CN105184327B - 一种基于顶点三分策略的遥感图像特征点匹配方法 - Google Patents

一种基于顶点三分策略的遥感图像特征点匹配方法 Download PDF

Info

Publication number
CN105184327B
CN105184327B CN201510729483.3A CN201510729483A CN105184327B CN 105184327 B CN105184327 B CN 105184327B CN 201510729483 A CN201510729483 A CN 201510729483A CN 105184327 B CN105184327 B CN 105184327B
Authority
CN
China
Prior art keywords
point
vertex
matching
matrix
sub
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.)
Expired - Fee Related
Application number
CN201510729483.3A
Other languages
English (en)
Other versions
CN105184327A (zh
Inventor
赵明
吴泳澎
安博文
胡雄
王微
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.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
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 Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN201510729483.3A priority Critical patent/CN105184327B/zh
Publication of CN105184327A publication Critical patent/CN105184327A/zh
Application granted granted Critical
Publication of CN105184327B publication Critical patent/CN105184327B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于顶点三分策略的遥感图像特征点匹配方法，包含S1，采用SIFT算子提取待匹配图像中的SIFT特征点及其对应的SIFT特征向量，通过比较待匹配图像的SIFT特征向量的欧式距离，将一幅图像中的每一个SIFT特征点与其在另一幅图像中具有最大欧式距离的SIFT特征点建立对应匹配关系，作为初始匹配点对的集合；为初始匹配点对的集合中任意两个点对构成的所有组合建立顶点三分矩阵；顶点三分矩阵形成顶点三分差异矩阵，选择差异最大的点对作为误匹配点对并剔除，更新剩余匹配点对的顶点三分矩阵，通过迭代形成具有相同顶点三分矩阵的匹配点对集合，作为输出的最终匹配点对。本发明在无人工参与的条件下提高特征点匹配的精度。

Description

一种基于顶点三分策略的遥感图像特征点匹配方法
技术领域
本发明图像处理领域，涉及一种图像特征点匹配方法，特别涉及一种基于顶点三分策略的遥感图像特征点匹配方法。
背景技术
图像特征点匹配在计算机视觉、图像配准、模式识别等领域有着广阔的应用背景。其目的是在图像特征点之间建立可靠的映射关系。
遥感图像由于成像环境和传感器的差异，存在一定特殊性，使得图像特征点匹配方法的性能受到不同程度的影响。第一，由于传感器之间分辨率差异较大，拍摄高度、角度不同，待匹配的遥感图像之间容易存在较大的仿射变换，从而造成图像之间场景重叠度较低，并且对应场景区域特征差异较大。第二，遥感图像由于视场较大，场景中容易出现相似场景，从而容易引起特征点的误匹配。第三，当待匹配图像来自于异源传感器或不同光照条件下获取时，对应场景的图像灰度特征存在一定差异，使得特征点。
目前常用的特征点匹配方法主要有以下几种。基于SIFT(Scale-InvariantFeature Transform，尺度不变特征转换)的匹配算法，采用高斯核产生对尺度和旋转保持不变的SIFT特征点和SIFT特征向量，由SIFT特征向量的相关性来匹配SIFT特征点。该方法对于遥感图像中的缩放和旋转具有稳定不变性，当图像中存在相同场景灰度不一致或有相似场景的情况时，该方法会产生大量的误匹配点对。基于RANSAC(Random SampleConsensus，随机采样一致性)的匹配算法，通过估计初始特征点样本的变换模型参数，剔除误匹配的特征点对。该方法的时间复杂度依赖于初始特征点的选择，当初始特征点对中错误匹配点对较多时，算法的性能会大幅降低。基于GTM(Graph Transformation Matching，图形变换匹配)的匹配算法，通过比较对应特征点的K近邻，剔除误匹配点对。该方法针对于缩放和旋转变换具有快速剔除误匹配点对的效果，但是当图像之间存在切变时，对应特征点的K近邻结构不具有一致性，因此匹配结果将受到较大影响。
综上所述，针对遥感图像存在较大的仿射变换(包括缩放、旋转、切变)、相同场景灰度不一致，相似场景等情况，现有的图像特征点匹配方法很难实现高精度匹配。
发明内容
本发明的目的是提供一种基于顶点三分策略的遥感图像特征点匹配方法，能够适用于图像中存在较大放射变换、相同场景灰度不一致、相似场景的情况，在无人工参与的条件下提高特征点匹配的精度。
为了实现以上目的，本发明是通过以下技术方案实现的：
一种基于顶点三分策略的遥感图像特征点匹配方法，其特点是，该方法包含如下步骤：
S1，采用SIFT算子提取待匹配图像中的SIFT特征点及其对应的SIFT特征向量，通过比较待匹配图像的SIFT特征向量的欧式距离，将一幅图像中的每一个SIFT特征点与其在另一幅图像中具有最大欧式距离的SIFT特征点建立对应匹配关系，作为初始匹配点对的集合；
S2，为所述的初始匹配点对的集合中任意两个点对构成的所有组合建立顶点三分矩阵；
S3，所述的顶点三分矩阵形成顶点三分差异矩阵，选择差异最大的点对作为误匹配点对并剔除，更新剩余匹配点对的顶点三分矩阵，通过迭代形成具有相同顶点三分矩阵的匹配点对集合，作为输出的最终匹配点对。
所述的步骤S2中为初始匹配点对集合中任意两个点对构成的组合建立顶点三分矩阵M和M'的过程：
设(vi,v′i)、(vj,v′j)和(vk,v′k)是所述匹配点对集合中的三对点对，在两个待匹配图像中分别构造点vi到点vj的向量和v′i到点v′j的向量作为基准矢量，根据点vk和点v′k与各自基准向量的位置关系，分别为这两个点对的顶点三分矩阵赋值和
当点vk位于点vi到点vj的向量的左侧时当点vk位于点vi到点vj的向量的右侧时当点vk位于点vi到点vj的向量所在的直线上时
当点v′k位于点v′i到点v′j的向量的左侧时当点v′k位于点v′i到点v′j的向量的右侧时当点v′k位于点v′i到点v′j的向量所在的直线上时
所述的步骤S3具体包含：
步骤S3.1，针对当前的顶点三分矩阵进行异或求和运算，得到顶点三分差异矩阵ΔM；
步骤S3.2，根据在顶点三分差异矩阵中选择差异最大的点对作为误匹配点对进行剔除，其中N是当前匹配点对的总数；
步骤S3.3，更新剩余匹配点对的顶点三分矩阵，判断更新后的顶点三分矩阵M和M'是否相等，M≠M'则转向步骤S3.1；M＝M'则迭代停止，剩余匹配点对是能构成具有相同的双向邻域结构的匹配点对集合。
本发明与现有技术相比，具有以下优点：
(1)本发明在初始匹配点对的基础上，采用顶点三分的空间位置特征作为匹配点对的全局约束，实现针对大仿射变换、存在相似场景、图像灰度特征不一致的遥感图像特征点匹配。
(2)本发明通过迭代方式剔除具有最大顶点三分差异矩阵的误匹配点，获得具有相同空间位置关系的匹配点对，从而提高了特征点的匹配准确性。
附图说明
图1为本发明一种基于顶点三分策略的遥感图像特征点匹配方法的流程图；
图2为本发明具体实施例中以点4到点6的基准向量对应的顶点三分结构示意图；
图3a是本发明具体实施例中初始特征点匹配情况的示意图；
图3b是本发明具体实施例中最终特征点匹配情况的示意图。
具体实施方式
以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一步阐述。
如图1所示，一种基于顶点三分策略的遥感图像特征点匹配方法，该方法包含如下步骤：
S1，从两个图像通道读入待匹配的图像A和图像B，采用SIFT算子提取待匹配图像中的SIFT特征点及其对应的128维SIFT特征向量，通过比较待匹配图像的SIFT特征向量的欧式距离，将一幅图像中的每一个SIFT特征点与其在另一幅图像中具有最大欧式距离的SIFT特征点建立对应匹配关系，作为初始匹配点对的集合；具体的，以图像A中的任意一个SIFT特征点为例，计算该特征点对应的SIFT特征向量与图像B所有SIFT特征向量之间的欧式距离，并按从大到小排序，当最大欧式距离为第二大欧式距离的1.2倍及以上时，将图像B中与最大欧式距离对应的SIFT特征点作为图像A中特征点的初始匹配点。本发明典型实施中的遥感图像初始化匹配点对如图3a所示。
S2，为所述的初始匹配点对的集合中任意两个点对构成的所有组合建立顶点三分矩阵；
S3，所述的顶点三分矩阵形成顶点三分差异矩阵，选择差异最大的点对作为误匹配点对并剔除，更新剩余匹配点对的顶点三分矩阵，通过迭代形成具有相同顶点三分矩阵的匹配点对集合，作为输出的最终匹配点对。
在具体实施例中，上述的步骤S2中为初始匹配点对集合中任意两个点对构成的组合建立顶点三分矩阵M和M'的过程：设(vi,vi′)、(vj,v′j)和(vk,v′k)是所述匹配点对集合中的三对点对，在两个待匹配图像中分别构造点vi到点vj的向量和v′i到点v′j的向量作为基准矢量，根据点vk和点v′k与各自基准向量的位置关系，分别为这两个点对的顶点三分矩阵赋值和
以为例，假设点vi、点vj、点vk的坐标分别为(xi,yi)、(xj,yj)、(xk,yk)
S2.1连接单幅图像中的任意两个顶点：点vi到点vj，将点vi到点vj之间的向量作为基准矢量，计算三点之间的位置关系行列式如下：
S2.2判断任意一点vk和基准矢量的位置关系：当det(vi,vj,vk)＞0，点vk位于基准向量左侧；当det(vi,vj,vk)＜0，点vk位于基准向量右侧；当det(vi,vj,vk)＝0，点vk位于基准向量所在的直线上。图2是以点v1和点v5作为基准向量，其他点与该基准向量的位置关系。
S2.3根据任意一点vk和基准矢量的位置关系，为顶点三分矩阵的元素赋值：当点对中的点vk位于基准向量左侧时当点对中的点vk位于基准向量右侧时当点对中的点vk位于基准向量所在的直线上时以图2所示基准向量为例，初始匹配点对的顶点三分矩阵如下：
上述的步骤S3具体包含：
步骤S3.1，针对当前的顶点三分矩阵进行异或求和运算，得到顶点三分差异矩阵ΔM，具体的，
步骤S3.2，根据在顶点三分差异矩阵中选择差异最大的点对作为误匹配点对进行剔除，其中N是当前匹配点对的总数；
步骤S3.3，更新剩余匹配点对的顶点三分矩阵，判断更新后的顶点三分矩阵M和M'是否相等，M≠M'则转向步骤S3.1；M＝M'则迭代停止，剩余匹配点对是能构成具有相同的双向邻域结构的匹配点对集合(参见图3b)。
综上所述，本发明一种基于顶点三分策略的遥感图像特征点匹配方法，研究一种针对遥感图像的仿射变换(包括缩放、旋转、切变)均具有稳定不变性的特征点匹配方法，能够适用于图像中存在较大放射变换、相同场景灰度不一致、相似场景的情况，在无人工参与的条件下提高特征点匹配的精度。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (1)

1.一种基于顶点三分策略的遥感图像特征点匹配方法，其特征在于，该方法包含如下步骤：
S1，采用SIFT算子提取待匹配图像中的SIFT特征点及其对应的SIFT特征向量，通过比较待匹配图像的SIFT特征向量的欧式距离，将一幅图像中的每一个SIFT特征点与其在另一幅图像中具有最大欧式距离的SIFT特征点建立对应匹配关系，作为初始匹配点对的集合；
S2，为所述的初始匹配点对的集合中任意两个点对构成的所有组合建立顶点三分矩阵；
S3，所述的顶点三分矩阵形成顶点三分差异矩阵，选择差异最大的点对作为误匹配点对并剔除，更新剩余匹配点对的顶点三分矩阵，通过迭代形成具有相同顶点三分矩阵的匹配点对集合，作为输出的最终匹配点对；
所述的步骤S2中为初始匹配点对集合中任意两个点对构成的组合建立顶点三分矩阵M和M'的过程：
设(vi,v′i)、(vj，v'j)和(vk,v'k)是所述匹配点对集合中的三对点对，在两个待匹配图像中分别构造点vi到点vj的向量和v′i到点v'j的向量作为基准矢量，根据点vk和点v'k与各自基准向量的位置关系，分别为这两个点对的顶点三分矩阵赋值和
当点vk位于点vi到点vj的向量的左侧时当点vk位于点vi到点vj的向量的右侧时当点vk位于点vi到点vj的向量所在的直线上时
当点v'k位于点v′i到点v'j的向量的左侧时当点v'k位于点v′i到点v'j的向量的右侧时当点v'k位于点v′i到点v'j的向量所在的直线上时
所述的步骤S3具体包含：
步骤S3.1，针对当前的顶点三分矩阵进行异或求和运算，得到顶点三分差异矩阵ΔM；
步骤S3.2，根据在顶点三分差异矩阵中选择差异最大的点对作为误匹配点对进行剔除，其中N是当前匹配点对的总数；
步骤S3.3，更新剩余匹配点对的顶点三分矩阵，判断更新后的顶点三分矩阵M和M'是否相等，M≠M'则转向步骤S3.1；M＝M'则迭代停止，剩余匹配点对是能构成具有相同的双向邻域结构的匹配点对集合。
CN201510729483.3A 2015-10-30 2015-10-30 一种基于顶点三分策略的遥感图像特征点匹配方法 Expired - Fee Related CN105184327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510729483.3A CN105184327B (zh) 2015-10-30 2015-10-30 一种基于顶点三分策略的遥感图像特征点匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510729483.3A CN105184327B (zh) 2015-10-30 2015-10-30 一种基于顶点三分策略的遥感图像特征点匹配方法

Publications (2)

Publication Number Publication Date
CN105184327A CN105184327A (zh) 2015-12-23
CN105184327B true CN105184327B (zh) 2018-10-23

Family

ID=54906391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510729483.3A Expired - Fee Related CN105184327B (zh) 2015-10-30 2015-10-30 一种基于顶点三分策略的遥感图像特征点匹配方法

Country Status (1)

Country Link
CN (1) CN105184327B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111375B (zh) * 2019-03-29 2021-05-04 中国地质大学（武汉） 一种Delaunay三角网约束下的影像匹配粗差剔除方法及装置
CN111046906B (zh) * 2019-10-31 2023-10-31 中国资源卫星应用中心 一种面状特征点可靠加密匹配方法和系统
CN111666882B (zh) * 2020-06-08 2023-04-25 武汉唯理科技有限公司 一种手写体试题答案提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020609A (zh) * 2012-12-30 2013-04-03 上海师范大学 复杂纤维图像的识别方法
CN103279955A (zh) * 2013-05-23 2013-09-04 中国科学院深圳先进技术研究院 图像匹配方法和系统
CN103577875A (zh) * 2013-11-20 2014-02-12 北京联合大学 一种基于fast的计算机辅助cad人数统计方法
JP2014215977A (ja) * 2013-04-30 2014-11-17 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
CN104318202A (zh) * 2014-09-12 2015-01-28 上海明穆电子科技有限公司 通过人脸照片识别五官点的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020609A (zh) * 2012-12-30 2013-04-03 上海师范大学 复杂纤维图像的识别方法
JP2014215977A (ja) * 2013-04-30 2014-11-17 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
CN103279955A (zh) * 2013-05-23 2013-09-04 中国科学院深圳先进技术研究院 图像匹配方法和系统
CN103577875A (zh) * 2013-11-20 2014-02-12 北京联合大学 一种基于fast的计算机辅助cad人数统计方法
CN104318202A (zh) * 2014-09-12 2015-01-28 上海明穆电子科技有限公司 通过人脸照片识别五官点的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIFT特征匹配在无人机低空遥感影像处理中的应用;陈信华;《地矿测绘》;20080625;第24卷(第2期);10-12 *
基于双向邻域过滤策略的图形匹配类遥感图像配准算法;赵明 等;《红外与毫米波学报》;20140215;第33卷(第1期);78-83,89 *

Also Published As

Publication number Publication date
CN105184327A (zh) 2015-12-23

Similar Documents

Publication Publication Date Title
Buch et al. Pose estimation using local structure-specific shape and appearance context
CN104200461B (zh) 基于互信息图像选块和sift特征的遥感图像配准方法
CN105654421B (zh) 基于变换不变低秩纹理的投影变换图像匹配方法
Chen et al. Robust affine-invariant line matching for high resolution remote sensing images
CN102521816A (zh) 一种云数据中心机房实时宽场景监控合成方法
CN104050675B (zh) 基于三角形描述的特征点匹配方法
CN105184327B (zh) 一种基于顶点三分策略的遥感图像特征点匹配方法
CN104616297A (zh) 一种用于图像篡改取证的改进型sift算法
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
WO2010150639A1 (ja) ３次元における形状の一致を判定する方法および装置
CN102915540A (zh) 基于改进的Harris-Laplace和SIFT描述符的影像匹配方法
CN103077528A (zh) 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法
Xie et al. Fine registration of 3D point clouds with iterative closest point using an RGB-D camera
Xiong et al. Robust SAR image registration using rank-based ratio self-similarity
Chen et al. An improved image matching method based on SURF algorithm
CN103116883B (zh) 一种自适应门限的ncc配准方法
CN105631860B (zh) 基于局部排序方向直方图描述子的图像同名点提取方法
CN105741295A (zh) 一种基于局部不变特征点的高分遥感影像配准方法
JP6016242B2 (ja) 視点推定装置及びその分類器学習方法
Jiang et al. Registration of SAR and optical images by weighted SIFT based on phase congruency
Hsu et al. Clothing image retrieval for smarter shopping
Mo et al. A Robust Infrared and Visible Image Registration Method for Dual Sensor UAV System
Biswas et al. Medical image registration based on grid matching using Hausdorff Distance and Near set
CN104992432A (zh) 多模图像配准方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181023

Termination date: 20211030