CN107274440A - 一种图像匹配算法 - Google Patents

Abstract

本发明公开了一种图像匹配算法，该算法是用于三维重建领域，该算法主要包括如下步骤：先确定待匹配区域，对该区域中的行和列分别求和作为特征进行提取，再提取查找区域相应的特征，对特征做归一化处理后进行卷积运算，提取到最佳匹配位置。相对于三维重建领域中其他算法而言，采用本发明的算法，可大大减小计算量，提升处理速度，此外，采用该算法对于不同图片的匹配有完全相同的处理过程，非常适合用硬件实现，有望可达到实时处理的速度。

Description

一种图像匹配算法

技术领域

本发明属于三维重建及图像处理技术领域，涉及一种图像匹配算法。

背景技术

在三维重建技术领域中，要处理的图片间往往有两个特点，一个是两张图片大部分是相同的，更具体的说图片只是错位，另一个是图片没有旋转。目前在三维重建领域中，图像匹配算法有模板匹配，特征匹配等，普遍存在计算量大导致处理速度慢的缺点。

发明内容

本发明的目的在于针对现有技术的不足，提供一种应用于三维重建中的图像匹配算法，采用该算法可大幅减小匹配时间，提高处理速度。

本发明所采用的技术方案如下：

一种图像匹配算法，先确定待匹配区域，对该区域中的行和列分别求和作为特征进行提取，再提取查找区域相应的特征，对特征做归一化处理后进行卷积运算，提取到最佳匹配位置。

上述算法具体包括如下步骤：

1)对于两张待匹配RGB图片，按matlab矩阵格式选取第一张图片中的区域[m1:m2,n1:n2,:]作为待匹配区域，对m1至m2行按行求和得到m2-m1+1大小的3个向量；再对上述3个向量求和得到3个数；

2)对待查找图片按行求和得到m大小的3个向量；

3)取步骤2)中得到的三个向量的前m2-m1+1个数求和，分别与第一步得到的3个数相减，作为行归一化参数，再将步骤2)得到的三个向量与上述行归一化参数求和，之后与步骤1)得到的三个向量相减取绝对值求和，得到行相似度参数；

4)对步骤3)在待查找图片中遍历，当行相似度参数最小时得到最匹配的行；

5)对待匹配区域中n1至n2列按列求和得到n2-n1+1大小的3个向量，对这三个向量求和得到三个数；

6)对待查找图片中按列求和得到n大小的三个向量；

7)取步骤6)三个向量的前n2-n1+1个数求和，分别与步骤5)中获得的三个数相减作为列归一化参数，将步骤6)得到的三个向量与列归一化参数求和，之后与步骤5)得到的三个向量相减取绝对值求和，得到列相似度参数；

8)对步骤7)在待查找图片中遍历，当列相似度参数最小时得到最匹配的列；从而提取到最佳匹配位置。

相对于三维重建领域中其他算法而言，采用本发明的算法，可大大减小计算量，提升处理速度，对于RGB图片，其计算量大概为3×k×m×n，其中3为图片RGB三个分量，m，n为图片高度和宽度，k为5左右，以matlab环境下，两幅一千万像素的图片为例，选取一幅图中500×1000大小的区域在另一幅图中匹配(在一千万像素整个图片中查找)需要的时间大概是0.2s至0.3s，缩小查找范围还可以大幅减小匹配时间。此外本算法还有个优点：即该算法类似模板匹配那，不同图片匹配有完全相同的处理过程，非常适合用硬件实现，有望可达到实时处理的速度。

附图说明

图1为本发明算法的流程示意图。

图2为本发明算法中行匹配过程示意图，图中，括号内表示相应处理的矩阵大小，I1中(mm行，n列，3页彩色图片)为待匹配区域，I2中(m行，n列，3页彩色图片)为查找范围，循环中r9的最小值对应的i就是匹配到的行，列匹配与此类似，整个匹配过程为行和列分别匹配。

具体实施方式

下面结合附图对本发明做进一步说明。

本发明的图像匹配算法，是对待匹配区域中的行和列分别求和作为特征进行提取，再提取查找区域相应的特征，再根据图片灰度信息对特征做归一化处理后进行卷积运算，提取到最佳匹配位置。该算法宏观上类似模板匹配，核心是卷积的思想，特征是关键。算法针对三维重建图片具有的特征，忽略了图片中一些信息，把模板匹配，特征匹配和卷积融合到了一起，创造性的提出一种全新的且极为简单有效的方法。

该算法具体包括如下步骤：

1)对于两张待匹配RGB图片，按matlab矩阵格式选取第一张图片中的区域[m1:m2,n1:n2,:]作为待匹配区域，对m1至m2行按行求和得到m2-m1+1大小的3个向量；再对上述3个向量求和得到3个数；

2)对待查找图片按行求和得到m大小的3个向量；

3)取步骤2)中得到的三个向量的前m2-m1+1个数求和，分别与第一步得到的3个数相减，作为行归一化参数，再将步骤2)得到的三个向量与上述行归一化参数求和，之后与步骤1)得到的三个向量相减取绝对值求和，得到行相似度参数；

4)对步骤3)在待查找图片中遍历，当行相似度参数最小时得到最匹配的行；

5)对待匹配区域中n1至n2列按列求和得到n2-n1+1大小的3个向量，对这三个向量求和得到三个数；

6)对待查找图片中按列求和得到n大小的三个向量；

7)取步骤6)三个向量的前n2-n1+1个数求和，分别与步骤5)中获得的三个数相减作为列归一化参数，将步骤6)得到的三个向量与列归一化参数求和，之后与步骤5)得到的三个向量相减取绝对值求和，得到列相似度参数；

8)对步骤7)在待查找图片中遍历，当列相似度参数最小时得到最匹配的列；从而提取到最佳匹配位置。

该算法基于的原理是：对于三维重建，图片有两个特点，一个是两张图片大部分是相同的，更具体的说图片只是错位，另一个是图片没有旋转。针对这两个特点，选择特征为：图片行和列分别求和作为特征。这样把二维的图片匹配转换为一维的匹配，这样做的好处是，跟其他图像匹配算法相比较，极大的减少了计算量。

以两幅m×n×3的图片I1，I2为例，选I1中的一片区域[m1:m2,n1:n2,:](matlab矩阵格式)作为待匹配区域在I2(全图)中匹配：

先对行匹配：

1.取I1中m1至m2行按行求和得到m2-m1+1大小的3个向量。对这3个向量求和得到3个数。整数加法计算次数：(m2-m1+1)*(n2-n1)*3。

2.对I2按行求和得到m大小的3个向量。整数加法计算次数：m*(n-1)。

3.取第二步中得到的三个向量的前m2-m1+1个数求和，分别与第一步得到的3个数相减，作为归一化参数，得到的这三个向量与归一化参数求和，再与第一步得到的三个向量相减取绝对值求和在求和得到相似度参数s。计算量：整数加法js＝(m2-m1+1)*9+3，取绝对值次数：(m2-m1+1)*3。

4.对第三步在I2中遍历。3和4的计算量是第三步计算量的m-(m2-m1)倍。

5.对相似度参数作比较得到匹配的行。

对列的匹配与此相似，可以看出，相对于常规算法，本发明的算法计算量大为减少。

Claims (2)

1.一种图像匹配算法，其特征在于，包括如下步骤：

先确定待匹配区域，对该区域中的行和列分别求和作为特征进行提取，再提取查找区域相应的特征，对特征做归一化处理后进行卷积运算，提取到最佳匹配位置。

2.根据权利要求1所述的图像匹配算法，其特征在于，具体包括如下步骤：

1)对于两张待匹配RGB图片，按matlab矩阵格式选取第一张图片中的区域[m1:m2,n1:n2]作为待匹配区域，对m1至m2行按行求和得到m2-m1+1大小的3个向量；再对上述3个向量求和得到3个数；

2)对待查找图片按行求和得到m大小的3个向量；

3)取步骤2)中得到的三个向量的前m2-m1+1个数求和，分别与第一步得到的3个数相减，作为行归一化参数，再将步骤2)得到的三个向量与上述行归一化参数求和，之后与步骤1)得到的三个向量相减取绝对值求和，得到行相似度参数；

4)对步骤3)在待查找图片中遍历，当行相似度参数最小时得到最匹配的行；

5)对待匹配区域中n1至n2列按列求和得到n2-n1+1大小的3个向量，对这三个向量求和得到三个数；

6)对待查找图片中按列求和得到n大小的三个向量；

7)取步骤6)三个向量的前n2-n1+1个数求和，分别与步骤5)中获得的三个数相减作为列归一化参数，将步骤6)得到的三个向量与列归一化参数求和，之后与步骤5)得到的三个向量相减取绝对值求和，得到列相似度参数；

8)对步骤7)在待查找图片中遍历，当列相似度参数最小时得到最匹配的列；从而提取到最佳匹配位置。