co Ltd
Original Assignee
Peking University
Peking University Founder Group Co Ltd
Beijing Founder Apabi Technology Co Ltd
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 Peking University, Peking University Founder Group Co Ltd, Beijing Founder Apabi Technology Co Ltd filed Critical Peking University
Priority to CN201310329752.8A priority Critical patent/CN104346797A/zh
Priority to US14/092,587 priority patent/US9082045B2/en
Publication of CN104346797A publication Critical patent/CN104346797A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例涉及数字图像处理领域，特别涉及关键像素点匹配方法和装置，以及图像匹配方法和装置，用以提高确定出的匹配点的可靠性和准确率。本发明实施例提供的关键像素点匹配方法包括：针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量；在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。本发明实施例实现了提高确定出的匹配点的可靠性和准确率。

Description

关键像素点匹配方法和装置、图像匹配方法和装置
技术领域
本发明涉及数字图像处理领域，特别涉及一种对两图像的关键像素点进行匹配的方法和装置，以及图像匹配方法和装置。
背景技术
图像匹配技术在图像检索、图像拼接、目标检测与识别、机器人场景定位和视频内容分析的领域均有着广泛的应用。目前图像的匹配主要是基于图像的关键像素点的匹配，在两图像的一个关键像素点相匹配上时，即确定两图像相匹配，比如，针对两幅待匹配的图像A和图像B，当图像A的一个关键像素点在图像B中有对应的匹配关键像素点，即，图像A的一个关键像素点与图像B的一个关键像素点为一对匹配点时，确定图像A和图像B相匹配，其中，匹配点周围区域的物理特性一致。
图像的每个关键像素点对应两类向量，即，特征向量和坐标向量，关键像素点的特征向量用于描述关键像素点周围区域的物理特性，关键像素点的坐标向量用于描述关键像素点的位置。因而目前主要是基于关键像素点的特征向量，确定一图像的关键像素点在另一图像中对应的匹配关键像素点。目前基于关键像素点的特征向量，对两图像的关键像素点进行匹配的方法主要包括三种：阈值匹配方法、最近邻阈值匹配方法和最近邻距离比匹配方法。
阈值匹配方法包括：对于第一图像的待匹配关键像素点的特征向量，确定第二图像的特征向量集合中与该待匹配关键像素点的特征向量之间的距离值小于设定阈值的特征向量为匹配特征向量，并确定该待匹配关键像素点与确定的该匹配特征向量对应的关键像素点为一对匹配点，其中设定阈值的取值范围为（0，1）。由于满足与该待匹配关键像素点的特征向量之间的距离值小于设定阈值条件的特征向量可能存在多个，因而采用该阈值匹配方法确定出的匹配点的可靠性比较低。
最近邻阈值匹配方法包括：对于第一图像的待匹配关键像素点的特征向量，确定第二图像的特征向量集合中与该待匹配关键像素点的特征向量之间距离值最小的特征向量为备选特征向量，在该备选特征向量与该待匹配关键像素点的特征向量之间的距离值小于设定阈值时，确定该备选特征向量为匹配特征向量，并确定该待匹配关键像素点与确定的该匹配特征向量对应的关键像素点为一对匹配点，其中设定阈值的取值范围为（0，1）。由于通过设定阈值，将满足设定阈值条件的备选特征向量确定为匹配特征向量，并确定该待匹配关键像素点与该确定的匹配特征向量对应的关键像素点为一对匹配点，而实际上匹配特征向量满足设定阈值条件是待匹配关键像素点与匹配特征向量对应的关键像素点匹配正确的必要条件，因而最近邻阈值匹配方法没有对待匹配关键像素点与匹配特征向量对应的关键像素点是否满足匹配正确的充分条件进行验证，因此采用该最近邻阈值匹配方法确定出的匹配点的错误率比较高。
最近邻距离比匹配方法包括：对于第一图像的待匹配关键像素点的特征向量，分别确定第二图像的特征向量集合中与该待匹配关键像素点的特征向量之间距离值最小的第一特征向量和次最小的第二特征向量，并确定该待匹配关键像素点的特征向量与该第一特征向量之间的第一距离值，以及该待匹配关键像素点的特征向量与该第二特征向量之间的第二距离值，在该第一距离值与该第二距离值的比值小于设定阈值时，确定该待匹配关键像素点和该第一特征向量对应的关键像素点为一对匹配点，其中设定阈值的取值范围为（0，1）。与最近邻阈值匹配方法类似，采用该最近邻距离比匹配方法确定出的匹配点的错误率比较高。
综上所述，在采用目前的基于关键像素点的特征向量，对两图像的关键像素点进行匹配时，确定出的匹配点的可靠性比较低和错误率比较高。
发明内容
本发明实施例提供的一种对两图像的关键像素点进行匹配的方法和装置，用以提高确定出的匹配点的可靠性和准确率。
本发明实施例提供的一种图像匹配方法和装置，用以提高确定出的匹配图像的可靠性和准确率。
第一方面，本发明实施例提供的一种对两图像的关键像素点进行匹配的方法，包括：
针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
在本发明实施例中，由于不仅通过对关键像素点匹配正确的必要条件进行验证，得到与待匹配关键像素点的特征向量相匹配的第一特征向量（即，第一特征向量满足必要条件），还通过对关键像素点匹配正确的充分条件进行验证，即，得到与第一特征向量相匹配的第二特征向量，且验证待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量是否相同（即，验证待匹配关键像素点与第二特征向量对应的关键像素点是否为同一个点），从而使得确定出的匹配点的可靠性比较高和错误率比较低，提高了确定出的匹配点的准确率。
较佳地，在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
在本发明实施例中，对于满足关键像素点匹配正确的必要条件的第一特征向量对应的关键像素点，在与其对应的第一特征向量相匹配的第二特征向量对应的关键像素点和待匹配关键像素点不满足关键像素点匹配正确的充分条件时，认为待匹配关键像素点和满足关键像素点匹配正确的必要条件的第一特征向量对应的关键像素点不匹配，从而保证不会将匹配错误率比较高的第一特征向量对应的关键像素点，作为待匹配关键像素点的匹配点。
较佳地，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；
从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
在本发明实施例中，提供了三种从另一图像的特征向量集合中确定与一图像的一个特征向量相匹配的另一特征向量的方法，以便本领域技术人员可以很容易地实现本发明的技术方案。需要说明的是，本发明实施例中提供的三种具体方法只用于解释本发明，而并不用于限制本发明，其它可以用于实现本发明技术方案的方法也在本发明的保护范围之内。
第二方面，本发明实施例提供的一种基于所述的对两图像关键像素点进行匹配的方法的图像匹配方法，包括：
针对第一图像的每个待匹配关键像素点，分别执行对所述待匹配关键像素点与第二图像的关键像素点进行匹配的步骤；
若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配。
在本发明实施例中，由于确定出的匹配点的可靠性和准确率比较高，相应的，本发明实施例确定的匹配图像的可靠性和准确率也比较高。
较佳地，所述第一图像为待匹配图像，所述第二图像为以动态输入的一幅图像。
在本发明实施例中，针对待匹配图像需要与动态输入的多幅图像相匹配的应用场景，本发明实施例能够保证提高待匹配图像与动态输入的每幅图像的匹配的可靠性和准确率。
第三方面，本发明实施例提供的一种对两图像的关键像素点进行匹配的装置，包括：
第一确定单元，用于针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
第二确定单元，用于从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
处理单元，用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
较佳地，所述处理单元，具体用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
较佳地，所述第一确定单元，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；
所述第二确定单元，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
第四方面，本发明实施例提供的一种图像匹配装置，包括：
匹配单元，用于针对第一图像的每个待匹配关键像素点，分别执行：从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，从第一图像的特征向量集合中确定与第一特征向量相匹配的第二特征向量，以及
在所述待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和第一特征向量对应的关键像素点为一对匹配点；
确定单元，用于若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配；
其中，第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量，第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量。
较佳地，所述第一图像为待匹配图像，所述第二图像为以动态输入的一幅图像。
与现有技术相比，由于在本发明实施例中，不仅通过对关键像素点匹配正确的必要条件进行验证，得到与待匹配关键像素点的特征向量相匹配的第一特征向量（即，第一特征向量满足必要条件），还通过对关键像素点匹配正确的充分条件进行验证，即，得到与第一特征向量相匹配的第二特征向量，且验证待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量是否相同（即，验证待匹配关键像素点与第二特征向量对应的关键像素点是否为同一个点），从而使得确定出的匹配点的可靠性比较高和错误率比较低。
附图说明
图1为本发明实施例对两图像的关键像素点进行匹配的方法流程示意图；
图2为本发明实施例图像匹配方法流程示意图；
图3为本发明实施例图像匹配的详细方法流程示意图；
图4为本发明实施例第一图像和第二图像示意图；
图5为本发明实施例对两图像的关键像素点进行匹配的装置结构示意图；
图6为本发明实施例图像匹配装置的结构示意图。
具体实施方式
在本发明实施例中，针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，在所述待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和第一特征向量对应的关键像素点为一对匹配点；
由于在本发明实施例中，不仅通过对关键像素点匹配正确的必要条件进行验证，得到与待匹配关键像素点的特征向量相匹配的第一特征向量（即，第一特征向量满足必要条件），还通过对关键像素点匹配正确的充分条件进行验证，即，得到与第一特征向量相匹配的第二特征向量，且验证待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量是否相同（即，验证待匹配关键像素点与第二特征向量对应的关键像素点是否为同一个点），从而使得确定出的匹配点的可靠性比较高和错误率比较低。
下面结合说明书附图对本发明实施例作进一步详细描述。
如图1所示，本发明实施例对两图像的关键像素点进行匹配的方法包括下列步骤：
步骤101、针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
步骤102、从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
步骤103、在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同（即，待匹配关键像素点和第二特征向量对应的关键像素点为同一个关键像素点）时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
较佳地，针对步骤103，在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同（即，待匹配关键像素点和第二特征向量对应的关键像素点不是同一个关键像素点）时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
实施中，不仅通过对关键像素点匹配正确的必要条件进行验证，得到与待匹配关键像素点的特征向量相匹配的第一特征向量（即，第一特征向量满足必要条件），还通过对关键像素点匹配正确的充分条件进行验证，即，得到与第一特征向量相匹配的第二特征向量，且验证待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量是否相同，从而提高了确定出的匹配点的可靠性和准确率。
较佳地，在步骤101中，第一图像的待匹配关键像素点可以为第一图像包括的任何一个关键像素点，也可以为从第一图像包括的关键像素点中选择的至少一个关键像素点。
具体实施中，可以根据需要或者经验，从第一图像包括的关键像素点中选择待匹配关键像素点，比如，可以随机选择，也可以按照预设的选择算法进行选择。
较佳地，在步骤101中，第一图像的每个待匹配关键像素点对应至少一个特征向量，其中针对第一图像的待匹配关键像素点的每个特征向量，分别执行步骤101～步骤103。
较佳地，在步骤101中，第二图像的每个关键像素点对应至少一个特征向量。
较佳地，用于表示关键像素点周围区域的物理特性的所述关键像素点的特征向量的维数可以根据经验或者需要设定。
较佳地，在步骤101中，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量的实施方式与现有技术中从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量的实施方式相同。
较佳地，在步骤101中，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量。
下面将分别对本发明实施例的采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量进行介绍。实施方式一
较佳地，在步骤101中，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
步骤A1、从第二图像的特征向量集合中分别确定与所述待匹配关键像素点的特征向量距离值最小和次最小的特征向量；
步骤A2、确定所述待匹配关键像素点的特征向量和与所述待匹配关键像素点的特征向量距离值最小的特征向量之间的第一距离值，以及确定所述待匹配关键像素点的特征向量和与所述待匹配关键像素点的特征向量距离值次最小的特征向量之间的第二距离值；
步骤A3、在第一距离值和第二距离值的比值小于第一门限值时，将所述与待匹配关键像素点的特征向量距离值最小的特征向量作为与待匹配关键像素点的特征向量相匹配的第一特征向量。
较佳地，在步骤A1中，与所述待匹配关键像素点的特征向量距离值次最小的特征向量是指与所述待匹配关键像素点的特征向量之间的距离值仅大于最小距离值的特征向量。
比如，如图4所示，第一图像为图像M，第二图像为图像N，Mi、MP和Mh为第一图像包括的关键像素点，Nj、Ns和Nk为第二图像包括的关键像素点；
假设所述待匹配关键像素点的特征向量为关键像素点Mi的特征向量MiT，关键像素点Nj的特征向量NjT与MiT之间的距离值为A，关键像素点Ns的特征向量NsT与MiT之间的距离值为B，关键像素点Nk的特征向量NkT与MiT之间的距离值为C，A<C<B；
则特征向量NjT为与所述待匹配关键像素点的特征向量距离值最小的特征向量，特征向量NkT为与所述待匹配关键像素点的特征向量距离值次最小的特征向量。
较佳地，在步骤A2中，第一距离值和第二距离值为欧几里德距离值。
较佳地，在步骤A3中，第一门限值可以根据经验或者需要设定。
较佳地，第一门限值的取值范围为0.3至0.8。
实施方式二
较佳地，在步骤101中，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
步骤B1、从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量距离值最小的特征向量；
步骤B2、确定所述待匹配关键像素点的特征向量和与所述待匹配关键像素点的特征向量距离值最小的特征向量之间的第五距离值；
步骤B3、在所述第五距离值小于第二门限值时，将所述与待匹配关键像素点的特征向量距离值最小的特征向量作为与所述待匹配关键像素点的特征向量相匹配的第一特征向量。
具体实施中，第二门限值可以根据经验或者需要设定，较佳地，第二门限值的取值范围为（0,1）。
实施方式三
较佳地，在步骤101中，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
步骤C1、从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量的距离值小于第三门限值的特征向量；
步骤C2、将确定的所述与待匹配关键像素点的特征向量的距离值小于第一阈值的特征向量，作为与所述待匹配关键像素点的特征向量相匹配的第一特征向量。
具体实施中，第三门限值可以根据经验或者需要设定，较佳地，第二门限值的取值范围为（0,1）。
较佳地，在步骤102中，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量的实施方式与现有技术中从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量的实施方式类似。
较佳地，在步骤102中，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
下面将分别对本发明实施例的采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量进行介绍。
实施例一
较佳地，在步骤102中，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
步骤D1、从第一图像的特征向量集合中分别确定与所述第一特征向量距离值最小和次最小的特征向量；
较佳地，步骤D1的实施方式与步骤A1的实施方式类似，在此不再赘述。
步骤D2、确定所述第一特征向量和与所述第一特征向量距离值最小的特征向量之间的第三距离值，以及确定所述第一特征向量和与所述第一特征向量距离值次最小的特征向量之间的第四距离值；
较佳地，步骤D2的实施方式与步骤A2的实施方式类似，在此不再赘述。
步骤D3、在第三距离值和第四距离值的比值小于第一阈值时，将所述与第一特征向量距离最小的特征向量作为与第一特征向量相匹配的所述第二特征向量。
较佳地，步骤D3中的第一阈值可以根据经验或者需要设定，第一阈值的取值范围为0.3至0.8。
具体实施中，步骤D3中的第一阈值可以大于步骤A3中的第一门限值，该第一阈值可以小于该第一门限值，该第一阈值也可以等于该第一门限值。
较佳地，步骤D3中的第一阈值小于步骤A3中的第一门限值。
实施中，第一阈值小于第一门限值，可以提高反向匹配（确定与所述第一特征向量相匹配的第二特征向量）的精度。
具体实施中，第一门限值和第一阈值的取值越小，第一图像的待匹配关键像素点和第二图像的关键像素点匹配上的数目越少。
实施例二
较佳地，在步骤102中，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
步骤E1、从第一图像的特征向量集合中确定与所述第一特征向量距离值最小的特征向量；
步骤E2、确定所述第一特征向量和与所述第一特征向量距离值最小的特征向量之间的第六距离值；
步骤E3、在所述第六距离值小于第二阈值时，将所述与第一特征向量距离值最小的特征向量作为与所述第一特征向量相匹配的第二特征向量。
具体实施中，第二阈值可以根据经验或者需要设定，较佳地，第二阈值的取值范围为（0，1）。
实施例三
较佳地，在步骤102中，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
步骤F1、从第一图像的特征向量集合中确定与所述第一特征向量的距离值小于第三阈值的特征向量；
步骤F2、将确定的所述与第一特征向量的距离值小于第三阈值的特征向量，作为与所述第一特征向量相匹配的第二特征向量。
具体实施中，第三阈值可以根据经验或者需要设定，较佳地，第三阈值的取值范围为（0，1）。
具体实施中，实施方式一可以和实施例一结合实施，可以和实施例二结合实施，也可以和实施例三结合实施；实施方式二和实施方式三的实施方式与实施方式一的实施方式相同。
较佳地，实施方式一和实施例一结合实施，实施方式二和实施例二结合实施，以及实施式三和实施例三结合实施。
较佳地，在步骤103中，关键像素点的坐标向量为一个1*3维（即，关键像素点的x、y坐标和关键像素点的尺度）的向量，用于表示关键像素点的位置。
需要说明的是，本发明实施例对两图像关键像素点进行匹配的方法还可以应用于两个数据集之间的元素匹配。
如图2所示，本发明实施例基于所述的对两图像的关键像素点进行匹配的方法的图像匹配方法包括下列步骤：
步骤201、针对第一图像的每个待匹配关键像素点，分别执行对所述待匹配关键像素点与第二图像的关键像素点进行匹配的步骤；
步骤202、若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配。
较佳地，在步骤201中，对所述待匹配关键像素点与第二图像的关键像素点进行匹配的步骤，即为步骤101～步骤103。
较佳地，第一图像为待匹配图像，第二图像可以为静态图像，也可以为动态输入的一幅图像。
下面将结合图4对本发明实施例图像匹配方法作进一步详细描述。
如图4所示，第一图像为图像M，第二图像为图像N，Mi、MP和Mh为第一图像包括的关键像素点，Nj、Ns和Nk为第二图像包括的关键像素点；
假设图像M的待匹配关键像素点为Mi、MP和Mh，关键像素点Mi的特征向量为MiT，关键像素点MP的特征向量为MPT，关键像素点Mh的特征向量为MhT，以及关键像素点Nj的特征向量为NjT，关键像素点Ns的特征向量为NsT，关键像素点Nk的特征向量为NkT；
图像M的特征向量集合包括MiT、MPT和MhT，图像N的特征向量集合包括NjT、NsT和NkT。
如图3所示，本发明实施例图像匹配的详细方法包括下列步骤：
步骤301、针对图像M的待匹配关键像素点为Mi，从图像N的特征向量集合中确定与Mi的特征向量MiT距离值最小和次最小的特征向量NjT和NkT；
步骤302、确定MiT与NjT的第一距离值，以及确定MiT与NkT的第二距离值；步骤303、在第一距离值和第二距离值的比值小于第一门限值时，将NjT作为与MiT相匹配的特征向量；
步骤304、从图像M的特征向量集合中确定与特征向量NjT距离值最小和次最小的特征向量MhT和MPT；步骤305、确定NjT与MhT的第三距离值，以及确定NjT与MPT的第四距离值；
步骤306、在第三距离值和第四距离值的比值小于第二门限值时，将MhT作为与NjT相匹配的特征向量；
步骤307、确定待匹配关键像素点为Mi的坐标向量MiZ，以及确定MhT对应的关键像素点Mh的坐标向量MhZ；
步骤308、在坐标向量MiZ与坐标向量MhZ相同时，确定Mi和Nj为一对匹配点；
步骤309、确定图像M和图像N相匹配。
基于同一发明构思，本发明实施例中还提供了一种对两图像的关键像素点进行匹配的装置和图像匹配装置，由于这些装置解决问题的原理与本发明实施例的方法相似，因此这些装置的实施可以参见方法的实施，重复之处不再赘述。
图5为本发明实施例对两图像的关键像素点进行匹配的装置，如图所示，本发明实施例对两图像的关键像素点进行匹配的装置包括：
第一确定单元501，用于针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
第二确定单元502，用于从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
处理单元503，用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
较佳地，所述处理单元503，具体用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
较佳地，所述第一确定单元501，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；
所述第二确定单元502，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
图6为本发明实施例图像匹配装置结构示意图，如图所示，本发明实施例图像匹配装置包括：
匹配单元601，用于针对第一图像的每个待匹配关键像素点，分别执行：从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，从第一图像的特征向量集合中确定与第一特征向量相匹配的第二特征向量，以及
在所述待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和第一特征向量对应的关键像素点为一对匹配点；
确定单元602，用于若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配；
其中，第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量，第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量。
较佳地，所述第一图像为待匹配图像，所述第二图像为以动态输入的一幅图像。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种对两图像的关键像素点进行匹配的方法，其特征在于，包括：
针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
2.如权利要求1所述的方法，其特征在于，在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
3.如权利要求1或2所述的方法，其特征在于，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；
从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，包括：
采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
4.一种基于如权利要求1所述的对两图像关键像素点进行匹配的方法的图像匹配方法，其特征在于，包括：
针对第一图像的每个待匹配关键像素点，分别执行对所述待匹配关键像素点与第二图像的关键像素点进行匹配的步骤；
若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配。
5.如权利要求4所述的方法，其特征在于，所述第一图像为待匹配图像，所述第二图像为以动态输入的一幅图像。
6.一种对两图像的关键像素点进行匹配的装置，其特征在于，包括：
第一确定单元，用于针对第一图像的待匹配关键像素点，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，其中第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量；
第二确定单元，用于从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量，其中第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量；
处理单元，用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点为一对匹配点。
7.如权利要求6所述的装置，其特征在于，所述处理单元，具体用于在所述待匹配关键像素点的坐标向量与所述第二特征向量对应的关键像素点的坐标向量不相同时，确定所述待匹配关键像素点和所述第一特征向量对应的关键像素点不是一对匹配点。
8.如权利要求6或7所述的装置，其特征在于，所述第一确定单元，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量；
所述第二确定单元，具体用于采用阈值匹配方法，或最近邻阈值匹配方法，或最近邻距离比匹配方法，从第一图像的特征向量集合中确定与所述第一特征向量相匹配的第二特征向量。
9.一种图像匹配装置，其特征在于，包括：
匹配单元，用于针对第一图像的每个待匹配关键像素点，分别执行：从第二图像的特征向量集合中确定与所述待匹配关键像素点的特征向量相匹配的第一特征向量，从第一图像的特征向量集合中确定与第一特征向量相匹配的第二特征向量，以及
在所述待匹配关键像素点的坐标向量与第二特征向量对应的关键像素点的坐标向量相同时，确定所述待匹配关键像素点和第一特征向量对应的关键像素点为一对匹配点；
确定单元，用于若第一图像的至少一个待匹配关键像素点在第二图像中有对应的匹配点，则确定第一图像与第二图像相匹配；否则，确定第一图像与第二图像不匹配；
其中，第一图像的特征向量集合包括第一图像的每个关键像素点的特征向量，第二图像的特征向量集合包括第二图像的每个关键像素点的特征向量。
10.如权利要求9所述的装置，其特征在于，所述第一图像为待匹配图像，所述第二图像为以动态输入的一幅图像。
CN201310329752.8A 2013-07-31 2013-07-31 关键像素点匹配方法和装置、图像匹配方法和装置 Pending CN104346797A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201310329752.8A CN104346797A (zh) 2013-07-31 2013-07-31 关键像素点匹配方法和装置、图像匹配方法和装置
US14/092,587 US9082045B2 (en) 2013-07-31 2013-11-27 Method and apparatus for matching key pixels, and method and apparatus for matching images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310329752.8A CN104346797A (zh) 2013-07-31 2013-07-31 关键像素点匹配方法和装置、图像匹配方法和装置

Publications (1)

Publication Number Publication Date
CN104346797A true CN104346797A (zh) 2015-02-11

Family

ID=52427727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310329752.8A Pending CN104346797A (zh) 2013-07-31 2013-07-31 关键像素点匹配方法和装置、图像匹配方法和装置

Country Status (2)

Country Link
US (1) US9082045B2 (zh)
CN (1) CN104346797A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782724A (zh) * 2022-06-17 2022-07-22 联宝(合肥)电子科技有限公司 一种图像匹配方法、装置、电子设备及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778687B (zh) * 2015-03-26 2019-04-26 北京奇虎科技有限公司 一种图像匹配方法和装置
CN108090396A (zh) * 2016-11-21 2018-05-29 方正国际软件(北京)有限公司 一种指纹匹配方法和装置
CN110880003B (zh) * 2019-10-12 2023-01-17 中国第一汽车股份有限公司 一种图像匹配方法、装置、存储介质及汽车

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030026485A1 (en) * 1999-07-20 2003-02-06 Craig Gotsman Method and system for detecting and classifying objects in an image
CN101140624A (zh) * 2007-10-18 2008-03-12 清华大学 图像匹配方法
CN101197045A (zh) * 2007-12-17 2008-06-11 电子科技大学 一种图像立体匹配方法及其装置
US20080187186A1 (en) * 2007-02-02 2008-08-07 Sony Corporation Image processing apparatus, image processing method and computer program
CN101685541A (zh) * 2008-09-25 2010-03-31 佳能株式会社 图像处理装置及图像处理方法
CN101872475A (zh) * 2009-04-22 2010-10-27 中国科学院自动化研究所 一种扫描文档图像自动配准方法
CN102622732A (zh) * 2012-03-14 2012-08-01 上海大学 一种前扫声纳图像拼接方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030026485A1 (en) * 1999-07-20 2003-02-06 Craig Gotsman Method and system for detecting and classifying objects in an image
US20080187186A1 (en) * 2007-02-02 2008-08-07 Sony Corporation Image processing apparatus, image processing method and computer program
CN101140624A (zh) * 2007-10-18 2008-03-12 清华大学 图像匹配方法
CN101197045A (zh) * 2007-12-17 2008-06-11 电子科技大学 一种图像立体匹配方法及其装置
CN101685541A (zh) * 2008-09-25 2010-03-31 佳能株式会社 图像处理装置及图像处理方法
CN101872475A (zh) * 2009-04-22 2010-10-27 中国科学院自动化研究所 一种扫描文档图像自动配准方法
CN102622732A (zh) * 2012-03-14 2012-08-01 上海大学 一种前扫声纳图像拼接方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁南南: ""基于特征点的图像配准技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114782724A (zh) * 2022-06-17 2022-07-22 联宝(合肥)电子科技有限公司 一种图像匹配方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20150036933A1 (en) 2015-02-05
US9082045B2 (en) 2015-07-14

Similar Documents

Publication Publication Date Title
CN109727288B (zh) 用于单目同时定位与地图构建的系统和方法
EP3252715A1 (en) Two-camera relative position calculation system, device and apparatus
CN107633526B (zh) 一种图像跟踪点获取方法及设备、存储介质
CN114186632B (zh) 关键点检测模型的训练方法、装置、设备、存储介质
CN105512637A (zh) 图像处理方法和电子设备
CN104346797A (zh) 关键像素点匹配方法和装置、图像匹配方法和装置
JP2016201668A (ja) 画像処理装置、画像処理方法およびプログラム
CN105260740A (zh) 一种元件识别方法及装置
KR20220008334A (ko) 포즈 추적 방법, 포즈 추적 장치 및 전자 기기
US20170024846A1 (en) Systems and methods for selecting an image transform
CN105469386A (zh) 一种确定立体相机高度与俯仰角的方法及装置
US9317904B2 (en) Image processing system and image processing method
CN107050859B (zh) 一种基于unity3D的拖动相机在场景中位移的方法
CN102325078B (zh) 应用识别方法及设备
CN104077768A (zh) 一种鱼眼镜头径向畸变的标定方法及标定装置
CN105631850B (zh) 对齐多视图扫描
CN115546515A (zh) 一种深度信息获取方法和装置
CN112183484B (zh) 一种图像处理方法、装置、设备以及存储介质
WO2022147774A1 (zh) 基于三角剖分和概率加权ransac算法的物体位姿识别方法
US20120098939A1 (en) Image processing apparatus and method, and program
CN104994307B (zh) 一种图像校正方法和装置
KR101551122B1 (ko) 사용자 단말에서의 패턴 인식 방법 및 그 장치
CN103077523A (zh) 手持相机拍摄取证方法
EP2424243A1 (en) Motion estimation using integral projection
CN114399526A (zh) 位姿确定方法、装置以及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150211

RJ01 Rejection of invention patent application after publication