CN111125412A - 一种基于特征的图像匹配方法及系统 - Google Patents

Abstract

本发明公开一种基于特征的图像匹配方法及系统，该方法包括S1、建立图像匹配数据库；S2、将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；S3、选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配；S4、选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配；S5、重复所述步骤S3和所述步骤S4，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。该系统用于实现上述的方法。本发明在不影响匹配精度的同时可以极大提高匹配速度，加快检索时间。

Description

一种基于特征的图像匹配方法及系统

【技术领域】

本发明涉及图像匹配技术领域，具体的，涉及一种基于特征的图像匹配方法以及应用于该方法的系统。

【背景技术】

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。迄今为止，人们已经提出了各种各样的图像匹配算法，但从总体上讲，这些匹配算法可以分成关系结构匹配方法、结合特定理论工具的匹配方法、基于灰度信息的匹配方法、基于亚像元匹配方法、基于内容特征的匹配方法五大类型。

特征提取：底层图像特征包含颜色、纹理、平面空间对应关系、外形，或者其他统计特征。图像特征的提取与表达是基于内容的图像检索技术的基础。

特征匹配：从图像中提取的特征可以组成一个向量，两个图像之间可以通过定义一个距离或者相似性的测量度来计算相似程度。特征匹配是图像检索的一个关键环节，具有特征依赖的特点，不同的特征应该采用不同的度量方法。

现有技术之一是：对特征码降维再匹配，虽然会提高匹配速度但是匹配精度照样会大打折扣。

现有技术存在的缺点：采用基于内容特征匹配的算法，每张图片的特征码多、计算量大，当海量数据匹配的时候，虽然匹配精度高但是匹配速度非常慢。

【发明内容】

本发明的主要目的是提供一种在不影响匹配精度的同时可以极大提高匹配速度，加快检索时间的基于特征的图像匹配方法。

本发明的另一目的是提供一种在不影响匹配精度的同时可以极大提高匹配速度，加快检索时间的基于特征的图像匹配系统。

为了实现上述的主要目的，本发明提供的基于特征的图像匹配方法包括S1、建立图像匹配数据库；S2、将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；S3、选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配；S4、选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配；S5、重复所述步骤S3和所述步骤S4，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

进一步的方案是，获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

更进一步的方案是，将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

更进一步的方案是，将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

更进一步的方案是，在所述步骤S2中，将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；在所述步骤S3中，将第一子集采用汉明距离的特征匹配算法进行模糊匹配；在所述步骤S4中，将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

由此可见，本发明提供的基于特征的图像匹配方法首先选取待匹配图像里面所有特征码的一个子集，进行模糊匹配，可以将原本海量数据库成指数的减少，并将匹配结果保存用于下次模糊匹配。然后，再次选取该图像所有特征码的一个子集，进行模糊匹配，将匹配结果保存用于下次模糊匹配。最后，重复以上操作直到使用整个图像的所有特征码去匹配，使数据库子集达到1，这样就可以得到唯一的匹配结果。

其中，每次选取子集依次增大，子集的模糊匹配的阈值依次增大，可以保证匹配精度越来越高。

所以，该方法先使用待匹配图像特征码的一个子集，进行模糊匹配降低待匹配的数据库子集，重复以上过程，直到得到唯一的匹配结果，与以往的技术相比，在极大的提高匹配速度的同时，不影响匹配精度。

为了实现上述的另一目的，本发明还提供一种基于特征的图像匹配系统，包括数据库模块，用于建立图像匹配数据库；特征提取模块，用于将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；第一匹配模块，用于选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配；第二匹配模块，用于选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配；匹配输出模块，用于重复所述第一匹配模块和所述第二匹配模块执行的步骤，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

进一步的方案是，获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

更进一步的方案是，将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

更进一步的方案是，将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

更进一步的方案是，在所述特征提取模块中，用于将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；在所述第一匹配模块中，用于将第一子集采用汉明距离的特征匹配算法进行模糊匹配；在所述第二匹配模块中，用于将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

由此可见，本发明提供的基于特征的图像匹配系统首先选取待匹配图像里面所有特征码的一个子集，进行模糊匹配，可以将原本海量数据库成指数的减少，并将匹配结果保存用于下次模糊匹配。然后，再次选取该图像所有特征码的一个子集，进行模糊匹配，将匹配结果保存用于下次模糊匹配。最后，重复以上操作直到使用整个图像的所有特征码去匹配，使数据库子集达到1，这样就可以得到唯一的匹配结果。

所以，该系统先使用待匹配图像特征码的一个子集，进行模糊匹配降低待匹配的数据库子集，重复以上过程，直到得到唯一的匹配结果，与以往的技术相比，在极大的提高匹配速度的同时，不影响匹配精度。

【附图说明】

图1是本发明一种基于特征的图像匹配方法实施例的流程框图。

图2是本发明一种基于特征的图像匹配系统实施例的原理图。

【具体实施方式】

为了使发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限用于本发明。

一种基于特征的图像匹配方法实施例：

参见图1，本实施例的基于特征的图像匹配方法在进行图像匹配时，首先，执行步骤S1，建立图像匹配数据库。其中，图像匹配数据库的建立具体包括获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

在本实施例中，获取多个图像的终端可以是手机、或者其他具有拍摄功能的设备，在终端拍摄图像之后，终端将该原始图像上传到服务器。

然后，执行步骤S2、将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码。在所述步骤S2中，将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码。

执行步骤S3、选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配。在所述步骤S3中，将第一子集采用汉明距离的特征匹配算法进行模糊匹配。

具体地，将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

执行步骤S4、选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配。在所述步骤S4中，将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

具体地，将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

执行步骤S5，重复上述步骤S3和上述步骤S4，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

在实际应用中，首先，选取大量图片，分别提取这些图片的图像特征码，将这些图像特征码组成一个图像匹配数据库。

然后，将待匹配图像用同样的特征提取算法，提取同等数量的图像特征码。其中，提取图像特征码的算法可以是ORB、SURF、LBP、HAAR、SIFT、HOG等其中的任意一种。

然后，选取待匹配图像所有特征码的一个子集(比如40个)，利用特征匹配算法进行模糊匹配，并将匹配到的图片保存，作为下次模糊匹配的图像数据库。其中，本实施例的特征匹配算法有多种，如汉明距离、最邻近搜索等。

接着，选取待匹配图像所有特征码的一个比上一次匹配到的子集更大的子集(比上一次匹配的子集更大并且选取的特征码不重复)，进行模糊匹配，将匹配到的图片保存，作为下次模糊匹配的图像数据库。

然后，重复以上操作，直到使用待匹配图像的所有特征码去匹配，得到唯一的匹配结果。可见，每次模糊匹配使图像数据库成指数下降，由于模糊匹配的子集小，所以匹配时间也极大缩减。

本实施例采用ORB特征提取算法，汉明距离的特征匹配算法，下面通过具体的数值对本发明进行详细阐述：

在1000张图片的图像匹配数据库中，如果使用全部特征码逐一匹配遍历，耗时2000ms左右。所以在本实施例中，提取待匹配图片的所有特征码，如500个，取该图片所有特征码的40个特征码，与数据库中1000个数据逐一匹配，耗时160ms左右，得到100张模糊匹配结果。再取待匹配图片的100个特征码，与上一次模糊匹配得到的数据库子集匹配，耗时20ms左右，得到10个模糊匹配结果，再取该图片所有的500个特征码，逐一匹配这10个子集，耗时20ms左右。因此，上述过程就是在不断重复提取该图片特征码的步骤，直至提取到待匹配图片所有的500个特征码，并与上一次模糊匹配得到的数据库子集做匹配，即可得到唯一的匹配结果。

当然，以上匹配结果在使用过程中只会更加理想，每次模糊匹配会使数据库子集成指数减少，以上的匹配结果总耗时最多200ms，速度提高了10倍以上。

由此可见，本发明提供的基于特征的图像匹配方法首先选取待匹配图像里面所有特征码的一个子集，进行模糊匹配，可以将原本海量数据库成指数的减少，并将匹配结果保存用于下次模糊匹配。然后，再次选取该图像所有特征码的一个子集，进行模糊匹配，将匹配结果保存用于下次模糊匹配。最后，重复以上操作直到使用整个图像的所有特征码去匹配，使数据库子集达到1，这样就可以得到唯一的匹配结果。

其中，每次选取子集依次增大，子集的模糊匹配的阈值依次增大，可以保证匹配精度越来越高。

所以，该方法先使用待匹配图像特征码的一个子集，进行模糊匹配降低待匹配的数据库子集，重复以上过程，直到得到唯一的匹配结果，与以往的技术相比，在极大的提高匹配速度的同时，不影响匹配精度。

一种基于特征的图像匹配系统实施例：

由图2可见，图2是本发明一种基于特征的图像匹配系统实施例中的原理框图。该系统包括数据库模块10、特征提取模块20、第一匹配模块30、第二匹配模块40以及匹配输出模块50。

数据库模块10用于建立图像匹配数据库。

特征提取模块20用于将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码。

第一匹配模块30用于选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配。

第二匹配模块40用于选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配。

匹配输出模块50用于重复所述第一匹配模块和所述第二匹配模块执行的步骤，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

进一步的，数据库模块10用于建立图像匹配数据库，包括；获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

进一步的，第一匹配模块30用于将第一子集进行模糊匹配，包括将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

进一步的，第二匹配模块40用于将第二子集进行模糊匹配，包括：将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

进一步的，在特征提取模块20中，用于将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；在第一匹配模块30中，用于将第一子集采用汉明距离的特征匹配算法进行模糊匹配；在第二匹配模块40中，用于将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

由此可见，本发明提供的基于特征的图像匹配系统首先选取待匹配图像里面所有特征码的一个子集，进行模糊匹配，可以将原本海量数据库成指数的减少，并将匹配结果保存用于下次模糊匹配。然后，再次选取该图像所有特征码的一个子集，进行模糊匹配，将匹配结果保存用于下次模糊匹配。最后，重复以上操作直到使用整个图像的所有特征码去匹配，使数据库子集达到1，这样就可以得到唯一的匹配结果。

所以，该系统先使用待匹配图像特征码的一个子集，进行模糊匹配降低待匹配的数据库子集，重复以上过程，直到得到唯一的匹配结果，与以往的技术相比，在极大的提高匹配速度的同时，不影响匹配精度。

需要说明的是，以上仅为本发明的优选实施例，但发明的设计构思并不局限于此，凡利用此构思对本发明做出的非实质性修改，也均落入本发明的保护范围之内。

Claims (10)

1.一种基于特征的图像匹配方法，其特征在于，包括：

S1、建立图像匹配数据库；

S2、将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；

S3、选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配；

S4、选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配；

S5、重复所述步骤S3和所述步骤S4，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

2.根据权利要求1所述的图像匹配方法，其特征在于，所述建立图像匹配数据库，包括：

获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

3.根据权利要求1所述的图像匹配方法，其特征在于，所述将第一子集进行模糊匹配，包括：

将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

4.根据权利要求3所述的图像匹配方法，其特征在于，所述将第二子集进行模糊匹配，包括：

将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

5.根据权利要求1或2所述的图像匹配方法，其特征在于：

在所述步骤S2中，将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；

在所述步骤S3中，将第一子集采用汉明距离的特征匹配算法进行模糊匹配；

在所述步骤S4中，将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

6.一种基于特征的图像匹配系统，其特征在于，包括：

数据库模块，用于建立图像匹配数据库；

特征提取模块，用于将待匹配图像通过特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；

第一匹配模块，用于选取待匹配图像所有图像特征码中的第一子集，将第一子集进行模糊匹配，得到第一匹配结果并保存用于下次模糊匹配；

第二匹配模块，用于选取待匹配图像所有图像特征码中的第二子集，将第二子集进行模糊匹配，得到第二匹配结果并保存用于下次模糊匹配；

匹配输出模块，用于重复所述第一匹配模块和所述第二匹配模块执行的步骤，直到使用待匹配图像所有图像特征码去匹配，即可得到唯一的匹配结果。

7.根据权利要求6所述的图像匹配系统，其特征在于，所述数据库模块用于建立图像匹配数据库，包括：

获取多个图像并建立数据库，对于数据库中的多个图像进行特征点检测，并提取图像点特征，所有的图像点特征形成图像匹配数据库。

8.根据权利要求6所述的图像匹配系统，其特征在于，所述第一匹配模块用于将第一子集进行模糊匹配，包括：

将选取到的第一子集与图像匹配数据库中的图像点特征进行模糊匹配，得到第一次匹配到的图像，将第一次匹配到的各个图像进行保存并作为第二次模糊匹配的图像匹配数据库。

9.根据权利要求8所述的图像匹配系统，其特征在于，所述第二匹配模块用于将第二子集进行模糊匹配，包括：

将选取到的第二子集与作为第二次模糊匹配的图像匹配数据库中的图像点特征进行模糊匹配，得到第二次匹配到的图像，将第二次匹配到的各个图像进行保存并作为第三次模糊匹配的图像匹配数据库，其中，第二子集大于第一子集，并且每次选取子集依次增大。

10.根据权利要求6或7所述的图像匹配系统，其特征在于：

在所述特征提取模块中，用于将待匹配图像采用ORB特征提取算法进行特征点检测，并提取待匹配图像的所有图像特征码；

在所述第一匹配模块中，用于将第一子集采用汉明距离的特征匹配算法进行模糊匹配；

在所述第二匹配模块中，用于将第二子集采用汉明距离的特征匹配算法进行模糊匹配，其中，子集的模糊匹配的阈值依次增大。

Images