CN104820983A - 一种图像匹配方法 - Google Patents

Abstract

本发明提供了一种图像匹配方法，该方法包括：根据待匹配图像中的特征点和模板图像中的细节点，确定待匹配图像的旋转角度和平移向量；根据旋转角度和平移向量对待匹配图像进行变换，将变换后的待匹配图像与模板图像重叠，并在模板图像中确定待匹配图像中特征点所对应的细节点，判断特征点与对应细节点的距离是否小于第一预设距离阈值，并根据判断结果确定待匹配图像与模板图像是否匹配。本方法既能够保证图像匹配的精度，又能够保证执行过程中产生的中间数据量在有限的范围内，因此能够适用于硬件资源受到限制的金融IC卡内。

Description

一种图像匹配方法

技术领域

本发明涉及图像处理技术领域，具体地说，涉及一种图像匹配方法。

背景技术

传统的金融IC卡采用PIN(Personal Identification Number)码的方式进行认证，其缺点是PIN码容易被遗忘或者混淆。生物认证方式是替代PIN码认证的最好方式之一。现代生物认证系统包括门禁系统等系统，移动互联网设备在内的一些领域也已经开始使用生物认证系统。生物特征具有终生唯一性，且不易伪造，它是身份认证的理想方式。

指纹识别是利用指纹图像的特征点来对指纹进行识别的过程。指纹识别主要包括四步：指纹采集、指纹图像预处理、特征提取和特征匹配。指纹图像预处理是采集到的原始指纹图像转化为特征点突出的指纹图像，整个过程主要包括增强、二值化和细化等步骤。特征点提取的目的是将指纹中如图1所示的特征点的坐标、方向角等信息提取出来。提取出的特征点信息将在金融IC指纹匹配模块中用来对两枚指纹进行匹配。

通常在PC上实现的指纹匹配方法在运行过程中需要产生多达1MB的中间数据，而这在金融IC卡上几乎不可能实现。因为一般的金融IC卡的卡上存储空间为32KB，较大的可以达到128KB，这些存储空间对于现有的图像匹配方法所需要的1MB的存储空间显然远远不够用。

发明内容

为解决上述问题，本发明提供了一种图像匹配方法，所述方法包括：

平移参数确定步骤，根据待匹配图像中的特征点和模板图像中的细节点，确定待匹配图像的旋转角度和平移向量；

全局匹配步骤，根据所述旋转角度和平移向量对所述待匹配图像进行变换，将变换后的待匹配图像与所述模板图像重叠，并在模板图像中确定出所述待匹配图像中特征点所对应的细节点，判断特征点与对应细节点的距离是否小于第一预设距离阈值，并根据判断结果确定所述待匹配图像与模板图像是否匹配。

根据本发明的一个实施例，所述平移参数确定步骤包括：

特征点匹配步骤，对于待匹配图像中的特征点，获取特征点与预设数量的邻节点构成的拓扑结构，将该拓扑结构与模板图像中细节点与其邻节点构成的拓扑结构进行比较，并根据比较结果从模板图像中确定出与特征点相匹配的细节点，得到特征点匹配结果，所述特征点匹配结果中包含若干个特征点以及与所述若干个特征点对应的细节点；

特征点连线匹配步骤，从所述特征点匹配结果中确定特征点对，分别计算特征点对中两个特征点的距离，得到特征点对距离，计算与所述特征点对中两个特征点相对应的细节点之间的距离，得到细节点对距离，判断特征点对距离与细节点对距离是否匹配，并根据判断结果确定出特征点连线匹配结果；

特征点连线对匹配步骤，从所述特征点连线匹配结果中确定特征点连线对，从所述模板图像中确定出特征点连线对所对应的细节点连线对，并判断所述特征点连线对与所述细节点连线对是否匹配，如果匹配，则根据所述特征点连线对和细节点连线对确定出所述旋转角度和平移向量。

根据本发明的一个实施例，在所述特征点连线匹配步骤中，如果特征点对距离与细节点对距离之间的偏差小于第二长度偏差阈值，则判断所述特征点对于细节点对匹配。

根据本发明的一个实施例，在所述特征点连线匹配步骤中，在自适应匹配区域中确定构成特征点连线的两个特征点。

根据本发明的一个实施例，在所述特征点连线对匹配步骤中，分别计算特征点连线对中两条特征点连线的夹角和长度，以及与特征点连线相对应的两条细节点连线的夹角和长度，根据夹角和长度判断所述特征点连线对与细节点连线对是否匹配。

根据本发明的一个实施例，在所述特征点连线对匹配步骤中，如果特征点连线对中两条特征点连线与其相应的细节点连线的长度偏差均小于第三长度偏差阈值，且特征点连线的夹角与细节点连线的夹角的偏差小于第三角度偏差阈值，则判断特征点连线对与细节点连线对匹配。

根据本发明的一个实施例，在特征点匹配步骤中：

分别计算所述特征点与其邻节点构成的各条线段的长度以及线段之间的夹角，并将线段的长度按照大小进行排序，得到特征点线段序列；

分别计算模板图像中拓扑结构中细节点与其邻节点构成的各条线段的长度以及线段之间的夹角，并将线段的长度按照大小进行排序，得到细节点线段序列；

分别将所述特征点线段序列中各个线段的长度及夹角与所述细节点线段序列中各个线段的长度及夹角进行比较，如果偏差值在相应预设范围内的比较项的个数超过第一预设数量阈值，则判断特征点与细节点匹配。

根据本发明的一个实施例，在所述特征点匹配步骤中，当匹配成功的特征点达到第一预设特征点阈值时，停止进行特征点的匹配。

根据本发明的一个实施例，在所述特征点匹配步骤中，如果遍历第二预设数量阈值的特征点后，匹配成功的特征点数量没有达到第二预设特征点阈值，则判断所述待匹配图像与模板图像不匹配。

根据本发明的一个实施例，在所述特征点匹配步骤中，采用滑动匹配窗来确定特征点的邻节点和/或细节点的邻节点。

根据本发明的一个实施例，在所述全局匹配步骤中，如果与对应细节点的距离小于第一预设距离阈值的特征点的数量大于预设匹配阈值，则判断所述待匹配图像与模板图像匹配。

本方法将传统两步指纹匹配方法改进为三步指纹匹配算法，形成点-线-面三步匹配：首先利用特征点与其邻节点的关系进行特征点的匹配；然后利用两个特征点之间的连线结构进行一维平面上的匹配；最后利用两对特征点连线形成的二位平面结构进行匹配。这种分步匹配方式既能够保证图像匹配的精度，同时又能够保证执行过程中产生的中间数据量在有限的范围内。因此，本方法也就能够适用于硬件资源受到限制的金融IC卡内。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：

图1是现有的图像匹配方法中特征点信息示意图；

图2是根据本发明一个实施例的图像匹配方法的流程图；

图3是根据本发明一个实施例的确定旋转角度和平移向量的流程图；

图4a和图4b分别是根据本发明一个实施例的特征点拓扑结构和细节点拓扑结构的示意图；

图5是根据本发明一个实施例的特征点的搜索与提取方式示意图；

图6是根据本发明一个实施例的滑动匹配窗的示意图；

图7a和图7b分别是根据本发明一个实施例的特征点连线和细节点连线的示意图；

图8是根据本发明一个实施例的自适应匹配区域的示意图；

图9a和图9b分别是根据本发明一个实施例的特征点连线对和细节点连线对的示意图；

图10a和图10b是根据本发明一个实施例的模板指纹和待匹配指纹的示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

传统指纹匹配算法几乎都采用软件方式来实现，软件实现指纹匹配方法主要考虑精度、速度等指标。在这些方法中，硬件资源几乎是不受限制，因而在实现上几乎可以不考虑产生的中间数据量。而通常在PC上实现的指纹匹配方法需要产生多达1MB的中间数据，这在金融IC卡上几乎不可能实现，一般的金融IC卡卡上存储空间为32KB，较大的可以达到128KB，对于软件实现的方法需要的1MB的存储空间远远不够用。因而硬件指纹匹配方法除了精度、速度外，还需要考虑面积指标，在实现时，需要尽量减少寄存器的使用。

针对上述问题，本发明提供给了一中新的图像匹配方法，图2示出了本实施例中该方法的流程图。

如图2所示，本实施例所提供的方法在平移参数确定步骤S201中根据待匹配图像中的特征点和模板图像中的细节点，确定待匹配图像的旋转角度和平移向量。

图像匹配广泛应用于各种身份认证场合，例如ATM机上的指纹识别系统等。本实施例中，待匹配图像和模板图像为指纹图像。待匹配图像由ATM机上的指纹采集器采集得到，模板图像则存储在金融IC卡的只读存储器ROM中。当然，在本发明的其他实施例中，待匹配图像和模板图像也可以为其他合理图像，本发明不限于此。

由于用户在使用ATM机时，可能以不同的角度来按压指纹采集器，因此指纹采集器采集到的指纹与金融IC卡中存储的模板指纹通常情况下在角度和位置上都是存在偏差的。而为了更准确地判断两个指纹匹配与否，就需要将采集到的指纹图像(即待匹配指纹图像)进行旋转和/或平移，从而使得待匹配指纹能够尽可能地与模板指纹重合，以方便后续的分析处理操作。

本实施例中，采用点-线-面三种匹配的方式来获取待匹配图像的平移参数，同时，在此过程中，也可以帮助判断待匹配图像与模板图像匹配与否。

图3示出了本实施例中确定待匹配图像的旋转角度和平移向量的流程。

如图3所示，首先在步骤S301中对于待匹配图像中的特征点，获取特征点与预设数量的邻节点构成的拓扑结构。图4a示出了本实施例所得到的待匹配图像中的特征点M_i的拓扑结构。从图4a中可以看出，特征点M_i的拓扑结构是由特征点M_i以及与其距离最近的三个邻节点(即邻节点M_i1、M_i2和M_i3)构成的。当然，在本发明的其他实施例中，特征点M_i的拓扑结构中邻节点的数量还可以为其他合理值，例如2～5中的其他值等，本发明不限于此。

在步骤S302中，从模板图像中选取某一细节点(例如细节点N_i)，获取该细节点与预设数量的邻节点构成的拓扑结构。本实施例中，细节点也就是模板图像中的特征点。图4b示出了本实施例所得到的细节点N_i的拓扑结构。从图4b中可以看出，细节点N_i的拓扑结构是由细节点N_i以及与其距离最近的三个邻节点(即细节点N_i1、N_i2和N_i3)构成的。当然，在本发明的其他实施例中，细节点N_i的拓扑结构中邻节点的数量也可以为其他合理值，但其需要与特征点M_i的拓扑结构中邻节点的数量相同。

获取到细节点N_i的拓扑结构后，在步骤S302中还将特征点M_i的拓扑结构与模板图像中的细节点N_i的拓扑结构进行比较，并根据比较结果判断特征点M_i与细节点N_i是否匹配。按照该方法，在寻找与特征点M_i匹配的细节点时遍历模板图像中所有的细节点，从而确定出模板图像中与特征点M_i匹配的细节点。同理，也可以利用同样方法确定出与待匹配图像中其他特征点匹配的细节点。

具体地，本实施例中，在将特征点M_i的拓扑结构与模板图像中的细节点N_i的拓扑结构进行比较时，分别计算特征点M_i的拓扑结构中各条线段的长度以及线段之间的夹角。其中，d_i1、d_i2和d_i3分别表示特征点M_i与邻节点M_i1、M_i2和M_i3构成的线段l_i1、l_i2和l_i3的长度，夹角θ_i1表示线段l_i1与线段l_i2之间的夹角，θ_i2表示线段l_i2与线段l_i3之间的夹角，θ_i3表示线段l_i3与线段l_i1之间的夹角。

得到各条线段的长度后，按照长度大小将特征点与邻节点构成的这三条线段进行排序，得到特征点线段序列，特征点序列中既包含了线段长度序列，也包含了与线段序列相对应的夹角序列。具体地，本实施例中，得到的线段长度序列为(d_i1、d_i2，d_i3)，相应的夹角序列为(θ_i1，θ_i2，θ_i3)。

类似地，利用相同的方法，也可以根据模板图像的细节点N_i的拓扑结构得到细节点序列，即线段长度序列(d′_i1、d′_i2，d′_i3)和相应的夹角序列为(θ′_i1，θ′_i2，θ′_i3)。

       $\left\{\begin{array}{c}{d}_{\mathrm{ik}}-d_{\mathrm{ik}}^{\&prime;}<{\mathrm{\&delta;}}_{d1}\\ {\mathrm{\&theta;}}_{\mathrm{ik}}-{\mathrm{\&theta;}}_{\mathrm{ik}}^{\&prime;}<{\mathrm{\&delta;}}_{\mathrm{\&theta;}1}\end{array}\right.,(k=\mathrm{1,2,3})$

当k取不同值时，如果满足表达式(1)的比较项的个数超过第一预设数量阈值T(根据实际情况，T可以取2或3)，则可以判断出特征点M_i与细节点N_i匹配。其中，δ_d1和δ_θ1分别表示第一长度偏差阈值和第一角度偏差阈值。

类似地，对于特征点M_i，遍历所有的细节点N_i，便可以得到所有与特征点M_i匹配的细节点。同样，对于其他特征点，也可以采用同样的方法来确定出于其相匹配的细节点，在此不再赘述。

由于待匹配图像和模板图像中分别包含多个特征点和细节点，因此，如果遍历所有的特征点和细节点的话，那么将导致需要处理大量的数据，进而导致图像匹配效率低下。本实施例中，为了提高图像匹配的效率，当匹配成功的特征点(即模板图像中存在与该特征点向匹配的细节点)达到第一预设特征点阈值时，则停止进行特征点的匹配。此时将得到的特征点以及与其相匹配的细节点作为特征点匹配结果。

本实施例中，第一预设特征点阈值优选地为10。当然，在本发明的其他实施例中，第一预设特征点阈值还可以为其他合理值，例如8～15中的其他合理值等，本发明不限于此。

同时，为了进一步提高图像匹配效率，本实施例中，在特征点匹配步骤中，如果遍历第二预设数量阈值的特征点后，匹配成功的特征点的数量仍没有达到第二预设特征点阈值，那么则可以直接判断该待匹配图像与模板图像不匹配。具体地，本实施例中，第二预设特征点阈值优选地为8。当然，在本发明的其他实施例中，第二预设特征点阈值还以为小于或等于第一预设特征点阈值的其他合理值，例如6、7或9等，本发明同样不限于此。

为了在保证匹配精度的前提下进一步减小中间数据量的产生，相较于现有的方法，本实施例所提供的匹配方法在特征点匹配阶段进行了进一步的改进，本方法采用了滑动匹配窗来提高匹配效率，这样需要匹配的特征点个数将从所有特征点减小为固定大小的滑动匹配窗内的特征点，从而使得在精度几乎不受影响的情况下计算复杂度由O(n²)减小为O(n)。

在特征点匹配阶段，需要筛选出能够匹配的特征点。若采用遍历搜索方法，则计算复杂度为O(n²)，此阶段的耗时可以达到整个指纹匹配过程总耗时的70％。由于指纹特征点的搜索与提取采用的是如图5所示的横坐标遍历方式。因此可以利用纵坐标按递增顺序排列的特点，在当前特征点所在位置的前后一段范围内搜索最近邻节点，据此划分的滑动匹配窗如图6所示。

中间位置的特征点为当前需要匹配的特征点，该特征点的最近邻节点(即与该特征点距离最近的其他特征点)基本都存在于其前后一段范围之内。因此，本实施例中，如图6中的斜线区域所示，就在当前特征点前五个点以及后五个点的范围内搜索最近邻节点。这样搜索范围就变为10个点，算法的复杂度变为O(n)，计算量可以大大减小。另外，由于匹配对的减少，产生的中间数据也由O(n²)减少为O(n)，由此使得实现该方法所需要的硬件面积大大减小。

再次如图3所示，得到特征点匹配结果后，在步骤S303中，从特征点匹配结果中确定特征点对，分别计算特征点对中两个特征点的距离，得到特征点对距离。并在步骤S304中计算与这两个特征面对向对应的细节点之间的距离，得到细节点对距离。

如图7a所示，本实施例中，特征点M_i与特征点M_j构成了一特征点对，这两个特征点所构成的特征点连线l_ij的长度为d_ij。如图7b所示，在模板图像中，与特征点M_i相匹配的细节点包括N_i，与特征点M_j相匹配的细节点包括细节点N_j1和细节点N_j2。其中，细节点N_i与细节点N_j1这一细节点对构成的细节点连线l′_{ij_1}的长度为d′_{ij_1}，细节点N_i与细节点N_j2这一细节点对构成的细节点连线l′_{ij_2}的长度为d′_{ij_2}。

在步骤S305中，判断特征点对距离与细节点对距离是否匹配。具体地，如果d_ij与d′_{ij_1}之差的绝对值小于第二长度偏差阈值δ_d2，则可以说明由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j1构成的细节点对是匹配的；反之则可以说明由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j1构成的细节点对是不匹配的。类似地，如果d_ij与d′_{ij_2}之差的绝对值小于第二长度偏差阈值δ_d2，则可以说明由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j2构成的细节点对是匹配的；反之则可以说明由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j2构成的细节点对是不匹配的。

本实施例中，由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j2构成的细节点对是不匹配的。而由特征点M_i和M_j构成的特征点对与由细节点N_i和N_j1构成的细节点对是匹配的。这样，也就进一步消除了与特征点M_j相匹配的细节点的数量。

利用相同方法，可以将特征点匹配结果中的各个特征点以及对应的细节点进行遍历，从而将不满足要求的细节点去除，这样也就得到了特征点连线匹配结果，进一步减小了后续处理流程的数据处理量。

此外，相较于现有的匹配方法，本实施例所提供的方法在保证算法精度的前提下在特征点连线匹配阶段进一步提高了匹配效率。具体地，本方法利用自适应匹配区域来确定构成特征点连线的两个特征点。

如果在特征点匹配阶段匹配对数较多，则表示这对指纹对相似度比较高，因而会产生较多的特征点连线对，这将会大大增加计算量。为了减少计算量，可以减小在特征点连线匹配阶段的阈值，也就是用如图8所示中较小的扇形匹配框，来在较小的距离与角度范围内搜索能够匹配的特征点对，从而使能够匹配的指纹特征点连线较少，进而在保证精度的前提下减少计算量。相反地，如果特征点匹配阶段能够匹配的点较少，则扩大其在特征点连线匹配阶段的阈值，在较大的距离与角度范围内搜索匹配的特征点对，从而获得较高的匹配精度。

在特征点连线匹配(即特征点对匹配)阶段，两个指纹图像中匹配出n个特征点对。这些特征对之间的任意两个都需要进行一次特征点对的匹配，这样会产生n²个特征点对，计算复杂度为O(n²)，而且会产生n²个中间数据量。而本实施例采用自适应扇形匹配区域的方式则可以减少计算量，也同时减少中间数据的产生。这样也就可以在保证匹配精度的前提下提高匹配效率，减少产生的中间数据量，从而减少需要的寄存器数量，优化算法实现的硬件面积。

如图3所示，得到特征点连线匹配结果后，在步骤S306中，从特征点连线匹配结果中确定出特征点连线对，并从模板图像中确定出特征点连线对所对应的细节点连线对。

具体地，本实施例中确定出的某一特征点连线对如图9a所示，该特征点连线对包括了四个特征点(即特征点M_i1、M_i2、M_j1和M_j2)，其中，特征点M_i1与特征点M_j1构成了一条特征点连线，特征点M_i2与特征点M_j2构成了另一条特征点连线，这两条特征点连线的夹角为θ_ij1。图9b示出了该特征点连线对所对应的某一细节点连线对的示意图。如图9b所示，本实施例中，细节点连线对包括了四个细节点(即细节点N_k1、N_k2、N_l1和N_l2)，其中，细节点N_k1与细节点N_l1构成了一条细节点连线，细节点N_k2与细节点N_l2构成了另一条细节点连线，这两条细节点连线的夹角为θ_kl1。

在步骤S307中，判断步骤S306中得到的特征点连线对与细节点连线对是否匹配，如果匹配，则根据特征点连线对和细节点连线对确定出待匹配图像的旋转角度和平移向量。其中，待匹配图像的旋转角度和平移向量表示将图9a所示坐标系中特征点连线对转换为图9b所示的位置所需要的旋转角度θ_R和平移向量(d_X,d_Y)。

本实施例中，对于图9a和图9b所示的特征点连线对和细节点连线对，如果存在：

       $\left\{\begin{array}{c}{|d}_{\mathrm{ij}1}-d_{\mathrm{kl}1}|<{\mathrm{\&delta;}}_{d3}\\ |d_{\mathrm{ij}2}-d_{\mathrm{kl}2}|<{\mathrm{\&delta;}}_{d3}\\ |{\mathrm{\&theta;}}_{\mathrm{ij}1}-{\mathrm{\&theta;}}_{\mathrm{kl}1}|<{\mathrm{\&delta;}}_{\mathrm{\&theta;}3}\end{array}\right.---\left(2\right)$

则可以判断出该特征点连线对与该细节点连线对匹配；否则即可判断出该特征点连线对与该细节点连线对不匹配。其中，δ_d3表示第三长度偏差阈值，δ_θ3表示第三角度偏差阈值。

当然，在本发明的其他实施例中，还可以基于特征连线对和细节点连线对，利用其他合理方法来确定二者是否匹配以及待匹配图像的旋转角度和平移向量，本发明不限于此。

再次如图2所示，在步骤S201中得到待匹配图像的旋转角度和平移向量后，在步骤S202中按照该旋转角度和平移向量对待匹配图像进行变换，并将变换后的待匹配图像与模板图像重叠。

图10a示出了本实施例中模板指纹的示意图，而图10b则示出了待匹配指纹的示意图。从图10b中可以看出，通过利用旋转角度和平移向量对待匹配指纹进行变换，变换后的待匹配指纹在相同的坐标系中处于相同的位置和角度。

在步骤S203中，在模板图像中确定出待匹配图像的的各个特征点所对应的细节点，并在步骤S204中判断特征年与其对应的细节点之间的距离是否小于第一预设距离阈值δ_d，并根据各个特征点与其细节点的匹配结果确定待匹配图像与模板图像是否匹配。

具体地，本实施例中，在步骤S204中，当某一特征点与其对应的细节点之间的距离小于第一预设距离阈值δ_d，则判断该特征点符合要求。对于其他特征点，利用相同方法确定出符合要求的特征点。随后统计符合要求的特征点的总数，如果其数量大于预设匹配阈值T_S，则可以判断出该待匹配图像与模板图像图像匹配。在金融IC卡的应用中，对指纹识别率的误识率(False Acceptance Ratio，简称为FAR)容忍度比较低，即指纹识别系统需要具有较低的FAR。而相对于来说，指纹识别系统对于抗识率(False Rejection Ratio，简称为FRR)的容忍度较高。本实施例所提供的图像匹配方法利用硬件来实现时，其EER为3.2％，在FAR为0时FRR为8.6％，且匹配过程中中间数据量减少为软件实现的1/700。由此看以看出，本实施例所提供的方法对于金融IC卡应用来说足以满足要求。

从上述描绘中可以看出，本方法将传统两步指纹匹配方法改进为三步指纹匹配算法，形成点-线-面三步匹配：首先利用特征点与其邻节点的关系进行特征点的匹配；然后利用两个特征点之间的连线结构进行一维平面上的匹配；最后利用两对特征点连线形成的二位平面结构进行匹配。这种分步匹配方式既能够保证图像匹配的精度，同时又能够保证执行过程中产生的中间数据量在有限的范围内。因此，本方法也就能够适用于硬件资源受到限制的金融IC卡内。

应该理解的是，本发明所公开的实施例不限于这里所公开的特定处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。

Claims (11)

1.一种图像匹配方法，其特征在于，所述方法包括：

平移参数确定步骤，根据待匹配图像中的特征点和模板图像中的细节点，确定待匹配图像的旋转角度和平移向量；

全局匹配步骤，根据所述旋转角度和平移向量对所述待匹配图像进行变换，将变换后的待匹配图像与所述模板图像重叠，并在模板图像中确定出所述待匹配图像中特征点所对应的细节点，判断特征点与对应细节点的距离是否小于第一预设距离阈值，并根据判断结果确定所述待匹配图像与模板图像是否匹配。

2.如权利要求1所述的图像匹配方法，其特征在于，所述平移参数确定步骤包括：

特征点匹配步骤，对于待匹配图像中的特征点，获取特征点与预设数量的邻节点构成的拓扑结构，将该拓扑结构与模板图像中细节点与其邻节点构成的拓扑结构进行比较，并根据比较结果从模板图像中确定出与特征点相匹配的细节点，得到特征点匹配结果，所述特征点匹配结果中包含若干个特征点以及与所述若干个特征点对应的细节点；

特征点连线匹配步骤，从所述特征点匹配结果中确定特征点对，分别计算特征点对中两个特征点的距离，得到特征点对距离，计算与所述特征点对中两个特征点相对应的细节点之间的距离，得到细节点对距离，判断特征点对距离与细节点对距离是否匹配，并根据判断结果确定出特征点连线匹配结果；

特征点连线对匹配步骤，从所述特征点连线匹配结果中确定特征点连线对，从所述模板图像中确定出特征点连线对所对应的细节点连线对，并判断所述特征点连线对与所述细节点连线对是否匹配，如果匹配，则根据所述特征点连线对和细节点连线对确定出所述旋转角度和平移向量。

3.如权利要求2所述的图像匹配方法，其特征在于，在所述特征点连线匹配步骤中，如果特征点对距离与细节点对距离之间的偏差小于第二长度偏差阈值，则判断所述特征点对于细节点对匹配。

4.如权利要求2或3所述的图像匹配方法，其特征在于，在所述特征点连线匹配步骤中，在自适应匹配区域中确定构成特征点连线的两个特征点。

5.如权利要求2～4中任一项所述的图像匹配方法，其特征在于，在所述特征点连线对匹配步骤中，分别计算特征点连线对中两条特征点连线的夹角和长度，以及与特征点连线相对应的两条细节点连线的夹角和长度，根据夹角和长度判断所述特征点连线对与细节点连线对是否匹配。

6.如权利要求5所述的图像匹配方法，其特征在于，在所述特征点连线对匹配步骤中，如果特征点连线对中两条特征点连线与其相应的细节点连线的长度偏差均小于第三长度偏差阈值，且特征点连线的夹角与细节点连线的夹角的偏差小于第三角度偏差阈值，则判断特征点连线对与细节点连线对匹配。

7.如权利要求2～6中任一项所述的图像匹配方法，其特征在于，在特征点匹配步骤中：

分别计算所述特征点与其邻节点构成的各条线段的长度以及线段之间的夹角，并将线段的长度按照大小进行排序，得到特征点线段序列；

分别计算模板图像中拓扑结构中细节点与其邻节点构成的各条线段的长度以及线段之间的夹角，并将线段的长度按照大小进行排序，得到细节点线段序列；

分别将所述特征点线段序列中各个线段的长度及夹角与所述细节点线段序列中各个线段的长度及夹角进行比较，如果偏差值在相应预设范围内的比较项的个数超过第一预设数量阈值，则判断特征点与细节点匹配。

8.如权利要求7所述的图像匹配方法，其特征在于，在所述特征点匹配步骤中，当匹配成功的特征点达到第一预设特征点阈值时，停止进行特征点的匹配。

9.如权利要求7或8所述的图像匹配方法，在所述特征点匹配步骤中，如果遍历第二预设数量阈值的特征点后，匹配成功的特征点数量没有达到第二预设特征点阈值，则判断所述待匹配图像与模板图像不匹配。

10.如权利要求7～9中任一项所述的图像匹配方法，其特征在于，在所述特征点匹配步骤中，采用滑动匹配窗来确定特征点的邻节点和/或细节点的邻节点。

11.如权利要求1～10中任一项所述的图像匹配方法，其特征在于，在所述全局匹配步骤中，如果与对应细节点的距离小于第一预设距离阈值的特征点的数量大于预设匹配阈值，则判断所述待匹配图像与模板图像匹配。