CN112330727A - 图像匹配方法、装置、计算机设备及存储介质 - Google Patents

图像匹配方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112330727A
CN112330727A CN202011205909.2A CN202011205909A CN112330727A CN 112330727 A CN112330727 A CN 112330727A CN 202011205909 A CN202011205909 A CN 202011205909A CN 112330727 A CN112330727 A CN 112330727A
Authority
CN
China
Prior art keywords
image
matched
matching
point
points
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
CN202011205909.2A
Other languages
English (en)
Inventor
邓练兵
李大铭
李皓
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.)
Zhuhai Dahengqin Technology Development Co Ltd
Original Assignee
Zhuhai Dahengqin Technology Development 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 Zhuhai Dahengqin Technology Development Co Ltd filed Critical Zhuhai Dahengqin Technology Development Co Ltd
Priority to CN202011205909.2A priority Critical patent/CN112330727A/zh
Publication of CN112330727A publication Critical patent/CN112330727A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像匹配方法、装置、计算机设备及存储介质，该方法通过获取第一待匹配图像和第二待匹配图像，第一待匹配图像和第二待匹配图像的拍摄角度不相同；对第一待匹配图像和第二待匹配图像进行几何纠正；确定几何纠正后的第一待匹配图像与第二待匹配图像之间的重叠区域；从重叠区域中确定出第一待匹配图像与第二待匹配图像的匹配搜索区域，并提取匹配搜索区域的SIFT特征点；将第一待匹配图像的匹配搜索区域上的SIFT特征点，与将第二待匹配图像的匹配搜索区域上的SIFT特征点进行特征点匹配，得到初始匹配点对；采用RANSAC算法对初始匹配点对进行优化，得到第一待匹配图像和第二待匹配图像的匹配结果。本实施例可以提高图像匹配的准确率。

Description

图像匹配方法、装置、计算机设备及存储介质
技术领域
本发明涉及图像处理领域，尤其涉及一种图像匹配方法、装置、计算机设备及存储介质。
背景技术
无人机低空平台具有机动灵活、响应快、使用成本低等优点，已成为快速获取区域空间数据的一种重要手段。图像匹配作为图像处理的关键技术，其目的在于从不同时间、不同角度或者不同传感器拍摄的同一区域的两幅或者多幅图像中获取同名点，其结果可用于图像拼接、制作正射图像、以及建立三维模型等，直接影响后续应用的精度。然而，其飞行平台轻小型化，飞行高度低，在飞行过程中容易受气流等因素影响，平台稳定性差，拍摄图像时容易出现较大俯仰角、翻滚角和旋偏角的现象，使得航带内以及航带间的图像重叠区域不规则，同名地物之间几何变形大，灰度差异明显，误匹配率高，使得图像匹配的准确率大大降低。
发明内容
本发明实施例提供一种图像匹配方法、装置、计算机设备及存储介质，以提高图像匹配准确率。
本发明实施例提出一种图像匹配方法，包括：
获取第一待匹配图像和第二待匹配图像，所述第一待匹配图像和第二待匹配图像的拍摄角度不相同；
对所述第一待匹配图像和所述第二待匹配图像进行几何纠正；
确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域；
从所述重叠区域中确定出所述第一待匹配图像与所述第二待匹配图像的匹配搜索区域，并提取所述匹配搜索区域的SIFT特征点；
将所述第一待匹配图像的匹配搜索区域上的所述SIFT特征点，与将所述第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，得到初始匹配点对；
采用RANSAC算法对所述初始匹配点对进行优化，得到所述第一待匹配图像和第二待匹配图像的匹配结果。
优选地，所述对所述第一待匹配图像和所述第二待匹配图像进行几何纠正，包括：
对所述第一待匹配图像和第二待匹配图像进行降采样处理；
采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
采用RANSAC算法剔除错误匹配的所述特征点，以获得正确的种子点；
基于所述正确的种子点估算所述第一待匹配图像和第二待匹配图像之间的几何映射关系；
基于所述几何映射关系对所述第一待匹配图像和第二待匹配图像进行纠正。
优选地，所述确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域，包括：
分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
优选地，所述匹配搜索区域为所述第一待匹配图像和所述第二待匹配图像中包含所述重叠区域的最小矩形区域。
优选地，在确定出所述匹配搜索区域后，所述方法还包括：
分别将所述第一待匹配图像与所述第二待匹配图像的匹配搜索划分为多个区块；
所述提取所述匹配搜索区域的SIFT特征点，包括：
使用SIFT算法依次对各个区块进行特征提取，并将提取到的极值点中大于极值点阈值的点作为提取到的特征点。
本发明实施例还提出一种图像匹配装置，包括：
获取单元，用于获取第一待匹配图像和第二待匹配图像，所述第一待匹配图像和第二待匹配图像的拍摄角度不相同；
几何纠正单元，用于对所述第一待匹配图像和所述第二待匹配图像进行几何纠正；
重叠区域确定单元，用于确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域；
特征点提取单元，用于从所述重叠区域中确定出所述第一待匹配图像与所述第二待匹配图像的匹配搜索区域，并提取所述匹配搜索区域的SIFT特征点；
初始匹配单元，用于将所述第一待匹配图像的匹配搜索区域上的所述SIFT特征点，与将所述第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，得到初始匹配点对；
优化单元，用于采用RANSAC算法对所述初始匹配点对进行优化，得到所述第一待匹配图像和第二待匹配图像的匹配结果。
优选地，所述几何纠正单元包括：
降采样子单元，用于对所述第一待匹配图像和第二待匹配图像进行降采样处理；
特征点提取子单元，用于采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
剔除子单元，用于采用RANSAC算法剔除错误匹配的所述特征点，以获得正确的种子点；
估算子单元，用于基于所述正确的种子点估算所述第一待匹配图像和第二待匹配图像之间的几何映射关系；
纠正子单元，用于基于所述几何映射关系对所述第一待匹配图像和第二待匹配图像进行纠正。
优选地，所述重叠区域确定单元包括：
第一坐标计算子单元，用于分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
第二坐标计算子单元，用于计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
重叠区域计算子单元，用于根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
本发明实施例还提出一种计算机设备，包括存储器和处理器，所述存储器中存储有图像匹配程序，所述处理器用于执行所述图像匹配程序时实现上述图像匹配方法的步骤。
本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述图像匹配方法的步骤。
图像匹配方法、装置、计算机设备及存储介质通过在获取第一待匹配图像和第二待匹配图像之后，通过对第一待匹配图像和第二待匹配图像进行几何纠正来消除带匹配图像之间的几何形变、尺度以及旋转差异，从而消除低空飞行器的旋转偏角、飞行高度以及俯仰角等情况对待匹配图像的影响；通过确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域，能够去除第一待匹配图像和第一待匹配图像中的干扰，提高该图像匹配效率；通过将第一待匹配图像的匹配搜索区域上的SIFT特征点，与将第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，并采用RANSAC算法进行优化，能够提高特征点的提准确性，从而提高最终的图像匹配结果的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中图像匹配方法的流程图；
图2是本发明一另实施例中图像匹配方法的流程图；
图3是本发明一另实施例中图像匹配方法的流程图
图4是本发明一实施例中图像匹配装置的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本发明实施例提供的图像匹配方法，如图1所示，该方法包括如下步骤：
S10：获取第一待匹配图像和第二待匹配图像，第一待匹配图像和第二待匹配图像的拍摄角度不相同。
其中，第一待匹配图像和第二待匹配图像可以是采用无人机等低空飞行器进行拍摄得到的遥感图像。可以理解地，由于低空飞行器在飞行过程中会发生位置、角度、高度等方面的改变，因此，第一待匹配图像和第二待匹配图像的拍摄角度不相同。
S20：对第一待匹配图像和第二待匹配图像进行几何纠正。
该步骤主要用于消除或者减弱两幅影像之间的几何形变以及尺度和旋转差异对影像匹配结果的影响。具体地，如图2所示，可以通过以下步骤进行几何纠正：
S21：对第一待匹配图像和第二待匹配图像进行降采样处理；
S22：采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
S23：采用RANSAC算法剔除错误匹配的特征点，以获得正确的种子点；
S24：基于正确的种子点估算第一待匹配图像和第二待匹配图像之间的几何映射关系。
S30：确定几何纠正后的第一待匹配图像与第二待匹配图像之间的重叠区域。具体地，如图3所示，可以通过以下步骤确定重叠区域：
S31：分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
S32：计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
S33：根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
上述步骤S31-S33的原理为：
首先，采用三个参数对跨行带影像间的重叠区域进行定义，具体为：重叠区域影像的长度H0、宽度W0，以及重叠区域在第一张影像上的原点坐标O0＝(Ou,Ov)。假设原始影像的长和宽分别为H和W，那么，第二张影像中心点(P2u,P2v)的坐标计算方式为：
P2u＝H/2
P2v＝W/2
对应地，可以根据之前估算的变换关系，计算出该点对应在第一张影像中的坐标(P′2u,P′2v)，而在第一张影像中，其中心点坐标为(P1u,P1v)＝(H/2,W/2)。当影像间存在重叠区域时，重叠区域的原点O0＝(Ou,Ov)计算方式为：
Figure BDA0002757051780000081
Figure BDA0002757051780000082
因此，重叠区域的长和宽可以分别计算为：
Figure BDA0002757051780000083
S40：从重叠区域中确定出第一待匹配图像与第二待匹配图像的匹配搜索区域，并提取匹配搜索区域的SIFT特征点。
这里所说的匹配搜索区域可以是第一待匹配图像和所述第二待匹配图像中包含所述重叠区域的最小矩形区域。由于步骤S33中得到的重叠区域有较大可能性为非矩形区域，而在图像处理中，最常见以及最容易进行处理的图像为矩形图像，因此，可以取重叠区域中的最小矩形区域。
在该步骤中，采用SIFT算法提取SIFT特征点。SIFT特征提取算子对影像的旋转、缩放、噪声以及仿射变换都保持不变性，同时还具有独特性好，信息量丰富，多量性，高速性以及可扩展性等特点，能够很好地从影像中提取尺度旋转不变特征。
S50：将第一待匹配图像的匹配搜索区域上的SIFT特征点，与将第二待匹配图像的匹配搜索区域上的SIFT特征点进行特征点匹配，得到初始匹配点对。
具体地可以基于双向映射进行图像匹配：为了增加匹配结果的可靠性，需要建立上述步骤提取的两个特征点集的双向映射关系。其本质在于一幅图像的每个特征只能与另一幅图像的唯一一个特征相对应。如基于左影像进行匹配时，与左影像上的P点对应的右影像上的同名点为P’点,则基于右影像进行匹配时,与右影像上的P’点对应的左影像上的同名点必须是P点,否则就不是一对正确的同名点。
S60：采用RANSAC算法对初始匹配点对进行优化，得到第一待匹配图像和第二待匹配图像的匹配结果。
考虑到初始匹配中不可避免的包含错误匹配，需要利用粗差检测方法剔除初始匹配中的错误匹配，对初始匹配结果进行优化，剔除不满足严格几何约束的匹配点。剔除错误匹配对的方式为：首先，采用RANSAC算法初步剔除获取的匹配点对，获得匹配种子点，然后，对于每一对初始匹配点对，寻找其最邻近的k个正确的特征点，并依据这些点构建几何约束关系，验证该匹配点对，从而剔除误差大的匹配点对。
对于第一待匹配图像上任意一点P(x,y)，其在第二待匹配图像上对应的特征点Q(x′,y′)，两者之间的几何关系为：
Figure BDA0002757051780000101
根据上文所说的几何映射关系，将第二待匹配图像上的特征点P映射到第一待匹配图像上成为点P′，若P′与Q的距离残差大于给定阈值，则剔除初始匹配点对(P，Q)，否则，认定(P，Q)为一对正确的匹配点，保留在最终结果中。
上述实施例通过在获取第一待匹配图像和第二待匹配图像之后，通过对第一待匹配图像和第二待匹配图像进行几何纠正来消除带匹配图像之间的几何形变、尺度以及旋转差异，从而消除低空飞行器的旋转偏角、飞行高度以及俯仰角等情况对待匹配图像的影响；通过确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域，能够去除第一待匹配图像和第一待匹配图像中的干扰，提高该图像匹配效率；通过将第一待匹配图像的匹配搜索区域上的SIFT特征点，与将第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，并采用RANSAC算法进行优化，能够提高特征点的提准确性，从而提高最终的图像匹配结果的准确性。
另外，在本发明的另一实施方式中，在步骤S40中，在确定出所述匹配搜索区域后，该图像匹配方法还包括：
S60：分别将第一待匹配图像与第二待匹配图像的匹配搜索划分为多个区块。在该步骤中，由于该低空飞行器所拍摄的图像数据量较大，直接处理时需要很大的计算机内存，因此，可以通过考虑对匹配搜索进行分块处理，以获得较高的匹配效率。
对待匹配图像进行分块之后，相应地，提取所述匹配搜索区域的SIFT特征点包括：使用SIFT算法依次对各个区块进行特征提取，并将提取到的极值点中大于极值点阈值的点作为提取到的特征点。
该实施例通过将提取到的极值点中大于极值点阈值的点作为提取到的特征点，能够减小使用SIFT算法提取到的特征点的数量，从而能够减小后续进行特征点匹配时间，提高该遥感图像匹配优化方法的匹配效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种图像匹配装置，该图像匹配装置与上述实施例中图像匹配方法一一对应。如图4所示，该图像匹配装置包括：
获取单元10，用于获取第一待匹配图像和第二待匹配图像，所述第一待匹配图像和第二待匹配图像的拍摄角度不相同；
几何纠正单元20，用于对所述第一待匹配图像和所述第二待匹配图像进行几何纠正；
重叠区域确定单元30，用于确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域；
特征点提取单元40，用于从所述重叠区域中确定出所述第一待匹配图像与所述第二待匹配图像的匹配搜索区域，并提取所述匹配搜索区域的SIFT特征点；
初始匹配单元50，用于将所述第一待匹配图像的匹配搜索区域上的所述SIFT特征点，与将所述第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，得到初始匹配点对；
优化单元60，用于采用RANSAC算法对所述初始匹配点对进行优化，得到所述第一待匹配图像和第二待匹配图像的匹配结果。
其中，所述几何纠正单元20包括：
降采样子单元21，用于对所述第一待匹配图像和第二待匹配图像进行降采样处理；
特征点提取子单元22，用于采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
剔除子单元23，用于采用RANSAC算法剔除错误匹配的所述特征点，以获得正确的种子点；
估算子单元24，用于基于所述正确的种子点估算所述第一待匹配图像和第二待匹配图像之间的几何映射关系；
纠正子单元25，用于基于所述几何映射关系对所述第一待匹配图像和第二待匹配图像进行纠正。
重叠区域确定单元30包括：
第一坐标计算子单元31，用于分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
第二坐标计算子单元32，用于计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
重叠区域计算子单元33，用于根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
关于图像匹配装置的具体限定可以参见上文中对于图像匹配方法的限定，在此不再赘述。上述图像匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现图像匹配方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现图像匹配方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像匹配方法，其特征在于，包括：
获取第一待匹配图像和第二待匹配图像，所述第一待匹配图像和第二待匹配图像的拍摄角度不相同；
对所述第一待匹配图像和所述第二待匹配图像进行几何纠正；
确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域；
从所述重叠区域中确定出所述第一待匹配图像与所述第二待匹配图像的匹配搜索区域，并提取所述匹配搜索区域的SIFT特征点；
将所述第一待匹配图像的匹配搜索区域上的所述SIFT特征点，与将所述第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，得到初始匹配点对；
采用RANSAC算法对所述初始匹配点对进行优化，得到所述第一待匹配图像和第二待匹配图像的匹配结果。
2.如权利要求1所述的图像匹配方法，其特征在于，所述对所述第一待匹配图像和所述第二待匹配图像进行几何纠正，包括：
对所述第一待匹配图像和第二待匹配图像进行降采样处理；
采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
采用RANSAC算法剔除错误匹配的所述特征点，以获得正确的种子点；
基于所述正确的种子点估算所述第一待匹配图像和第二待匹配图像之间的几何映射关系；
基于所述几何映射关系对所述第一待匹配图像和第二待匹配图像进行纠正。
3.如权利要求2所述的图像匹配方法，其特征在于，所述确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域，包括：
分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
4.如权利要求3所述的图像匹配方法，其特征在于，所述匹配搜索区域为所述第一待匹配图像和所述第二待匹配图像中包含所述重叠区域的最小矩形区域。
5.如权利要求1所述的图像匹配方法，其特征在于，在确定出所述匹配搜索区域后，所述方法还包括：
分别将所述第一待匹配图像与所述第二待匹配图像的匹配搜索划分为多个区块；
所述提取所述匹配搜索区域的SIFT特征点，包括：
使用SIFT算法依次对各个区块进行特征提取，并将提取到的极值点中大于极值点阈值的点作为提取到的特征点。
6.一种图像匹配装置，其特征在于，包括：
获取单元，用于获取第一待匹配图像和第二待匹配图像，所述第一待匹配图像和第二待匹配图像的拍摄角度不相同；
几何纠正单元，用于对所述第一待匹配图像和所述第二待匹配图像进行几何纠正；
重叠区域确定单元，用于确定几何纠正后的所述第一待匹配图像与所述第二待匹配图像之间的重叠区域；
特征点提取单元，用于从所述重叠区域中确定出所述第一待匹配图像与所述第二待匹配图像的匹配搜索区域，并提取所述匹配搜索区域的SIFT特征点；
初始匹配单元，用于将所述第一待匹配图像的匹配搜索区域上的所述SIFT特征点，与将所述第二待匹配图像的匹配搜索区域上的所述SIFT特征点进行特征点匹配，得到初始匹配点对；
优化单元，用于采用RANSAC算法对所述初始匹配点对进行优化，得到所述第一待匹配图像和第二待匹配图像的匹配结果。
7.如权利要求6所述的图像匹配装置，其特征在于，所述几何纠正单元包括：
降采样子单元，用于对所述第一待匹配图像和第二待匹配图像进行降采样处理；
特征点提取子单元，用于采用SIFT算法对降采样处理后的所述第一待匹配图像和第二待匹配图像提取和匹配特征点；
剔除子单元，用于采用RANSAC算法剔除错误匹配的所述特征点，以获得正确的种子点；
估算子单元，用于基于所述正确的种子点估算所述第一待匹配图像和第二待匹配图像之间的几何映射关系；
纠正子单元，用于基于所述几何映射关系对所述第一待匹配图像和第二待匹配图像进行纠正。
8.如权利要求6所述的图像匹配装置，其特征在于，所述重叠区域确定单元包括：
第一坐标计算子单元，用于分别计算所述第一待匹配图像的中心点坐标(P1u,P1v)和所述第二待匹配图像的中心点坐标(P2u,P2v)；
第二坐标计算子单元，用于计算所述第二待匹配图像的中心点坐标对应在所述第一待匹配图像中的匹配坐标(P′2u,P′2v)；
重叠区域计算子单元，用于根据所述第二待匹配图像的中心点坐标，以及所述匹配坐标，计算重叠区域的长度和宽度：
W0＝W-|P′2u-P1u|
H0＝H-|P′2v-P1v|
其中，所述H0为重叠区域的长度、W0为重叠区域的宽度。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有图像匹配程序，所述处理器用于执行所述图像匹配程序时实现如权利要求1至5任一项所述的图像匹配方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述图像匹配方法的步骤。
CN202011205909.2A 2020-11-02 2020-11-02 图像匹配方法、装置、计算机设备及存储介质 Pending CN112330727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011205909.2A CN112330727A (zh) 2020-11-02 2020-11-02 图像匹配方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011205909.2A CN112330727A (zh) 2020-11-02 2020-11-02 图像匹配方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN112330727A true CN112330727A (zh) 2021-02-05

Family

ID=74324555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011205909.2A Pending CN112330727A (zh) 2020-11-02 2020-11-02 图像匹配方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112330727A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298720A (zh) * 2021-04-21 2021-08-24 重庆邮电大学 一种自适应的重叠图像旋转方法
CN113837246A (zh) * 2021-09-06 2021-12-24 广州极飞科技股份有限公司 图像的匹配方法及其匹配装置、无人设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915913A (zh) * 2010-07-30 2010-12-15 中交第二公路勘察设计研究院有限公司 一种稳健的高分辨率卫星影像连接点自动匹配方法
CN106548462A (zh) * 2016-11-02 2017-03-29 西安电子科技大学 基于薄板样条插值的非线性sar图像几何校正方法
CN110473233A (zh) * 2019-07-26 2019-11-19 上海联影智能医疗科技有限公司 配准方法、计算机设备和存储介质
CN110910432A (zh) * 2019-12-09 2020-03-24 珠海大横琴科技发展有限公司 一种遥感图像匹配方法、装置、电子设备及可读存储介质
CN110969145A (zh) * 2019-12-19 2020-04-07 珠海大横琴科技发展有限公司 一种遥感图像匹配优化方法、装置、电子设备及存储介质
CN112215304A (zh) * 2020-11-05 2021-01-12 珠海大横琴科技发展有限公司 一种用于地理影像拼接的灰度影像匹配方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101915913A (zh) * 2010-07-30 2010-12-15 中交第二公路勘察设计研究院有限公司 一种稳健的高分辨率卫星影像连接点自动匹配方法
CN106548462A (zh) * 2016-11-02 2017-03-29 西安电子科技大学 基于薄板样条插值的非线性sar图像几何校正方法
CN110473233A (zh) * 2019-07-26 2019-11-19 上海联影智能医疗科技有限公司 配准方法、计算机设备和存储介质
CN110910432A (zh) * 2019-12-09 2020-03-24 珠海大横琴科技发展有限公司 一种遥感图像匹配方法、装置、电子设备及可读存储介质
CN110969145A (zh) * 2019-12-19 2020-04-07 珠海大横琴科技发展有限公司 一种遥感图像匹配优化方法、装置、电子设备及存储介质
CN112215304A (zh) * 2020-11-05 2021-01-12 珠海大横琴科技发展有限公司 一种用于地理影像拼接的灰度影像匹配方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ABU BAKAR, SIDDIQUE 等: "Image Stitching for Chest Digital Radiography Using the SIFT and SURF Feature Extraction by RANSAC Algorithm", 《JOURNAL OF PHYSICS: CONFERENCE SERIES》 *
杨程 等: "图像配准技术研究", 《计算机科学 COMPUTER SCIENCE》 *
视觉小新: "计算两幅图像的重叠区域", 《HTTPS://BLOG.CSDN.NET/QQ_15295565/ARTICLE/DETAILS/89402644》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298720A (zh) * 2021-04-21 2021-08-24 重庆邮电大学 一种自适应的重叠图像旋转方法
CN113837246A (zh) * 2021-09-06 2021-12-24 广州极飞科技股份有限公司 图像的匹配方法及其匹配装置、无人设备

Similar Documents

Publication Publication Date Title
JP6760114B2 (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
CN110146909B (zh) 一种定位数据处理方法
CN110349199B (zh) 一种物体圆度测量方法
CN111044037B (zh) 一种光学卫星影像的几何定位方法及装置
CN112330727A (zh) 图像匹配方法、装置、计算机设备及存储介质
CN113326787B (zh) 指针仪表读数的自动识别方法、系统及设备
CN102906786A (zh) 脸部特征点位置校正设备、脸部特征点位置校正方法以及脸部特征点位置校正程序
CN113850807B (zh) 图像亚像素匹配定位方法、系统、设备及介质
CN112837352A (zh) 基于图像的数据处理方法、装置及设备、汽车、存储介质
CN109313809B (zh) 一种图像匹配方法、装置及存储介质
CN101794449A (zh) 一种标定摄像机参数的方法及装置
CN111311651B (zh) 点云配准方法和装置
CN114120149B (zh) 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质
CN114332225A (zh) 车道线匹配定位方法、电子设备及存储介质
CN114280582A (zh) 激光雷达的标定校准方法、装置、存储介质及电子设备
CN113066127A (zh) 一种在线标定设备参数的视觉惯性里程计方法和系统
US7327897B2 (en) Method of precisely correcting geometrically distorted satellite images and computer-readable storage medium for the method
CN115937003A (zh) 图像处理方法、装置、终端设备和可读存储介质
CN108389228B (zh) 地面检测方法、装置及设备
CN112154429A (zh) 高精度地图定位方法、系统、平台及计算机可读存储介质
CN114415698B (zh) 机器人、机器人的定位方法、装置和计算机设备
CN108846856B (zh) 图片特征点的跟踪方法和跟踪装置
CN115993132A (zh) 视觉惯性里程计初始化方法、装置及飞行汽车
CN112949609B (zh) 一种车道识别方法、装置、介质和电子设备
CN111811501B (zh) 一种基于树干特征的无人机定位方法、无人机及存储介质

Legal Events

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

Application publication date: 20210205