CN112686302B - 图像特征点匹配方法、计算机设备及存储装置 - Google Patents
图像特征点匹配方法、计算机设备及存储装置 Download PDFInfo
- Publication number
- CN112686302B CN112686302B CN202011594625.7A CN202011594625A CN112686302B CN 112686302 B CN112686302 B CN 112686302B CN 202011594625 A CN202011594625 A CN 202011594625A CN 112686302 B CN112686302 B CN 112686302B
- Authority
- CN
- China
- Prior art keywords
- point
- pixel
- matching
- points
- pairs
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005286 illumination Methods 0.000 claims abstract description 11
- 230000002093 peripheral effect Effects 0.000 claims description 60
- 238000012216 screening Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种图像特征点匹配方法、计算机设备及存储装置。该方法包括:获取待匹配的两张目标图像;分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点;确定每个第一特征点的描述子;利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对;其中,每组第一匹配点对的彩色像素值满足光照一致性。上述方案,能够提高图像特征点匹配的准确度。
Description
技术领域
本申请涉及图像匹配领域,特别是涉及一种图像特征点匹配方法、计算机设备及存储装置。
背景技术
在图像处理领域,图像特征点匹配技术在计算机视觉相关领域的不断发展,在全景图像拼接、自动驾驶、三维重建、目标识别与跟踪、图像检索、立体视觉测距和遥感图像处理等方面得到了广泛应用。
图像特征点匹配是指通过分别提取两个或多个图像的特征点,对特征点进行参数描述,通过特征点来进行描述图像,然后基于特征点所描述的参数来进行图像匹配。目前,在对图像进行特征点匹配时,提取图像中单一特征进行匹配,图像特征点匹配的准确度低。
发明内容
本申请主要解决的技术问题是提供一种图像特征点匹配方法、计算机设备及存储装置,能够提高图像特征点匹配的准确度。
为了解决上述问题,本申请第一方面提供了一种图像特征点匹配方法。该方法包括:获取待匹配的两张目标图像;分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点;确定每个第一特征点的描述子;利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对;其中,每组第一匹配点对的彩色像素值满足光照一致性。
为了解决上述问题,本申请第二方面提供了一种计算机设备,该计算机设备包括相互耦接的存储器和处理器,存储器中存储有程序数据,处理器用于执行程序数据以实现上述图像特征点匹配方法中的任一步骤。
为了解决上述问题,本申请第三方面提供了一种存储装置,该存储装置存储有能够被处理器运行的程序数据,程序数据用于实现上述图像特征点匹配方法中的任一步骤。
上述方案,获取待匹配的两张目标图像,分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点,确定每个第一特征点的描述子,利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对,得到的每组第一匹配点对的彩色像素值满足光照一致性,在特征点匹配中增加了光照的影响,提高了图像特征点匹配的准确度。
附图说明
图1是本申请图像特征点匹配方法第一实施例的流程示意图;
图2是本申请图1中步骤S12一实施例的流程示意图;
图3是本申请目标图像中目标像素点一实施例的分布示意图;
图4是本申请图2中步骤S123一实施例的流程示意图;
图5是本申请图1中步骤S13一实施例的流程示意图;
图6是本申请目标图像中一第一特征点的主方向一实施例的示意图;
图7是本申请周边区域一实施例的分布示意图;
图8是本申请图1中步骤S14一实施例的流程示意图;
图9是本申请图像特征点匹配方法第二实施例的流程示意图;
图10是本申请目标图像网格中特征点匹配一实施例的示意图;
图11是本申请计算机设备一实施例的结构示意图;
图12是本申请存储装置一实施例的结构示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
请参阅图1,图1是本申请图像特征点匹配方法第一实施例的流程示意图,该方法包括以下步骤:
S11:获取待匹配的两张目标图像。
获取两张待匹配的目标图像,此两张目标图像可以是任意的两张图像。可以理解的,可以将其中的任意一张用作参考的图像,在参考图像中,包含有至少一个特征点。将另一张用作与参考图像进行匹配图像,可以包含参考图像中重叠部分的、有待与参考图像中特征点进行匹配的图像。因此,可以通过将待匹配的两张目标图像中的特征点进行匹配,从而达到匹配特征点的目的。
可选地,也可以获取待匹配的多张目标图像,将其中一张作为参考图像,剩余的多张目标图像与参考图像进行匹配,以对多张目标图像进行特征点匹配。
S12:分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点。
可以采用同样的特征点提取方式,分别对每张目标图像进行特征点提取,以得到每张目标图像的若干个第一特征点。
可选地,对先对其中一张目标图像进行特征点提取,得到其中一张目标图像的若干个第一特征点;按照对其中一张目标图像进行特征点提取的方式对另外的一张目标图像进行特征点提取,以得到另外一张目标图像的若干个第一特征点。
S13:确定每个第一特征点的描述子。
基于每张目标图像提取的若干个第一特征点,确定第一特征点的主方向,从而基于第一特征点的主方向确定每个一特征点的描述子。
S14:利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对;其中,每组第一匹配点对的彩色像素值满足光照一致性。
可选地,目标图像的像素值可为灰度值,利用描述子对两张目标图像中的第一特征点进行匹配,通过增加彩色像素值对第一特征点匹配的影响,得到彩色像素值满足光照一致性的至少一组第一匹配点对。
本实施例中,获取待匹配的两张目标图像,分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点,确定每个第一特征点的描述子,利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对,得到的每组第一匹配点对的彩色像素值满足光照一致性,在特征点匹配中增加了光照的影响,提高了图像特征点匹配的准确度。
在一些实施例中,请参阅图2,对于上述实施例中步骤S12,还可以包括以下步骤:
S121:分别将目标图像的多个像素点作为目标像素点。
可以遍历整张目标图像中的所有像素点,在所有的像素点中筛选出多个像素点作为目标像素点。其中,可以筛除没有八近邻像素点的像素点,例如筛除位于目标图像的边缘的像素点,将剩下的多个像素点作为目标像素点。
S122:从目标图像获取每个目标像素点的第一像素组和第二像素组。
其中,以目标像素点为中心,第一像素组包括多个位于目标像素点第二距离范围内的第一像素点,第二像素组包括多个位于目标像素点第三距离范围内的第二像素点,其中,第二距离范围的下限值大于第三距离范围的上限值。
例如,请参阅图3,在包括9*9个像素点的目标图像中,以目标像素点为中心,获取位于每个目标像素点A第二范围内的第一像素点作为第一像素组,A1、A2、…、A16;如获取位于目标像素A半径为2至半径为3范围内的第一像素点;或者,分别在位于目标像素A上方、右方、下方、左方获取相距3个像素单位的3个第一像素点,以及分别获取位于目标像素A在水平方向45°或右上方、右下方、左下方、西上方相距1个像素单位的第一像素点。获取位于每个目标像素点A第三范围内的第二像素点作为第二像素组,a1、a2、…、a8;如获取目标像素点A的八近邻或相距1个像素单位的像素点作为第二像素组。对于第一像素组和第二像素组的选取可以根据具体应用场景进行设置,本申请对此不做限制。
S123:利用目标像素点的第一像素组和第二像素组的像素值,选择至少一个目标像素点作为第一特征点。
利用位于目标像素点同一方位的第一像素组和第二像素组的像素值,其中,像素值可以是灰度值,获取第一像素组和对应同一方位的第二像素组的像素值的差值,以根据差值选择至少一个目标像素点作为第一特征点。
本实施例中,通过从目标图像获取每个目标像素点第二距离范围的第一像素组和第三距离范围的第二像素组,通过目标像素点不同距离范围两个区域内像素点的差值,来筛选第一特征点,可以提高提取特征点的速度。
第二距离范围的下限值大于第三距离范围的上限值。
在一些实施例中,请参阅图4,对于上述实施例中步骤S123,还可以包括以下步骤:
S1231:确定目标像素点的第二数量组第一关联点对。
其中,在第一像素组和第二像素组中位于目标像素点同一方位的第一像素点和第二像素点为一组关联点对。例如上述实施例中,可将第一像素组中的第一像素点和同一方位的第二像素组中的第二像素点为一组关联点对,如下表1所示:
表1
其中,在第一像素组和第二像素组的多个关联点对中,第二像素点可以与多个第一像素点进行关联,形成多个关联点对。
从目标像素点的第一像素组和第二像素组,查找出位于目标像素点不同方位的第二数量组第一关联点对。其中,第二数量组第一关联点对为分别位于目标像素点的正上方、正下方、正左方及正右方的四组第一关联点对。例如第二数量为4,以目标像素点为中心,可以选取位于目标像素点正上方、正右方、正下方、正左方的中,第一像素组和第二像素组的关联点对。例如,选取关联点对为:A2和a2、A6和a4、A10和a6、A14和a8。
S1232:将第一关联点对的像素差值满足第四预设条件的目标像素点作为第二特征点。
若选出的第二数量组的第一关联点对的像素差值满足第四预设条件的目标像素点作为第二特征点。其中,第四预设条件为像素差值大于第三预设差值的第一关联点对的数量大于第四数量,其中,第四数量小于第二数量。例如获取A2和a2、A6和a4、A10和a6、A14和a8每个第一关联点对的像素差值,若差值大于第三预设差值的个数大于3个,则认为其满足第四预设条件,可以将该目标像素点作为第二特征点。
可选地,若选出的第二数量组的第一关联点对的像素差值不满足第四预设条件,则对该目标像素点不执行下述步骤,筛除该目标像素点作为第二特征点。
S1233:基于第二特征点的第三数量组第二关联点对的像素差值,选择至少一个第二特征点作为第一特征点,其中,第三数量大于第二数量。
从目标像素点的第一像素组和第二像素组,查找出位于目标像素点不同方位的第三数量组第二关联点对,其中,第三数量大于第二数量。利用每组第二关联点对的像素差值,选择至少一个第二特征点作为第一特征,以从第二特征点中筛选出第一特征点。
可选地,第三数量组第二关联点对位于第二特征点的多个预设方位区域,且每个预设方位区域包括多组第二关联点对,可以利用每个预设方位区域中的第二关联点对的像素差值,得到每个预设方位区域的第二评分,其中,多个预设方位区域为分别位于目标像素点的上方、下方、左方及右方的四个区域。也即是在位于目标像素点的上方、下方、左方及右方的四个区域中查找出第三数量组第二关联点对。例如第三数量为12,可以选取以下多个预设方位区域的第一像素点和第二像素点作为第二关联点对,如表2所示:
方位 | 第一像素点 | 第二像素点 |
上方 | A1、A2、A3 | a1、a2、a3 |
右方 | A5、A6、A7 | a3、a4、a5 |
下方 | A9、A10、A11 | a5、a6、a7 |
左方 | A13、A14、A15 | a7、a8、a1 |
表2
利用每个预设方位区域中的第二关联点对的像素差值,得到每个预设方位区域的第二评分。
具体地,获取上述表2中上方、右方、下方、左方每组第二关联点对的像素差值,利用第二关联点对的像素差值得到第二关联点对的分值,其中,若第二关联点对的像素差值大于第二预设差值,则对应分值为第一分值;若第二关联点对的像素差值小于或等于第二预设差值,则对应分值为第二分值,第一分值大于第二分值。
其中,可以通过以下公式计算得到第二关联点对的分值:
其中,IM为第二关联点对中的第一像素点,IN为第二关联点对中的第二像素点;g2为第二预设差值,例如g2为128;S为第二关联点对的分值,S1为第一分值,S2为第二分值,第一分值S1大于第二分值S2;例如第一分值S1为1,例如第二分值S2为0。对于第二预设差值g2、第一分值S1、第二分值S2可以根据具体应用场景进行设置,本申请对此不做限制。
将预设方位区域中每个第二关联点对的分值之和,作为预设方位区域的第二评分。例如上方区域包括第二关联点对:A1和a1、A2和a2、A3和a3,通过上述公式(1)获的上方区域中每个第二关联点对的分值,则上方区域的第二关联点对A1和a1、A2和a2、A3和a3的分值之和,可以作为上方区域的第二评分。
选择第二评分满足第五预设条件的第二特征点作为第一特征点。其中,第五预设条件为第二特征点的所有预设方位区域的第二评分之和大于第一阈值,且不存在两个预设方位区域的第二评分小于第二阈值。也即是,判断第二特征点的上方区域、右方区域、下方区域、左方区域的第二评分的总和是否大于第一阈值,并且是否存在两个方位区域的第二评分小于第二阈值,若满足第五预设条件,则可将该第二特征点作为第一特征点。
可选的,在选择第二评分满足第五预设条件的第二特征点作为第一特征点之后,基于第一特征点对应的所有第二关联点对的像素差值,得到第一特征点的第三评分,以剔除第三评分排序在第三数值位之外的第一特征点。
可选地,在利用每组第二关联点对的像素差值,选择至少一个第二特征点作为第一特征点之后,可执行以下步骤:
基于第二特征点对应的所有第二关联点对的像素差值,得到第二特征点的第三评分。具体地,获取第二特征点在预设方位区域中所有的第二关联点对的像素差值之和,将所有第二关联点对的像素差值之和作为第二特征点的第三评分。或者,获取满足第五预设条件的第二特征点在预设方位区域中所有的第二关联点对的像素差值之和,将所有第二关联点对的像素差值之和作为第二特征点的第三评分。
按照第二特征点的第三评分对第二特征点进行排序,其中,第三评分越高的第二特征点对排序越靠前,从而剔除第三评分排序在第三数值位之外的第一特征点。
本实施例中,通过确定目标像素点的第二数量组第一关联点对,将第一关联点对的像素差值满足第四预设条件的目标像素点作为第二特征点,基于第二特征点的第三数量组第二关联点对的像素差值,选择至少一个第二特征点作为第一特征点,其中,第三数量大于第二数量。通过逐步由粗到细的筛选目标像素点,可以加快提取满足要求的特征点进行匹配,提高特征点提取效率。
在一些实施例中,请参阅图5,对于上述实施例中步骤S13,还可以包括以下步骤:
S131:确定每个第一特征点的主方向。
基于第一特征点的至少一个第一像素点与对应方位的第二像素点之间的像素差值,或者,基于第一特征点的至少一个第一像素点与对应方位的第二像素点之间的像素差值之和,得到第一特征点的主方向的角度值,其中,第一像素点、第二像素点分别与第一特征点之间的距离不同。具体地,对于每个第一特征点,目标图像中位于第一特征点第二距离范围内的像素点为第一像素点,位于第一特征点第三距离范围内的像素点为第二像素点,其中,第二距离范围的下限值大于第三距离范围的上限值。
可选地,获取第一特征点的至少一个第一像素点的像素差值,其中,第一像素点的像素差值为第一像素点与相同方位的第二像素点之间的像素差值。对至少一个第一像素点的像素差值加权求和,得到第一特征点的主方向的角度值。其中,相同方位包括位于第一特征点的相同方向角度,可以获取第一特征点的所有的第一像素点与对应相同方位的所有第二像素点之间的像素差值,对所有的第一像素点的像素差值加权求和,得到第一特征点的主方向的角度值。
可选地,至少一个第一像素点包括第一特征点的所有第一像素点。若与第一像素点相同方位的第二像素点有多个,则第一像素点的像素差值为第一像素点与相同方位的多个第二像素点的像素均值之间的像素差值;对像素差值加权求和,得到第一特征点的主方向的角度值,其中,每个第一像素点对应的权重为i*(2π/n),其中,n为获取像素差值的至少一个第一像素点的数量,i为第一像素点的序号,第一像素点是从第一特征点的上方开始顺时针排序,在一些应用场景中,第一像素点的序号i从序号0开始顺时针排序。
可通过以下公式计算得到第一特征点主方向的角度值:
其中,α为第一特征点的主方向的角度值;为每个第一像素点对应的权重,其中,n为获取像素差值的至少一个第一像素点的数量,i为第一像素点的序号,第一像素点是从第一特征点的上方开始顺时针排序;/>为第一像素点的像素差值,也即是第一像素点与相同方位的第二像素之间的像素差值,其中,/>表示至少一个第一像素点中第j个第一像素点的像素值,/>表示至少一个第二像素点中第j个第一像素点相同方位的第k个第二像素点的像素值;另外,若第一像素点相同方位对应的第二像素点有多个,则/>为第j个第一像素点相同方位的多个第二像素点的像素均值。
例如图3所示的目标图像作为第一特征点,获取位于每个目标像素点A第二范围内的16个第一像素点,A1、A2、…、A16;获取位于每个目标像素点A第三范围内的8个第二像素点a1、a2、…、a8。从第一特征点也即是目标像素点的上方开始顺时针对第一像素点排序。
可通过以下公式计算得到第一特征点主方向的角度值:
其中,α为第一特征点的主方向的角度值;为对应每个第一像素点A2、A3、…、A1对应的权重。可以理解的,以第一特征点为中心,以第一特征点的正上方为第一特征点方向的角度值0,则第一像素点A2对应的角度值为0,第一像素点A3对应的角度值为/>也即是角度值为/>第一像素点A1对应的角度值为/>则每个第一像素点对应的权重为每个第一像素点对应的角度值。
其中,分别为第一像素点A1、A2、…、A16对应的像素值;分别为第二像素点a1、a2、…、a8对应的像素值。在计算第一像素点与相同方位的第二像素点的差值时,例如位于第一特征点的正上方的第一像素点A2,与第一像素点A2相同方位的第二像素点为a2,其第一像素点A2和第二像素点a2的像素差值为/>第一像素点A3位于第一特征点的方向角度为/>与第一像素点A3相同方位的第二像素点包括第二像素点a2和第二像素点a3,在计算第一像素点与相同方位的第二像素点之间的像素差值为/>
请参阅图6,若计算出的第一特征点的主方向为时,也即是45度,若以第一特征点为中心,第一像素点组分布在第一特征点的第二范围内,可以将第一特征点看作是圆心,第一像素点组分布在以第一特征点为中心的预设半径的圆内,可以确定第一特征点的主方向为第一特征点指向第一像素点A4的方向。
本步骤中,通过位于第一特征点不同距离且同方向的远近的第一像素点和第二像素点的差值,以及每个第一像素点对应的权重来确定第一特征点的主方向,可以保障提取的特征点的方向不变性,及特征点的旋转不变性,提高特征点匹配的准确度。
S132:基于第一特征点的主方向,为第一特征点划分第一数量个周边区域。
可以基于第一特征点的主方向,为第一特征点划分为四个周边区域。请参阅图7,建立以第一特征点的主方向为第一坐标轴、垂直于主方向为第二坐标轴的坐标系,其中,第一坐标轴与第二坐标轴的交点为第一特征点。以坐标系的原点为区域划分线的交点,将坐标系所在平面划分为四个周边区域,其中,四个周边区域包括两个包含第一坐标轴的第一周边区域和两个包含第二坐标轴的第二周边区域。
可选的,第一周边区域可以包括第一坐标轴的正方向的第一正向周边区域和负方向的第一负向周边区域,其中,第一正向周边区域中包括第一特征点的主方向;第二周边区域可以包括第二坐标轴的正方向的第二正向周边区域和负方向的第二负向周边区域。
S133:在第一数量个周边区域中选取多组像素点对;其中,包含主方向的周边区域选取的像素点对的数量多于其余周边区域选取的像素点的数量。
在为第一特征点划分的四个周边区域中选取多组像素点对,其中,多组像素点对是在四个周边区域中随机选取的像素点对,包含主方向的周边区域选取的像素点对的数量多于其余周边区域选取的像素点的数量。
可选地,从包含主方向的至少两个周边区域中选取若干组像素点对,并从不包含主方向的至少两个周边区域中选取若干组像素点对。其中,从包含主方向的至少两个周边区域中选取的第二像素点对的数量多于从不包含主方向的至少两个周边区域中选取的第二像素点对的数量。
具体地,可以从每个周边区域中选取若干组第一像素点对,第一像素点对包括两个随机选取的像素点,每组第一像素点对中的两个像素点属于同一周边区域,从第一周边区域中选取的第一像素点对的数量多于从第二周边区域选取的第一像素点对的数量。另外,在同一周边区域中选取的第一像素点对的数量相等,也即是在两个第一周边区域中选取的第一像素点对相等,在两个第二周边区域中选取的第一像素点对相等。
此外,还从包含同一坐标轴的两个周边区域中分别选取像素点以得到若干组第二像素点对,其中,每组第二像素点对中的两个像素点分别属于不同的周边区域,从第一周边区域选取的第二像素点对的数量多于从第二周边区域选取的第二像素点对的数量。
例如在周边区域中选取的像素点对的数量如下表所示:
表3
其中,n1、n2、n3、n4分别表示在第一正向周边区域、第一负向周边区域、第二正向周边区域和第二负向周边区域中选取的第一像素点对的数量;n3表示在第一正向周边区域、第一负向周边区域中选取的第二像素点对的数量,每组像素点对中的两个像素一个分布在第一正向周边区域中,一个分布在第一负向周边区域中;n4表示在第二正向周边区域、第二负向周边区域中选取的第二像素点对的数量,每组像素点对中的两个像素一个分布在第二正向周边区域中,一个分布在第二负向周边区域中;其中,n1大于n2,n3大于n4,像素点对的总数量为n总=n1+n2+n3+n4。可以根据具体应用场景选择像素点对的数量n1、n2、n3、n4,本申请对此不做限制。
S134:利用像素点对的像素差值,得到第一特征点的描述子。
利用每个像素点对的像素差值得到每个像素点对的描述值,其中,若像素点对的像素差值大于第一预设差值,则对应描述值为第一描述值;若像素点对的像素差值小于或等于第一预设差值,则对应描述值为第二描述值。
其中,可以通过以下公式计算得到每个像素点对的描述值:
其中,和/>是一组像素点对,为总数量n总组像素点对中的第i组像素点对,在一组像素点对中可以随机选取一个像素点为/>另一个像素点为/>g1为第一预设差值,例如g1为0;fi为第i组像素点对的描述值,m1为第一描述值,m2为第二描述值,第一描述值m1大于第二描述值m2;例如m1为1,例如m2为0。对于第一预设差值g1、第一描述值m1、第二描述值m2可以根据具体应用场景进行设置,本申请对此不做限制。
将第一特征点的所有像素点对的描述值的集合作为第一特征点的描述子,第一特征点的描述子可以表示为其中,f1为总数量n总组像素点对中的第1组像素点对的描述值,f2为总数量n总组像素点对中的第2组像素点对的描述值,/>为总数量n总组像素点对中的第n总组像素点对的描述值。
可选的,记录选取的像素点对在目标图像中的位置,包括选取的第一像素点对和第二像素点所在的周边区域和每个周边区域中选取的像素点对的数量;并记录获取第一特征点的描述子的执行过程,包括计算得到每个像素点对的描述值时每组像素点对的顺序和对每组像素点对计算像素差值的顺序等。按照目标图像中获取第一特征点的描述子的方法在另一张目标图像获取第一特征点的描述子,使得采用相同的方式获取两张目标图像中第一特征点的描述子。
本实施例中,通过基于第一特征点的主方向为第一特征点划分多个周边区域,增加包含主方向的周边区域中选取的像素点对的数量,可以提高第一特征点的描述子的鲁棒性,在一定程度上可以减少模糊目标图像对特征点匹配的影响。
在一些实施例中,请参阅图8,对于上述实施例中步骤S14,还可以包括以下步骤:
S141:利用描述子,从两张目标图像中确定匹配的第一特征点,组成若干组第二匹配点对。
计算得到两张目标图像中的第一特征点的描述子后,利用第一特征点的描述子,从两张目标图像中确定匹配的第一特征点,将确定匹配的第一特征点组成若干组第二匹配点对。
具体地,将其中一张目标图像中的第一特征点作为第一待匹配点,另一张目标图像中的第一特征点作为第二待匹配点。利用描述子,选出初步匹配的第一待匹配点和第二待匹配点作为初步匹配点对。
可选地,对于每个第一待匹配点,利用描述子,获取第一待匹配点与每个第二待匹配点之间的欧式距离。可以通过以下欧式距离公式获取第一待匹配点与每个第二待匹配点之间的欧式距离:
其中,dist(F1,F2)为第一待匹配点和第二待匹配点之间的欧式距离,F1为第一待匹配点的描述子,F2为第二待匹配点的描述子,为第一待匹配点的描述子中第i组像素点对的描述值,/>为第二待匹配点的描述子中第i组像素点对的描述值。
为第一待匹配点选出欧式距离满足第二预设条件的第二待匹配点,以组成一组初步匹配点对。其中,第二预设条件为在第一待匹配点与不同第二待匹配点之间的欧式距离中,与被选出的第二待匹配点之间的欧式距离最小,且最小欧式距离与第二小欧式距离之间的第一比值小于预设比值。可以通过以下公式为第一待匹配点选出欧式距离满足第二预设条件的第二待匹配点:
其中,R1为第一比值,distmin为第一待匹配点与被选出的第二待匹配点之间的最小欧式距离,distsmin为第一待匹配点与被选出的第二待匹配点之间的第二小欧式距离,r为预设比值。
在目标图像中第一张目标图像中的第一待匹配点与不同第二张目标图像中第二待匹配点之间的欧式距离中,若与第二待匹配点之间的最小欧式距离与第二小欧式距离之间的第一比值小于预设比值,则可以将第一待匹配点和与第一待匹配点欧式距离最小的第二待匹配点作为初步匹配点对。通过上述方式,选出初步匹配的多个第一待匹配点和第二待匹配点作为初步匹配点对。
利用初步匹配点对的描述子间的相似度,选择至少一组初步匹配点对作为第二匹配点对。其中,初步匹配点对的相似度可以通过以下相似度计算公式得到:
其中,sim(F1,F2)为初步匹配点对中第一待匹配点与第二待匹配点之间的相似度,F1为初步匹配点对中第一待匹配点的描述子,F2为初步匹配点对中第二待匹配点的描述子。
选择描述子间的相似度满足第三预设条件的初步匹配点对作为第二匹配点对,其中,第三预设条件为描述子的相似度大于预设相似值。若初步匹配点对中第一待匹配点与第二待匹配点的间的相似度大于预设相似值,则可将初步匹配点对作为第二匹配点对;若初步匹配点对的相似度不大于预设相似值,则确定初步匹配点中第一待匹配点和第二待匹配点之间匹配不成功。通过此方式,从多组初步匹配点对中选出满足第三预设条件的初步匹配点对作为第二匹配点对。
可选地,在选择至少一组初步匹配点对作为第二匹配点对之后,获取第二匹配点对的相似度与欧式距离之间的第二比值,其中,可以通过以下计算公式表示第二比值:
其中,R2(F1,F2)为第二匹配点对的第二比值,sim(F1,F2)为第二匹配点对之间的相似度,dist(F1,F2)为第二匹配点对之间的欧式距离,F1、F2分别为第二匹配点对中两个匹配点的描述子。
根据第二比值为第二匹配点对的进行排序,其中,第二比值越大,第二匹配点的排序越靠前,从而剔除第二比值排序在第二数值位之外的第二匹配点对。
S142:利用第二匹配点对的彩色像素值,得到第二匹配点对的亮度信息和对比度信息。
其中,第二匹配点对的亮度信息和对比度信息包括第二匹配点对中每个匹配点的亮度信息和对比度信息,匹配点的亮度信息为位于匹配点第一距离范围内的像素点的像素值均值,匹配点的对比度信息为位于匹配点第一距离范围内的像素点的像素值方差。例如第一距离范围可以是匹配点的八近邻距离,匹配点的亮度信息为位于匹配点八近邻内的像素点的像素值均值,匹配点的对比度信息为位于匹配点八近邻内的像素点的像素值方差。
S143:基于第二匹配点对的亮度信息和对比度信息得到第二匹配点对的第一评分。
可以通过以下计算公式得到第二匹配点对的第一评分:
其中,s为第二匹配点对的第一评分,mean1、mean2分别为第二匹配点对中两个匹配点的亮度信息,σ1、σ2分别为第二匹配点对中两个匹配点的对比度信息,a和b为常数。
基于第二匹配点对的亮度信息和对比度信息,通过上述公式(9)得到第二匹配点对的第一评分。
S144:选择第一评分满足第一预设条件的第二匹配点对作为第一匹配点对。
按照第二匹配点对的第一评分,为第二匹配点对进行排序,其中,第二匹配点对的第一评分越高,其第二匹配点对的排序越靠前。根据第一评分的排序,选择第一评分满足第一预设条件的第二匹配点对作为第一匹配点对。其中,第一预设条件为第一评分排序在第一数值位之内。
可选地,选择第一评分满足第一预设条件的第二匹配点对作为第一匹配点对之后,可以剔除第一评分排序在第一数值位之外的第二匹配点对。
本实施例中,通过利用初步匹配点对的描述子间的相似度筛选第二匹配点对,并利用第二匹配点对的亮度信息和对比度信息得到第二匹配点对的第一评分,根据第一评分的排序选择第二匹配点对作为第一匹配点对。合理利用匹配点对彩色像素值信息,保证匹配的特征点的光照一致性,从而提高图像特征点匹配的准确度。
请参阅图9,图9是本申请图像特征点匹配方法第二实施例的流程示意图,该方法包括以下步骤:
S21:获取待匹配的两张目标图像。
S22:分别对每张目标图像进行特征点提取,得到每张目标图像的若干个第一特征点。
S23:确定每个第一特征点的描述子。
S24:利用描述子对两张目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对;其中,每组第一匹配点对的彩色像素值满足光照一致性。
本实施例中的步骤S21至步骤S24的具体实施过程可以参考上述实施例中步骤S11至步骤S14的实施过程,在此不再赘述。
S25:分别将两张目标图像分割为若干网格。
可以基于第一匹配点对在每个目标图像中的分布情况,分别将两张目标图像分割为若干网格。其中,为两张目标图像划分的网格的大小可以为w=[min(W,H)/c]。Min(W,H)为取W、H中的最小值,W为目标图像的长度,H为目标图像的宽度。
确定每组第一匹配点对在每个目标图像中的网格。具体地,可以找出上述筛选的第一匹配点对分别在目标图像中的位置,以确定每组第一匹配点对在两个目标图像中所在的网格。
S26:基于第一匹配点对所在的网格分布情况,对至少一组第一匹配点对进行筛选。
将其中一张目标图像中包含第一匹配点对的特征点的网格作为第一匹配网格,该目标图像可用作进行特征点匹配的参考图像;另一张目标图像中包含第一匹配点对的特征点的区域作为第二匹配网格,其中,包含第一匹配点对的特征点的区域包括所在的第二匹配网格以及所在的第二匹配网格的预设尺寸的保留区域,该目标图像可用作与参考图像进行特征点匹配的待匹配图像。
具体地,对于每个第一匹配网格:将第一匹配网格包含的第一匹配点对作为第三匹配点对,并统计包含第三匹配点对的第二匹配网格。其中,每个第一匹配网格中可以包括多个第一匹配点对中的匹配点,将每个第一匹配网格包含的第一匹配点对作为第三匹配点对,该多个匹配点对的另一匹配点在第二匹配网格中可能分布于多个网格,以统计包含第三匹配点对的第二匹配网格。
请参阅图10,作为示例,第一张目标图像中的一个第一匹配网格D包括多个第一匹配点对的匹配点,例如D1、D2、D3、D4和D5(未示出),将该匹配点对应的第二匹配点对作为第三匹配点对D1和d1、D2和d2、D3和d3、D4和d4、D5和d5,统计在第二张目标图像中包含第三匹配点对中匹配点d1、d2、d3、d4和d5(未示出)的第二匹配网格为E、F、G。其中,第二匹配网格E中包含匹配点d1、d2、d3,第二匹配网格F中包含匹配点d4,第二匹配网格G中包含匹配点d5。
查找出第三匹配点对的数量满足第六预设条件的第二匹配网格,其中,第六预设条件为在第三匹配点对的数量不同的至少一个第二匹配网格中,查找出的第二匹配网格包含的第三匹配点的数量最多。确定包含查找出的第二匹配网格且具有预设尺寸的保留区域,预设尺寸可以包括网格的八近邻网格,可以将查找出的第二匹配网格的八邻近网格作为保留区域。剔除位于保留区域以外的第三匹配点对。例如,查找出的第二匹配网格E包含的第三匹配点的数量最多,可以确定第一匹配网格D与第二匹配网格E中的第三匹配点对是正确的匹配。另外,第二匹配网格F、G分别位于第二匹配网格的保留区域L之外,可以确定第二匹配网格中F、G中包含的第三匹配点对是错误的匹配,可以剔除位于第二匹配网格F、G的第三匹配点对。其保留的第三匹配点对可确定为是两张目标图像中匹配的特征点对。
可选地,若查找出第三匹配点对的数量满足第六预设条件的第二匹配网格具有多个时,则可进一步在包含第二匹配网格及预设尺寸的保留区域中查找第三匹配点对的数量满足第六预设条件的第二匹配网格,也即是将每个第一匹配网格与每个包括第二匹配网格及保留区域的网格区域进行特征点匹配。若查找到满足第六预设条件的第二匹配网格,则剔除位于保留区域以外的第三匹配点对。
可选地,若查找出第三匹配点对的数量满足第六预设条件的第二匹配网格具有多个时,则剔除满足预设条件的第二匹配网格中包含的第三匹配点对。
本实施例中,通过将每个第一匹配网格包含的第一匹配点对作为第三匹配点对,并统计包含第三匹配点对的第二匹配网格,查找出包含的第三匹配点的数量最多的第二匹配网格,此第二匹配网格可以看作是正确匹配的第三匹配点对,并确定包含查找出的第二匹配网格且具有预设尺寸的保留区域,剔除位于保留区域以外的第三匹配点对,通过该方式,可以剔除在目标图像中跨区域错误匹配的特征点,从而提高图像特征点匹配的准确度。
对于上述实施例,本申请提供一种计算机设备,请参阅图11,图11是本申请计算机设备一实施例的结构示意图。该计算机设备100包括存储器101和处理器102,其中,存储器101和处理器102相互耦接,存储器101中存储有程序数据,处理器102用于执行程序数据以实现上述图像特征点匹配方法任一实施例的步骤。
在本实施例中,处理器102还可以称为CPU(Central Processing Unit,中央处理单元)。处理器102可能是一种集成电路芯片,具有信号的处理能力。处理器102还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器102也可以是任何常规的处理器等。
该实施例的具体实施方式可参考上述实施例的实施过程,在此不再赘述。
对于上述实施例的方法,其可以采用计算机程序的形式实现,因而本申请提出一种存储装置,请参阅图12,图12是本申请存储装置一实施例的结构示意图。该存储装置200中存储有能够被处理器运行的程序数据201,程序数据可被处理器执行以实现上述图像特征点匹配方法任一实施例的步骤。
该实施例的具体实施方式可参考上述实施例的实施过程,在此不再赘述。
本实施例存储装置200可以是U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储程序数据的介质,或者也可以为存储有该程序数据的服务器,该服务器可将存储的程序数据发送给其他设备运行,或者也可以自运行该存储的程序数据。
在本申请所提供的几个实施例中,应该理解的,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储装置中,该存储装置是一种计算机可读取存储介质。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (13)
1.一种图像特征点匹配方法,其特征在于,包括:
获取待匹配的两张目标图像;
分别对每张所述目标图像进行特征点提取,得到每张所述目标图像的若干个第一特征点;
基于所述第一特征点的至少一个第一像素点与对应方位的第二像素点之间的像素差值,得到所述第一特征点的主方向的角度值,作为所述第一特征点的主方向;其中,所述第一像素点、所述第二像素点分别与所述第一特征点之间的距离不同;
基于所述第一特征点的主方向,为所述第一特征点划分第一数量个周边区域;
在所述第一数量个周边区域中选取多组像素点对;
利用每个所述像素点对的像素差值得到每个像素点对的描述值;
将所述第一特征点的所有所述像素点对的描述值的集合作为所述第一特征点的描述子,以得到每个所述第一特征点的描述子;
利用所述描述子对两张所述目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对;其中,每组所述第一匹配点对的彩色像素值满足光照一致性。
2.根据权利要求1所述的方法,其特征在于,所述利用所述描述子对两张所述目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对,包括:
利用所述描述子,从所述两张目标图像中确定匹配的第一特征点,组成若干组第二匹配点对;
利用所述第二匹配点对的彩色像素值,得到所述第二匹配点对的亮度信息和对比度信息;
基于所述第二匹配点对的亮度信息和对比度信息得到所述第二匹配点对的第一评分;
选择所述第一评分满足第一预设条件的所述第二匹配点对作为所述第一匹配点对。
3.根据权利要求2所述的方法,其特征在于,所述第二匹配点对的亮度信息和对比度信息包括所述第二匹配点对中每个匹配点的亮度信息和对比度信息,所述匹配点的亮度信息为位于所述匹配点第一距离范围内的像素点的像素值均值,所述匹配点的对比度信息为位于所述匹配点第一距离范围内的像素点的像素值方差;和/或,
所述基于所述第二匹配点对的亮度信息和对比度信息得到所述第二匹配点对的第一评分,包括:
其中,s为所述第二匹配点对的第一评分,、/>分别为所述第二匹配点对中两个匹配点的亮度信息,/>、/>分别为所述第二匹配点对中两个匹配点的对比度信息,所述a和b为常数;和/或,
所述第一预设条件为所述第一评分排序在第一数值位之内。
4.根据权利要求2所述的方法,其特征在于,所述利用所述描述子,从两张所述目标图像中确定匹配的第一特征点,组成若干组第二匹配点对,包括:
将其中一张所述目标图像中的所述第一特征点作为第一待匹配点,另一张所述目标图像中的所述第一特征点作为第二待匹配点;
利用所述描述子,选出初步匹配的所述第一待匹配点和第二待匹配点作为初步匹配点对;
利用所述初步匹配点对的描述子间的相似度,选择至少一组初步匹配点对作为所述第二匹配点对。
5.根据权利要求1所述的方法,其特征在于,
包含所述主方向的所述周边区域选取的所述像素点对的数量多于其余所述周边区域选取的所述像素点的数量。
6.根据权利要求5所述的方法,其特征在于,所述在所述第一数量个周边区域中选取多组像素点对,包括:
从包含所述主方向的至少两个周边区域中选取若干组像素点对,并从不包含所述主方向的至少两个周边区域中选取若干组像素点对。
7.根据权利要求1所述的方法,其特征在于,所述分别对每张所述目标图像进行特征点提取,得到每张所述目标图像的若干个第一特征点,包括:
分别将所述目标图像的多个像素点作为目标像素点;
从所述目标图像获取每个所述目标像素点的第一像素组和第二像素组,其中,所述第一像素组包括多个位于所述目标像素点第二距离范围内的第一像素点,所述第二像素组包括多个位于所述目标像素点第三距离范围内的第二像素点,其中,所述第二距离范围的下限值大于所述第三距离范围的上限值;
利用所述目标像素点的第一像素组和第二像素组的像素值,选择至少一个所述目标像素点作为所述第一特征点。
8.根据权利要求7所述的方法,其特征在于,位于所述目标像素点同一方位的所述第一像素点和第二像素点为一组关联点对;所述利用所述目标像素点的第一像素组和第二像素组的像素值,选择至少一个所述目标像素点作为所述第一特征点,包括:
确定所述目标像素点的第二数量组第一关联点对;
将所述第一关联点对的像素差值满足第四预设条件的所述目标像素点作为第二特征点;
基于所述第二特征点的第三数量组第二关联点对的像素差值,选择至少一个所述第二特征点作为所述第一特征点;其中,所述第三数量大于所述第二数量。
9.根据权利要求8所述的方法,其特征在于,所述利用每组所述第二关联点对的像素差值,选择至少一个所述第二特征点作为所述第一特征点,包括:
利用每个预设方位区域中的第二关联点对的像素差值,得到每个所述预设方位区域的第二评分;
选择所述第二评分满足第五预设条件的第二特征点作为所述第一特征点;和/或,
在所述利用每组所述第二关联点对的像素差值,选择至少一个所述第二特征点作为所述第一特征点之后,所述方法还包括:
基于所述第二特征点对应的所有所述第二关联点对的像素差值,得到所述第二特征点的第三评分;
剔除所述第三评分排序在第三数值位之外的第一特征点。
10.根据权利要求1所述的方法,其特征在于,在所述利用所述描述子对两张所述目标图像中的第一特征点进行匹配,得到至少一组第一匹配点对之后,所述方法还包括:
分别将两张所述目标图像分割为若干网格;
确定每组所述第一匹配点对在每个所述目标图像中的所述网格;
基于所述第一匹配点对所在的网格分布情况,对所述至少一组第一匹配点对进行筛选。
11.根据权利要求10所述的方法,其特征在于,
其中一张所述目标图像中包含所述第一匹配点对的特征点的网格作为第一匹配网格,另一张所述目标图像中包含所述第一匹配点对的特征点的区域作为第二匹配网格;所述基于所述第一匹配点对所在的网格分布情况,对所述至少一组第一匹配点对进行筛选,包括:
对于每个所述第一匹配网格:将所述第一匹配网格包含的所述第一匹配点对作为第三匹配点对,并统计包含所述第三匹配点对的所述第二匹配网格;查找出所述第三匹配点对的数量满足第六预设条件的所述第二匹配网格,确定包含所述查找出的第二匹配网格且具有预设尺寸的保留区域,并剔除位于所述保留区域以外的所述第三匹配点对;
其中,所述第六预设条件为在所述第三匹配点对的数量不同的至少一个所述第二匹配网格中,所述查找出的第二匹配网格包含的所述第三匹配点的数量最多。
12.一种计算机设备,其特征在于,包括相互耦接的存储器和处理器,所述存储器中存储有程序数据,所述处理器用于执行所述程序数据以实现权利要求1至11任一项所述方法的步骤。
13.一种存储装置,其特征在于,存储有能够被处理器运行的程序数据,所述程序数据用于实现权利要求1至11任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594625.7A CN112686302B (zh) | 2020-12-29 | 2020-12-29 | 图像特征点匹配方法、计算机设备及存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594625.7A CN112686302B (zh) | 2020-12-29 | 2020-12-29 | 图像特征点匹配方法、计算机设备及存储装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686302A CN112686302A (zh) | 2021-04-20 |
CN112686302B true CN112686302B (zh) | 2024-02-13 |
Family
ID=75455211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594625.7A Active CN112686302B (zh) | 2020-12-29 | 2020-12-29 | 图像特征点匹配方法、计算机设备及存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686302B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114519794A (zh) * | 2022-02-17 | 2022-05-20 | 浙江商汤科技开发有限公司 | 特征点匹配方法及装置、电子设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663733A (zh) * | 2012-03-05 | 2012-09-12 | 河南理工大学 | 基于特征组对的特征点匹配方法 |
CN103336964A (zh) * | 2013-07-12 | 2013-10-02 | 北京邮电大学 | 一种基于模值差镜像不变性的sift图像匹配方法 |
CN106920252A (zh) * | 2016-06-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法、装置及电子设备 |
CN109949227A (zh) * | 2019-03-12 | 2019-06-28 | 湖北文理学院 | 图像拼接方法、系统及电子设备 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
CN111126484A (zh) * | 2019-12-24 | 2020-05-08 | 西安电子科技大学 | 基于nfsc的宽基线图像匹配特征筛选方法 |
CN111292413A (zh) * | 2020-02-24 | 2020-06-16 | 浙江大华技术股份有限公司 | 图像模型的处理方法及装置、存储介质、电子装置 |
CN111340701A (zh) * | 2020-02-24 | 2020-06-26 | 南京航空航天大学 | 一种基于聚类法筛选匹配点的电路板图像拼接方法 |
CN111476780A (zh) * | 2020-04-07 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、电子设备以及存储介质 |
CN111767965A (zh) * | 2020-07-08 | 2020-10-13 | 西安理工大学 | 图像匹配方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8675997B2 (en) * | 2011-07-29 | 2014-03-18 | Hewlett-Packard Development Company, L.P. | Feature based image registration |
-
2020
- 2020-12-29 CN CN202011594625.7A patent/CN112686302B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663733A (zh) * | 2012-03-05 | 2012-09-12 | 河南理工大学 | 基于特征组对的特征点匹配方法 |
CN103336964A (zh) * | 2013-07-12 | 2013-10-02 | 北京邮电大学 | 一种基于模值差镜像不变性的sift图像匹配方法 |
CN106920252A (zh) * | 2016-06-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 一种图像数据处理方法、装置及电子设备 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
CN109949227A (zh) * | 2019-03-12 | 2019-06-28 | 湖北文理学院 | 图像拼接方法、系统及电子设备 |
CN111126484A (zh) * | 2019-12-24 | 2020-05-08 | 西安电子科技大学 | 基于nfsc的宽基线图像匹配特征筛选方法 |
CN111292413A (zh) * | 2020-02-24 | 2020-06-16 | 浙江大华技术股份有限公司 | 图像模型的处理方法及装置、存储介质、电子装置 |
CN111340701A (zh) * | 2020-02-24 | 2020-06-26 | 南京航空航天大学 | 一种基于聚类法筛选匹配点的电路板图像拼接方法 |
CN111476780A (zh) * | 2020-04-07 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、电子设备以及存储介质 |
CN111767965A (zh) * | 2020-07-08 | 2020-10-13 | 西安理工大学 | 图像匹配方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Recognition and Grasping of Disorderly Stacked Wood Planks Using a Local Image Patch and Point Pair Feature Method;Chengyi Xu et.al;《MDPI online》;第1-17页 * |
基于ORB特征的改进RANSAC匹配点提纯算法;涂梅林;郭太良;林志贤;;有线电视技术(08);第15-19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112686302A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102473305B (zh) | 用于检测物体的方法 | |
US9098775B2 (en) | Multi-class identifier, method, and computer-readable recording medium | |
CN110827306B (zh) | 基于自适应密度峰值聚类的紫色土图像分割提取方法 | |
CN103927387A (zh) | 图像检索系统及其相关方法和装置 | |
CN102105901A (zh) | 注释图像 | |
CN112328715B (zh) | 视觉定位方法及相关模型的训练方法及相关装置、设备 | |
CN108334644A (zh) | 图像识别方法和装置 | |
US8081820B2 (en) | Method for partitioning a pattern into optimized sub-patterns | |
JP2006338313A (ja) | 類似画像検索方法,類似画像検索システム,類似画像検索プログラム及び記録媒体 | |
US20150036935A1 (en) | Information processing apparatus, information processing method, and storage medium | |
CN112686302B (zh) | 图像特征点匹配方法、计算机设备及存储装置 | |
CN116229189B (zh) | 基于荧光内窥镜的图像处理方法、装置、设备及存储介质 | |
CN112651321A (zh) | 档案处理方法、装置及服务器 | |
Azzi et al. | Filtering 3D Keypoints Using GIST For Accurate Image-Based Localization. | |
JP2001043368A (ja) | 画像検索装置及び画像検索方法及びコンピュータ読み取り可能な記憶媒体 | |
CN111709426A (zh) | 一种基于轮廓和纹理的硅藻识别方法 | |
Kimura et al. | Evaluating retrieval effectiveness of descriptors for searching in large image databases | |
CN108664925A (zh) | 人脸识别的方法及用户终端 | |
Han et al. | Accurate and robust vanishing point detection method in unstructured road scenes | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 | |
US11645827B2 (en) | Detection method and device for assembly body multi-view change based on feature matching | |
US20130287302A1 (en) | Identification of duplicates within an image space | |
CN116129496A (zh) | 一种图像遮挡方法、装置、计算机设备及存储介质 | |
CN115100541A (zh) | 一种卫星遥感数据的处理方法、系统及云平台 | |
CN111401252B (zh) | 一种基于视觉的图书盘点系统的书脊匹配方法和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |