CN114723791A - 特征点匹配方法、装置、电子设备和存储介质 - Google Patents

特征点匹配方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114723791A
CN114723791A CN202210178765.9A CN202210178765A CN114723791A CN 114723791 A CN114723791 A CN 114723791A CN 202210178765 A CN202210178765 A CN 202210178765A CN 114723791 A CN114723791 A CN 114723791A
Authority
CN
China
Prior art keywords
point
current
point pair
matching
pair
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
CN202210178765.9A
Other languages
English (en)
Inventor
张凯
胡玉新
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202210178765.9A priority Critical patent/CN114723791A/zh
Publication of CN114723791A publication Critical patent/CN114723791A/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
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • 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
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

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

Abstract

本发明提供一种特征点匹配方法、装置、电子设备和存储介质，其中方法包括：获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；基于当前匹配点对集合中每一匹配点对的仿射无关描述符，确定当前特征点匹配过程中的候选误匹配点对；基于点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；若候选误匹配点对均不属于真实误匹配点对，则将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对。本发明提供的方法和装置，能够有效地删除配准过程中的误匹配点对，提高了图像配准的准确度。

Description

特征点匹配方法、装置、电子设备和存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种特征点匹配方法、装置、电子设备和存储介质。
背景技术
在图像配准处理中，通常需要对两张图像中提取的特征点进行匹配，得到用于计算图像间变换关系的配准点对，并去除配准点对中的误匹配点对。
现有的特征点匹配方法应用于大仿射变换、单调特征和重叠区域较低的图像时，很难筛选出所有的误匹配点对，特别是位于图像边缘或者只有较小误差的误匹配点对，配准点对中所包含的误匹配点对较多，导致图像配准效果差。
发明内容
本发明提供一种特征点匹配方法、装置、电子设备和存储介质，用于解决现有技术中图像配准时，配准点对中所包含的误匹配点对较多，图像配准效果差的技术问题。
本发明提供一种特征点匹配方法，包括：
获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；
基于所述当前匹配点对集合中每一匹配点对的仿射无关描述符，确定所述当前特征点匹配过程中的候选误匹配点对；所述仿射无关描述符是基于匹配点对中的特征点和所述特征点的近邻点确定的；
基于所述候选误匹配点对确定所述候选误匹配点对的点对变换误差，基于所述当前匹配点对集合确定所述基准图像和所述待配准图像之间的点对变换误差均值，并基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；
若所述候选误匹配点对均不属于真实误匹配点对，则将所述当前匹配点对集合中的所有匹配点对确定为所述基准图像和所述待配准图像之间的配准特征点对。
根据本发明提供的特征点匹配方法，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
若删除任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值变化量大于第一预设阈值，则将所述任一候选误匹配点对确定为真实误匹配点对；
其中，所述点对变换误差均值变化量是基于所述点对变换误差均值，以及删除所述任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值确定的。
根据本发明提供的特征点匹配方法，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
在所述候选误匹配点对的点对变换误差中的最大值大于所述当前匹配点对集合对应的点对变换误差均值并且所述当前匹配点对集合对应的点对变换误差均值大于第一预设阈值的情况下，对于任一候选误匹配点对，删除所述任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值变化量小于第一预设阈值，且所述任一候选误匹配点对的点对变换误差大于所述当前匹配点对集合对应的点对变换误差均值，则将所述任一候选误匹配点对确定为真实误匹配点对。
根据本发明提供的特征点匹配方法，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
若所述候选误匹配点对的点对变换误差中的最大值小于等于所述当前匹配点对集合对应的点对变换误差均值，且所述候选误匹配点对的仿射无关描述符为预设值，则将点对变换误差大于第二预设阈值的候选误匹配点对确定为真实误匹配点对。
根据本发明提供的特征点匹配方法，所述仿射无关描述符是基于如下步骤确定的：
对基准图像和待配准图像进行特征点检测，得到多个匹配点对；所述匹配点对包括所述基准图像中的第一特征点，以及所述待配准图像中与所述第一特征点对应的第二特征点；
以所述基准图像中任一第一特征点为当前第一特征点，基于所述基准图像中其余第一特征点与所述当前第一特征点之间的距离，确定所述当前第一特征点在所述基准图像中的第一近邻点，将所述第一近邻点以及所述第一近邻点在所述待配准图像中对应的第二特征点作为所述当前第一特征点的第一近邻点集合；
基于所述当前第一特征点对应的当前第二特征点，以及所述待配准图像中其余第二特征点与所述当前第二特征点之间的距离，确定所述当前第二特征点在所述待配准图像中的第二近邻点，将所述第二近邻点以及所述第二近邻点在所述基准图像中对应的第一特征点作为所述当前第二特征点的第二近邻点集合；
基于所述当前第一特征点的第一近邻点集合，以及所述当前第二特征点的第二近邻点集合，确定所述当前匹配点对的仿射无关描述符。
根据本发明提供的特征点匹配方法，所述基于所述当前第一特征点的第一近邻点集合，以及所述当前第二特征点的第二近邻点集合，确定所述当前匹配点对的仿射无关描述符，包括：
基于所述当前第一特征点以及所述第一近邻点集合，确定所述当前第一特征点的第一仿射三角形和第二仿射三角形，并基于所述第一仿射三角形和所述第二仿射三角形确定所述当前第一特征点的仿射三角形的面积比值；
基于所述当前第二特征点以及所述第二近邻点集合，确定所述当前第二特征点的第一仿射三角形和第二仿射三角形，并基于所述第一仿射三角形和所述第二仿射三角形确定所述当前第二特征点的仿射三角形的面积比值；
基于所述当前第一特征点的仿射三角形的面积比值和所述当前第二特征点的仿射三角形的面积比值，确定所述当前匹配点对的仿射无关描述符。
根据本发明提供的特征点匹配方法，所述基于所述当前第一特征点以及所述第一近邻点集合，确定所述当前第一特征点的第一仿射三角形和第二仿射三角形，包括：
基于所述第一近邻点集合中每一第一近邻点与所述当前第一特征点之间的距离，按照从小到大的顺序对所述第一近邻点进行排列，得到第一邻近点序列，依次从所述第一邻近点序列中选择当前序号的第一近邻点和下一序号的第一近邻点，与所述当前第一特征点构成第一仿射三角形；
基于所述第一近邻点集合中每一第二近邻点与所述当前第一特征点对应的第二特征点之间的距离，按照从小到大的顺序对所述第二近邻点进行排列，得到第二邻近点序列，依次从所述第二邻近点序列中选择当前序号的第二近邻点和下一序号的第二近邻点，与所述当前第一特征点对应的第二特征点构成第二仿射三角形。本发明提供一种特征点匹配装置，包括：
获取单元，用于获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；
筛选单元，用于基于所述当前匹配点对集合中每一匹配点对的仿射无关描述符，确定所述当前特征点匹配过程中的候选误匹配点对；所述仿射无关描述符是基于匹配点对中的特征点和所述特征点的近邻点确定的；
判断单元，用于基于所述候选误匹配点对确定所述候选误匹配点对的点对变换误差，基于所述当前匹配点对集合确定所述基准图像和所述待配准图像之间的点对变换误差均值，并基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；
确定单元，用于若所述候选误匹配点对均不属于真实误匹配点对，则将所述当前匹配点对集合中的所有匹配点对确定为所述基准图像和所述待配准图像之间的配准特征点对。
本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的特征点匹配方法。
本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的特征点匹配方法。
本发明提供的特征点匹配方法、装置、电子设备和存储介质，通过基准图像和待配准图像之间的每一匹配点对中的特征点和特征点的近邻点，确定每一匹配点对的仿射无关描述符，进而在当前匹配点对集合中确定候选误匹配点对，再根据候选误匹配点对的点对变换误差和/或基准图像和待配准图像之间的点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，删除真实误匹配点对后得到了基准图像和待配准图像之间的配准特征点对，由于在确定候选误匹配点对时利用了特征点之间的局部邻接关系，在确定真实误匹配点对时利用了图像中特征点变换的全局信息，能够有效地删除配准过程中的误匹配点对，提高了图像配准的准确度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术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是本发明提供的真实误匹配点对的示意图之一；
图2是本发明提供的特征点匹配方法的流程示意图；
图3是本发明提供的候选误匹配点对确定方法的流程示意图；
图4是本发明提供的真实误匹配点对的示意图之二；
图5是本发明提供的特征点匹配装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
需要说明的是，本发明中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
为了解决现有技术中图像配准时，配准点对中所包含的误匹配点对较多，图像配准效果差的技术问题，本发明的发明构思为：利用特征点的局部邻接关系构造仿射无关描述符，利用仿射无关描述符提取候选误匹配点对，再结合全局信息筛选出候选误匹配点对中的真实误匹配点对，然后剔除后用于图像配准。
本发明实施例中的基准图像和待配准图像为需要进行图像配准的图像，例如，基准图像和待配准图像可以为航天器拍摄得到的大地遥感图像等。
特征点包括图像中物体的中心点、边缘点、线条的交点等。可以采用SURF(SpeededUp Robust Features)算法、SIFT(Scale Invariant Feature Transform)算法等获取。对于基准图像中的某一特征点，在待配准图像中存在与其相对应的特征点，这一组特征点构成了一个匹配点对。基准图像和待配准图像中可能存在多个匹配点对，根据这些匹配点对的位置，可以将待配准图像映射到基准图像上，从而完成图像配准。
图像配准中的仿射变换就是将待配准图纸中的特征点变换到基准图纸中对应特征点所在的位置的变换。仿射无关是指特征点在仿射变换下相对于其他特征点在空间位置上不发生改变的特性。仿射无关描述符用于对匹配点对中的特征点的仿射无关特性进行描述，仿射无关描述符用于衡量仿射无关特性的程度。
本发明实施例中，仿射无关描述符是基于如下步骤确定的：
对基准图像和待配准图像进行特征点检测，得到多个匹配点对；匹配点对包括基准图像中的第一特征点，以及待配准图像中与第一特征点对应的第二特征点；
以基准图像中任一第一特征点为当前第一特征点，基于基准图像中其余第一特征点与当前第一特征点之间的距离，确定当前第一特征点在基准图像中的第一近邻点，将第一近邻点以及第一近邻点在待配准图像中对应的第二特征点作为当前第一特征点的第一近邻点集合；
基于当前第一特征点对应的当前第二特征点，以及待配准图像中其余第二特征点与当前第二特征点之间的距离，确定当前第二特征点在待配准图像中的第二近邻点，将第二近邻点以及第二近邻点在基准图像中对应的第一特征点作为当前第二特征点的第二近邻点集合；
基于当前第一特征点的第一近邻点集合，以及当前第二特征点的第二近邻点集合，确定当前匹配点对的仿射无关描述符。
具体地，可以采用SURF算法、SIFT算法等对基准图像和待配准图像进行特征点检测，得到多个匹配点对。其中，任一匹配点对C包括基准图像中的第一特征点P，以及待配准图像中与第一特征点对应的第二特征点P′。
以基准图像中任一第一特征点Pi(i∈[1,n]，i为特征点序号，n为特征点数量)为当前第一特征点，计算基准图像中其余第一特征点与当前第一特征点Pi之间的距离，按照距离从小到大的顺序对其余第一特征点进行排列，选取K个近邻点，作为当前第一特征点在基准图像中的第一近邻点{Pi1，Pi2，...，Pij，...，PiK}，j∈[1,K]。在待配准图像中，逐一确定每一第一近邻点对应的第二特征点。将第一近邻点以及第一近邻点在待配准图像中对应的第二特征点作为当前第一特征点的第一近邻点集合Vi。
第一近邻点集合Vi可以表示为{Ci1，Ci2，...，Cij，...，CiK}。
根据当前第一特征点Pi对应的当前第二特征点P′i，计算待配准图像中其余第二特征点与当前第二特征点P′i之间的距离，按照距离从小到大的顺序对其余第二特征点进行排列，选取K′个近邻点，作为当前第二特征点在待配准图像中的第二近邻点{P′i1，P′i2，...，P′ij′，...，P′iK′}，j′∈[1,K′]。在基准图像中，逐一确定每一第二近邻点对应的第一特征点。将第二近邻点以及第二近邻点在基准图像中对应的第一特征点作为当前第二特征点P′i的第二近邻点集合Vi′。
第二近邻点集合Vi′可以表示为{Ci1′，Ci2′，...，Cij′，...，CiK′}。
再根据当前第一特征点Pi的第一近邻点集合Vi，以及当前第二特征点P′i的第二近邻点集合Vi′，确定当前匹配点对Ci(Pi,P′i)的仿射无关描述符。
基于上述任一实施例，基于当前第一特征点的第一近邻点集合，以及当前第二特征点的第二近邻点集合，确定当前匹配点对的仿射无关描述符，包括：
基于当前第一特征点以及第一近邻点集合，确定当前第一特征点的第一仿射三角形和第二仿射三角形，并基于第一仿射三角形和第二仿射三角形确定当前第一特征点的仿射三角形的面积比值；
基于当前第二特征点以及第二近邻点集合，确定当前第二特征点的第一仿射三角形和第二仿射三角形，并基于第一仿射三角形和第二仿射三角形确定当前第二特征点的仿射三角形的面积比值；
基于当前第一特征点的仿射三角形的面积比值和当前第二特征点的仿射三角形的面积比值，确定当前匹配点对的仿射无关描述符。
具体地，点Pi的坐标可以表示为(xi,yi)。则可以根据三个不共线的点P1(x1,y1)、P2(x2,y2)和P3(x3,y3)确定一个三角形，并得到三角形面积的表示形式(Triangle-AreaRepresentation，TAR)，用公式表示为：
TAR(P1,P2,P3)＝abs(x1y2+x2y3+x3y1-x3y2-x1y3-x2y1)/2
假设基准图像和待配准图像之间的图像变换关系可以表示为：
Figure BDA0003521446900000091
上式中，(x,y)为基准图像中点P的坐标，(x′,y′)为基准图像中点P′的坐标，(P,P′)为匹配点对C，a1、a2、a3、a4、b1和b2为计算系数。
利用上述关系式，可以得到：
TAR(P′1,P′2,P′3)＝(a1a4-a2a3)TAR(P1,P2,P3)
其中，(P1,P′1)为基准图像和待配准图像中的匹配点对C1，(P2,P′2)为基准图像和待配准图像中的匹配点对C2，(P3,P′3)为基准图像和待配准图像中的匹配点对C3。
利用TAR_ratio来表示面积比值，可以得到：
Figure BDA0003521446900000101
根据上述式子可知，对于任意三个正确的匹配点对(C1,C2,C3)，则TAR_ratio(C1,C2,C3)为同一个常数。
根据上述式子也可知，任意三个正确的匹配点对在选择的过程中，需要避开共线情况，此时构成的三角形面积为零，TAR(P′1,P′2,P′3)＝0，可以设定阈值β来对TAR(P′1,P′2,P′3)进行限定。即要求匹配点对的选择应满足abs(TAR(P′1,P′2,P′3))>β。考虑到TAR较小时，TAR_ratio的值的精度会降低，可以设定β的取值，例如β＝0.2。
在上述分析的基础上，对于当前匹配点对Ci(Pi,P′i)，根据当前第一特征点Pi的第一近邻点集合Vi，以及当前第二特征点P′i的第二近邻点集合Vi′，可以构造当前匹配点对Ci(Pi,P′i)的仿射无关描述符，具体步骤如下：
根据当前匹配点对Ci中的当前第一特征点Pi，以及第一近邻点集合Vi中两个的第一近邻点Pij和Pik，j和k为近邻点序号，可以确定当前第一特征点的第一仿射三角形，并根据点的位置坐标求解得到该第一仿射三角形的面积TAR(Pi,Pij,Pik)。可以根据当前第一特征点Pi对应的第二特征点P′i，第一近邻点Pij对应的第二特征点A，第一近邻点Pik对应的第二特征点B，得到第二仿射三角形的面积TAR(P′i,A,B)。则可以求解得到当前第一特征点的仿射三角形的面积比值TAR_ratio(Ci,Cij,Cik):
Figure BDA0003521446900000102
同理根据当前第二特征点，以及第二近邻点集合中的第一近邻点和第二近邻点，可以得到当前第二特征点的仿射三角形的面积比值TAR_ratio(Ci,Cij′,Cik′),j′和k′为近邻点序号。
则可以得到：
TAR_ratioKNN(i)＝TAR_ratio(Ci,Cij,Cik)/TAR_ratio(Ci,Cij′,Cik′)
当匹配点对为正确的匹配点对时，TAR_ratioKNN(i)∈[1,ε]，否则TAR_ratioKNN(i)>ε。可以根据特征点的定位误差和图像变换模型的误差，来确定TAR_ratioKNN(i)的取值范围。ε为大于1的某一常数。当匹配点对的近邻点为正确的匹配点对时，如果TAR_ratioKNN(i)>ε，则当前匹配点对Ci(Pi,P′i)为真实误匹配点对。
图1是本发明提供的真实误匹配点对的示意图之一，如图1所示，对于匹配点对Ci(Pi,P′i)，对于第一特征点Pi，其第一近邻点集合Vi＝{Ci1(Pi1,P′i1)，Ci2(Pi2,P′i2)}，对于第二特征点P′i，其第二近邻点集合Vi′＝{Ci1′(Pi1′,P′i1′)，Ci2′(Pi2′,P′i2′)}，按照上述方法可以得到该匹配点对Ci的TAR_ratioKNN(i)。由于TAR_ratioKNN(i)大于常数ε，因此匹配点对Ci为真实误匹配点对，其物理含义为特征点P′i在仿射变换下从待配准图像变换至基准图像上的特征点Pi的位置时，相对于其他特征点在空间位置上发生了改变。
如果TAR_ratioKNN(i)小于1，为便于比较，可以取TAR_ratioKNN(i)的倒数。
为了提高准确性，可以取TAR_ratioKNN(i)的均值，将其作为仿射无关描述符TAR_ratioKNN(i)，来判断当前匹配点是否为候选误匹配点对。此处的均值借鉴了K近邻点(K-Nearest-Neighbor，KNN)算法的思想，可以令K′＝K，用公式表示为：
Figure BDA0003521446900000111
Figure BDA0003521446900000121
式中，j为第一近邻点集合Vi中近邻点的序号，j′为第二近邻点集合Vi′中近邻点的序号，K为邻近点数量。
基于上述任一实施例，基于当前第一特征点以及第一近邻点集合，确定当前第一特征点的第一仿射三角形和第二仿射三角形，包括：
基于第一近邻点集合中每一第一近邻点与当前第一特征点之间的距离，按照从小到大的顺序对第一近邻点进行排列，得到第一邻近点序列，依次从第一邻近点序列中选择当前序号的第一近邻点和下一序号的第一近邻点，与当前第一特征点构成第一仿射三角形；
基于第一近邻点集合中每一第二近邻点与当前第一特征点对应的第二特征点之间的距离，按照从小到大的顺序对第二近邻点进行排列，得到第二邻近点序列，依次从第二邻近点序列中选择当前序号的第二近邻点和下一序号的第二近邻点，与当前第一特征点对应的第二特征点构成第二仿射三角形。
具体地，对于当前第一特征点Pi而言，其在第一近邻点集合中的第一近邻点有K个；对于当前第二特征点P′i而言，其在第二近邻点集合中的第二近邻点有K′＝K个。为了便于比较，在确定仿射三角形时，可以按照一定的取点顺序，分别构造仿射三角形。
根据第一近邻点集合中每一第一近邻点与当前第一特征点之间的距离，按照从小到大的顺序对第一近邻点进行排列，得到第一邻近点序列{Pi1，Pi2，...，Pij，...，PiK}，j∈[1,K]，K为邻近点数量。然后依次选取Pij和Pi(j+1)，与当前第一特征点Pi构造第一仿射三角形。
根据第一近邻点集合中每一第二近邻点与当前第一特征点对应的第二特征点之间的距离，按照从小到大的顺序对第二近邻点进行排列，得到第二邻近点序列{P′i1，P′i2，...，P′ij，...，P′iK}，依次从第二邻近点序列中选择P′ij和P′i(j+1)，与当前第一特征点Pi对应的第二特征点P′i构成第二仿射三角形。
同理，上述按距离选取点构造仿射三角形的方法也适用于构造当前第二特征点的仿射三角形。
上述选点过程也可以通过矩阵的方式来实现。例如，在基准图像中，计算特征点集P＝{Pi；i＝1,2,…,n}中任意两点间的距离，并分别按照到点Pi的距离从小到大进行排序，将点的序号保存在n×n的矩阵Dp中，则Dp(i,j)表示点Pi的第j个近邻点的符号。同样的方法可以适用于待配准图像。
在上述实施例的基础上，图2是本发明提供的特征点匹配方法的流程示意图，如图2所示，该方法包括步骤210、步骤220、步骤230和步骤240。
步骤210，获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合。
具体地，这些匹配点对中，可能存在误匹配点对。误匹配点对，又被称为格外点对，是基准图像和待配准图像中不存在对应关系的点对，不能用来表示两张图像中结构特征的相似性。如果匹配点对中存在误匹配点对，则会降低图像配准效果，误匹配点对越多，图像配准效果越差，甚至无法完成图像配准。
因此，可以在图像配准前，对获取的匹配点对进行筛选，去除其中存在的误匹配点对，保留正确的匹配点对。本发明实施例提供的特征点匹配方法，可以通过多轮特征点匹配过程迭代的方式，对匹配点对集合中的误匹配点对进行筛选和去除。
特别地，在第一轮特征点匹配过程中，当前匹配点对集合是由特征点检测算法检测得到的所有匹配点对组成的。
步骤220，基于当前匹配点对集合中每一匹配点对的仿射无关描述符，确定当前特征点匹配过程中的候选误匹配点对；仿射无关描述符是基于匹配点对中的特征点和特征点的近邻点确定的。
具体地，近邻点也是特征点，可以根据特征点之间的距离进行选择。例如，在基准图像中，对于特征点Pi，i∈[1,n]，i为特征点序号，n为特征点数量。可以将与之距离小于预设距离值的特征点Pi+1和特征点Pi+2作为其近邻点。
仿射无关描述符可以通过匹配点对中特征点和特征点的近邻点进行确定。其构造方法已在前述实施例中阐述。
可以通过仿射无关描述符，筛选出当前匹配点对集合中的候选误匹配点对。
图3是本发明提供的候选误匹配点对确定方法的流程示意图，如图3所示，该方法可以包括：
步骤310、对基准图像和待配准图像进行特征点检测，得到多个匹配点对。
步骤320、分别确定每一匹配点对中第一特征点的第一近邻点集合，以及每一匹配点对中第二特征点的第二近邻点集合；
步骤330、根据第一特征点的第一近邻点集合，以及第二特征点的第二近邻点集合，分别构造仿射三角形，并根据仿射三角形面积的比值构造每一匹配点对的仿射无关描述符；
步骤340、遍历所有匹配点，将每一匹配点对的仿射无关描述符的数值与预设值比较，若仿射无关描述符大于预设值，则将其对应的匹配点对作为候选误匹配点对。例如，上例中仿射无关描述符接近1，则表明第一三角形和第二三角形相似程度较高，则可以认为匹配点对(Pi，P′i)是正确的匹配点对；仿射无关描述符远离1，则表明第一三角形和第二三角形相似程度较低，则可以认为匹配点对(Pi，P′i)是候选误匹配点对。
由于基准图纸和待配准图像间的特征相似、重叠区域少或者存在大仿射形变时，候选误匹配点对可能是正确的匹配点对，因此，还需要结合图像中所有特征点的全局信息进行进一步的筛选。
步骤230，基于候选误匹配点对确定候选误匹配点对的点对变换误差，基于当前匹配点对集合确定基准图像和待配准图像之间的点对变换误差均值，并基于点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合。
具体地，点对变换误差是指待配准图像中的特征点变换至基准图像中后的变换位置与该特征点在基准图像中对应的特征点的真实位置之间的误差。
点对变换误差均值是指待配准图像中的特征点变换至基准图像后的误差均值，可以根据所有特征点的全局变换均值和特征点数量确定。
可以根据点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对。
例如，可以根据当前匹配点对集合，确定基准图像和待配准图像之间的点对变换误差均值。根据每一候选误匹配点对，确定每一候选误匹配点对的点对变换误差。如果任一候选误匹配点对的点对变换误差大于预设点对变换误差阈值，或者点对变换误差与点对变换误差均值之间的差值大于预设差值，则表明该候选误匹配点对属于真实误匹配点对，否则属于正确的匹配点对。
又例如，可以计算当前匹配点对集合确定基准图像和待配准图像之间的第一点对变换误差均值，在删除当前候选误匹配点对后再次计算基准图像和待配准图像之间的第二点对变换误差均值，根据第一点对变换误差均值和第二点对变换误差均值之间的差值，判断当前候选误匹配点对对点对变换误差均值的影响，差值越大，影响越大，当前候选误匹配点对属于真实误匹配点对的可能性就越大。
在当前匹配点对集合中，删除真实误匹配点对，得到下一匹配点对集合。根据下一匹配点对集合进行下一特征点匹配过程，通过多轮特征点匹配过程，逐渐删除存在的真实误匹配点对。
步骤240，若候选误匹配点对均不属于真实误匹配点对，则将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对。
具体地，经历过若干轮特征点匹配过程之后，如果候选误匹配点对均不属于真实误匹配点对，则可以认为剩下的所有匹配点对均为正确的匹配点对，可以终止特征点匹配过程。将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对，进行下一步的图像配准。
本发明实施例提供的特征点匹配方法，通过基准图像和待配准图像之间的每一匹配点对中的特征点和特征点的近邻点，确定每一匹配点对的仿射无关描述符，进而在当前匹配点对集合中确定候选误匹配点对，再根据候选误匹配点对的点对变换误差和/或基准图像和待配准图像之间的点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，删除真实误匹配点对后得到了基准图像和待配准图像之间的配准特征点对，由于在确定候选误匹配点对时利用了特征点之间的局部邻接关系，在确定真实误匹配点对时利用了图像中特征点变换的全局信息，能够有效地删除配准过程中的误匹配点对，提高了图像配准的准确度。
基于上述实施例，步骤230包括：
若删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值变化量大于第一预设阈值，则将任一候选误匹配点对确定为真实误匹配点对；
其中，点对变换误差均值变化量是基于点对变换误差均值，以及删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值确定的。
具体地，对于初始匹配点对的集合，可以用C表示。点对变换误差均值可以用E表示。基准图像和待配准图像之间的匹配关系，可以用V表示，则最佳匹配关系
Figure BDA0003521446900000171
可以用公式表示为：
Figure BDA0003521446900000172
第i个匹配点对Ci的匹配关系Vi可以定义为：
Figure BDA0003521446900000173
则匹配点对Ci的点对变换误差d(Ci,θ)可以用公式表示为：
d(Ci,θ)＝‖T(θ,P′i)-pi‖
上式中，θ为根据当前匹配点对集合求解得到的基准图像和待配准图像之间的图像变换模型，T(θ,P′i)为待配准图像中特征点P′i变换至基准图像中后的变换位置，T表示变换运算。显然地，点对变换误差d(Ci,θ)越大，匹配点对Ci就越有可能是真实误匹配点对。
图像变换模型用于将待配准图像中的特征点仿射变换至基准图像中，从而实现图像配准，可以根据多个匹配点对的位置坐标进行计算得到。
当前匹配点的全局变换误差E(C，V)可以用公式表示为：
Figure BDA0003521446900000174
在当前特征点匹配过程中，点对变换误差均值Ebf可以用公式表示为：
Figure BDA0003521446900000175
删除任一候选误匹配点对Ci后,基准图像和待配准图像之间的点对变换误差均值Eaf(i)可以用公式表示为：
Figure BDA0003521446900000181
删除任一候选误匹配点对Ci后，点对变换误差均值变化量Ec(i)可以用公式表示为：
Ec(i)＝abs(Ebf-Eaf(i))
式中，j为当前匹配点对集合中匹配点对的序号，rn为当前匹配点对集合中匹配点对的数量，θ为根据当前匹配点对集合求解得到的图像变换模型，θ′为根据在当前匹配点对集合中删除任一候选误匹配点对Ci后的匹配点对集合求解得到的图像变换模型，abs为绝对值运算。
如果删除任一候选误匹配点对Ci后基准图像和待配准图像之间的点对变换误差均值变化量大于第一预设阈值σ，即Ec(i)>σ，则将任一候选误匹配点对Ci确定为真实误匹配点对。第一预设阈值可以根据需要进行设置。
基于上述任一实施例，步骤230包括：
在候选误匹配点对的点对变换误差中的最大值大于当前匹配点对集合对应的点对变换误差均值并且当前匹配点对集合对应的点对变换误差均值大于第一预设阈值的情况下，对于任一候选误匹配点对，删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值变化量小于第一预设阈值，且任一候选误匹配点对的点对变换误差大于当前匹配点对集合对应的点对变换误差均值，则将任一候选误匹配点对确定为真实误匹配点对。
具体地，在每一轮特征点匹配过程中，可以按照点对变换误差的大小，将各个候选误匹配点对按照从大到小的顺序排列。则候选误匹配点对的点对变换误差中的最大值可以表示为d(C1,θ)。
在候选误匹配点对的点对变换误差中的最大值大于当前匹配点对集合对应的点对变换误差均值，并且当前匹配点对集合对应的点对变换误差均值大于第一预设阈值的情况下，即d(C1,θ)>Ebf且Ebf>σ，对于任一候选误匹配点对Ci，删除该候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值变化量小于第一预设阈值且该候选误匹配点对的点对变换误差大于当前匹配点对集合对应的点对变换误差均值，即Ec(i)＝Ebf-Eaf(i)<σ且d(Ci,θ)>Ebf，则将该候选误匹配点对确定为真实误匹配点对。
在上述计算过程中，点对变换误差较大的候选误匹配点对可能存在N个，即存在N个候选误匹配点对满足Ebf-Eaf(N)<σ且Ebf-Eaf(N+1)≥σ。如果每个候选误匹配点对均满足d(Ci,θ)>Ebf，则这N个候选误匹配点对均为真实误匹配点对。
上述筛选方法可能执行N次，则在每一次计算Eaf(i)时，应当考虑减去已经被确定为真实误匹配点对的点对变换误差。
基于上述任一实施例，步骤230包括：
若候选误匹配点对的点对变换误差中的最大值小于等于当前匹配点对集合对应的点对变换误差均值，且候选误匹配点对的仿射无关描述符为预设值，则将点对变换误差大于第二预设阈值的候选误匹配点对确定为真实误匹配点对。
具体地，在仿射无关描述符采用三角形面积进行计算时，预设值为1。
如果候选误匹配点对的点对变换误差中的最大值小于等于当前匹配点对集合对应的点对变换误差均值，即d(C1,θ)≤Ebf，且候选误匹配点对Ci的仿射无关描述符为预设值，即TAR_ratioKNN＝1。
匹配点对集合的邻接关系是稳定的，不容易受到仿射变换的影响。然而在某些极端情况下，当一对真实误匹配点对中的特征点均位于图像中的特征点集合的同一边缘时，该真实误匹配点对可能具有和其他正确匹配点对相同的仿射无关描述符。
图4是本发明提供的真实误匹配点对的示意图之二，如图4所示，对于真实误匹配点对Ci(Pi,P′i)，对于第一特征点Pi，其邻接点的顺序为Pi1、Pi2、Pi3和Pi4，对于第二特征点P′i，其邻接点的顺序为P′i1、P′i2、P′i3和P′i4。(Pij,P′ij)是正确的匹配点对，j＝1,2,3,4。该匹配点对中特征点的邻接顺序相同。该匹配点对Ci的TAR_ratioKNN(i)＝1。
但是该点对属于真实误匹配点对，不能仅通过仿射无关描述符的大小来进行筛选。此时，可以通过比较点对变换误差的办法来确定。
如果候选误匹配点对是正确的匹配点对，则点对变换误差应该比较小；如果候选误匹配点对是真实误匹配点对，则点对变换误差可能比较大。
此时，可以设定第二预设阈值σs，第二预设阈值可以根据当前匹配点对集合对应的点对变换误差均值Ebf进行确定，用公式表示为：
σs＝αEbf
其中，α为比例系数。
对于TAR_ratioKNN＝1的候选误匹配点对Ci，如果d(Ci,θ)>σs，则候选误匹配点对Ci可以确定为真实误匹配点对。
基于上述任一实施例，特征点匹配方法可以用伪代码表示为：
While(1){
根据当前匹配点对集合计算图像变换模型θ和Ebf；
为每一匹配点对计算仿射无关描述符，选出候选误匹配点对Ci；
将候选误匹配点对按照d(Ci,θ)的大小进行排列；
对于每一候选误匹配点对Ci：
{利用删除该候选误匹配点对Ci后的当前匹配点对集合求解得到的图像变换模型θ′；计算Ec(i)＝abs(Ebf-Eaf(i))；若Ec(i)>σ，则Ci属于真实误匹配点对，从当前匹配点对集合中删去；若否，则跳出循环；}
若存在候选误匹配点对却未筛选出真实误匹配点对：
{若d(C1,θ)>Ebf且Ebf>σ：
{令N＝1；对于每一候选误匹配点对：{计算除{Ci；i＝1,2,…,N}外集合内点对的Eaf(N)；若Ebf-Eaf(N)<σ且d(Ci,θ)>Ebf，则Ci属于真实误匹配点对，从当前匹配点对集合中删去；若否，则跳出循环；}}
若d(C1,θ)≤Ebf
{对于仿射无关描述符为1的所有候选误匹配点对：{若d(Ci,θ)>σs，则Ci属于真实误匹配点对，从当前匹配点对集合中删去；}}}
若未发现真实误匹配点对则跳出循环；}
下面对本发明提供的特征点匹配装置进行描述，下文描述的特征点匹配装置与上文描述的特征点匹配方法可相互对应参照。
基于上述任一实施例，图5是本发明提供的特征点匹配装置的结构示意图，如图5所示，该装置包括：
获取单元510，用于获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；
筛选单元520，用于基于当前匹配点对集合中每一匹配点对的仿射无关描述符，确定当前特征点匹配过程中的候选误匹配点对；仿射无关描述符是基于匹配点对中的特征点和特征点的近邻点确定的；
判断单元550，用于基于候选误匹配点对确定候选误匹配点对的点对变换误差，基于当前匹配点对集合确定基准图像和待配准图像之间的点对变换误差均值，并基于点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；
确定单元540，用于若候选误匹配点对均不属于真实误匹配点对，则将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对。
本发明实施例提供的特征点匹配装置，通过基准图像和待配准图像之间的每一匹配点对中的特征点和特征点的近邻点，确定每一匹配点对的仿射无关描述符，进而在当前匹配点对集合中确定候选误匹配点对，再根据候选误匹配点对的点对变换误差和/或基准图像和待配准图像之间的点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，删除真实误匹配点对后得到了基准图像和待配准图像之间的配准特征点对，由于在确定候选误匹配点对时利用了特征点之间的局部邻接关系，在确定真实误匹配点对时利用了图像中特征点变换的全局信息，能够有效地删除配准过程中的误匹配点对，提高了图像配准的准确度。
基于上述任一实施例，判断单元具体用于：
若删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值变化量大于第一预设阈值，则将任一候选误匹配点对确定为真实误匹配点对；
其中，点对变换误差均值变化量是基于点对变换误差均值，以及删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值确定的。
基于上述任一实施例，判断单元具体用于：
在候选误匹配点对的点对变换误差中的最大值大于当前匹配点对集合对应的点对变换误差均值并且当前匹配点对集合对应的点对变换误差均值大于第一预设阈值的情况下，对于任一候选误匹配点对，删除任一候选误匹配点对后基准图像和待配准图像之间的点对变换误差均值变化量小于第一预设阈值，且任一候选误匹配点对的点对变换误差大于当前匹配点对集合对应的点对变换误差均值，则将任一候选误匹配点对确定为真实误匹配点对。
基于上述任一实施例，判断单元具体用于：
若候选误匹配点对的点对变换误差中的最大值小于等于当前匹配点对集合对应的点对变换误差均值，且候选误匹配点对的仿射无关描述符为预设值，则将点对变换误差大于第二预设阈值的候选误匹配点对确定为真实误匹配点对。
基于上述任一实施例，该装置还包括构造单元，构造单元包括：
检测子单元，用于对基准图像和待配准图像进行特征点检测，得到多个匹配点对；匹配点对包括基准图像中的第一特征点，以及待配准图像中与第一特征点对应的第二特征点；
第一近邻点确定子单元，用于以基准图像中任一第一特征点为当前第一特征点，基于基准图像中其余第一特征点与当前第一特征点之间的距离，确定当前第一特征点在基准图像中的第一近邻点，将第一近邻点以及第一近邻点在待配准图像中对应的第二特征点作为当前第一特征点的第一近邻点集合；
第二近邻点确定子单元，用于基于当前第一特征点对应的当前第二特征点，以及待配准图像中其余第二特征点与当前第二特征点之间的距离，确定当前第二特征点在待配准图像中的第二近邻点，将第二近邻点以及第二近邻点在基准图像中对应的第一特征点作为当前第二特征点的第二近邻点集合；
构造子单元，用于基于当前第一特征点的第一近邻点集合，以及当前第二特征点的第二近邻点集合，确定当前匹配点对的仿射无关描述符。
基于上述任一实施例，构造子单元具体用于：
第一构造模块，用于基于当前第一特征点以及第一近邻点集合，确定当前第一特征点的第一仿射三角形和第二仿射三角形，并基于第一仿射三角形和第二仿射三角形确定当前第一特征点的仿射三角形的面积比值；
第二构造模块，用于基于当前第二特征点以及第二近邻点集合，确定当前第二特征点的第一仿射三角形和第二仿射三角形，并基于第一仿射三角形和第二仿射三角形确定当前第二特征点的仿射三角形的面积比值；
第三构造模块，用于基于当前第一特征点的仿射三角形的面积比值和当前第二特征点的仿射三角形的面积比值，确定当前匹配点对的仿射无关描述符。
基于上述任一实施例，第一构造模块具体用于：
基于第一近邻点集合中每一第一近邻点与当前第一特征点之间的距离，按照从小到大的顺序对第一近邻点进行排列，得到第一邻近点序列，依次从第一邻近点序列中选择当前序号的第一近邻点和下一序号的第一近邻点，与当前第一特征点构成第一仿射三角形；
基于第一近邻点集合中每一第二近邻点与当前第一特征点对应的第二特征点之间的距离，按照从小到大的顺序对第二近邻点进行排列，得到第二邻近点序列，依次从第二邻近点序列中选择当前序号的第二近邻点和下一序号的第二近邻点，与当前第一特征点对应的第二特征点构成第二仿射三角形。
基于上述任一实施例，图6为本发明提供的电子设备的结构示意图，如图6所示，该电子设备可以包括：处理器(Processor)610、通信接口(Communications Interface)620、存储器(Memory)630和通信总线(Communications Bus)640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑命令，以执行如下方法：
获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；基于当前匹配点对集合中每一匹配点对的仿射无关描述符，确定当前特征点匹配过程中的候选误匹配点对；仿射无关描述符是基于匹配点对中的特征点和特征点的近邻点确定的；基于候选误匹配点对确定候选误匹配点对的点对变换误差，基于当前匹配点对集合确定基准图像和待配准图像之间的点对变换误差均值，并基于点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；若候选误匹配点对均不属于真实误匹配点对，则将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对。
此外，上述的存储器630中的逻辑命令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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，包括若干命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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；基于当前匹配点对集合中每一匹配点对的仿射无关描述符，确定当前特征点匹配过程中的候选误匹配点对；仿射无关描述符是基于匹配点对中的特征点和特征点的近邻点确定的；基于候选误匹配点对确定候选误匹配点对的点对变换误差，基于当前匹配点对集合确定基准图像和待配准图像之间的点对变换误差均值，并基于点对变换误差和/或点对变换误差均值，确定候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；若候选误匹配点对均不属于真实误匹配点对，则将当前匹配点对集合中的所有匹配点对确定为基准图像和待配准图像之间的配准特征点对。
本发明实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干命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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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。

Claims (10)

1.一种特征点匹配方法，其特征在于，包括：
获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；
基于所述当前匹配点对集合中每一匹配点对的仿射无关描述符，确定所述当前特征点匹配过程中的候选误匹配点对；所述仿射无关描述符是基于匹配点对中的特征点和所述特征点的近邻点确定的；
基于所述候选误匹配点对确定所述候选误匹配点对的点对变换误差，基于所述当前匹配点对集合确定所述基准图像和所述待配准图像之间的点对变换误差均值，并基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；
若所述候选误匹配点对均不属于真实误匹配点对，则将所述当前匹配点对集合中的所有匹配点对确定为所述基准图像和所述待配准图像之间的配准特征点对。
2.根据权利要求1所述的特征点匹配方法，其特征在于，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
若删除任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值变化量大于第一预设阈值，则将所述任一候选误匹配点对确定为真实误匹配点对；
其中，所述点对变换误差均值变化量是基于所述点对变换误差均值，以及删除所述任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值确定的。
3.根据权利要求1所述的特征点匹配方法，其特征在于，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
在所述候选误匹配点对的点对变换误差中的最大值大于所述当前匹配点对集合对应的点对变换误差均值并且所述当前匹配点对集合对应的点对变换误差均值大于第一预设阈值的情况下，对于任一候选误匹配点对，删除所述任一候选误匹配点对后所述基准图像和所述待配准图像之间的点对变换误差均值变化量小于第一预设阈值，且所述任一候选误匹配点对的点对变换误差大于所述当前匹配点对集合对应的点对变换误差均值，则将所述任一候选误匹配点对确定为真实误匹配点对。
4.根据权利要求1所述的特征点匹配方法，其特征在于，所述基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，包括：
若所述候选误匹配点对的点对变换误差中的最大值小于等于所述当前匹配点对集合对应的点对变换误差均值，且所述候选误匹配点对的仿射无关描述符为预设值，则将点对变换误差大于第二预设阈值的候选误匹配点对确定为真实误匹配点对。
5.根据权利要求1至4任一项所述的特征点匹配方法，其特征在于，所述仿射无关描述符是基于如下步骤确定的：
对基准图像和待配准图像进行特征点检测，得到多个匹配点对；所述匹配点对包括所述基准图像中的第一特征点，以及所述待配准图像中与所述第一特征点对应的第二特征点；
以所述基准图像中任一第一特征点为当前第一特征点，基于所述基准图像中其余第一特征点与所述当前第一特征点之间的距离，确定所述当前第一特征点在所述基准图像中的第一近邻点，将所述第一近邻点以及所述第一近邻点在所述待配准图像中对应的第二特征点作为所述当前第一特征点的第一近邻点集合；
基于所述当前第一特征点对应的当前第二特征点，以及所述待配准图像中其余第二特征点与所述当前第二特征点之间的距离，确定所述当前第二特征点在所述待配准图像中的第二近邻点，将所述第二近邻点以及所述第二近邻点在所述基准图像中对应的第一特征点作为所述当前第二特征点的第二近邻点集合；
基于所述当前第一特征点的第一近邻点集合，以及所述当前第二特征点的第二近邻点集合，确定所述当前匹配点对的仿射无关描述符。
6.根据权利要求5所述的特征点匹配方法，其特征在于，所述基于所述当前第一特征点的第一近邻点集合，以及所述当前第二特征点的第二近邻点集合，确定所述当前匹配点对的仿射无关描述符，包括：
基于所述当前第一特征点以及所述第一近邻点集合，确定所述当前第一特征点的第一仿射三角形和第二仿射三角形，并基于所述第一仿射三角形和所述第二仿射三角形确定所述当前第一特征点的仿射三角形的面积比值；
基于所述当前第二特征点以及所述第二近邻点集合，确定所述当前第二特征点的第一仿射三角形和第二仿射三角形，并基于所述第一仿射三角形和所述第二仿射三角形确定所述当前第二特征点的仿射三角形的面积比值；
基于所述当前第一特征点的仿射三角形的面积比值和所述当前第二特征点的仿射三角形的面积比值，确定所述当前匹配点对的仿射无关描述符。
7.根据权利要求6所述的特征点匹配方法，其特征在于，所述基于所述当前第一特征点以及所述第一近邻点集合，确定所述当前第一特征点的第一仿射三角形和第二仿射三角形，包括：
基于所述第一近邻点集合中每一第一近邻点与所述当前第一特征点之间的距离，按照从小到大的顺序对所述第一近邻点进行排列，得到第一邻近点序列，依次从所述第一邻近点序列中选择当前序号的第一近邻点和下一序号的第一近邻点，与所述当前第一特征点构成第一仿射三角形；
基于所述第一近邻点集合中每一第二近邻点与所述当前第一特征点对应的第二特征点之间的距离，按照从小到大的顺序对所述第二近邻点进行排列，得到第二邻近点序列，依次从所述第二邻近点序列中选择当前序号的第二近邻点和下一序号的第二近邻点，与所述当前第一特征点对应的第二特征点构成第二仿射三角形。
8.一种特征点匹配装置，其特征在于，包括：
获取单元，用于获取当前特征点匹配过程中基准图像和待配准图像之间的当前匹配点对集合；
筛选单元，用于基于所述当前匹配点对集合中每一匹配点对的仿射无关描述符，确定所述当前特征点匹配过程中的候选误匹配点对；所述仿射无关描述符是基于匹配点对中的特征点和所述特征点的近邻点确定的；
判断单元，用于基于所述候选误匹配点对确定所述候选误匹配点对的点对变换误差，基于所述当前匹配点对集合确定所述基准图像和所述待配准图像之间的点对变换误差均值，并基于所述点对变换误差和/或所述点对变换误差均值，确定所述候选误匹配点对是否属于真实误匹配点对，并将删除真实误匹配点对后的当前匹配点对集合作为下一匹配点对集合；
确定单元，用于若所述候选误匹配点对均不属于真实误匹配点对，则将所述当前匹配点对集合中的所有匹配点对确定为所述基准图像和所述待配准图像之间的配准特征点对。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的特征点匹配方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，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7任一项所述的特征点匹配方法。
CN202210178765.9A 2022-02-25 2022-02-25 特征点匹配方法、装置、电子设备和存储介质 Pending CN114723791A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210178765.9A CN114723791A (zh) 2022-02-25 2022-02-25 特征点匹配方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210178765.9A CN114723791A (zh) 2022-02-25 2022-02-25 特征点匹配方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114723791A true CN114723791A (zh) 2022-07-08

Family

ID=82236377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210178765.9A Pending CN114723791A (zh) 2022-02-25 2022-02-25 特征点匹配方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114723791A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665655A (zh) * 2022-10-24 2023-01-31 兰州理工大学 一种用于各向异性无线传感器网络的定位方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665655A (zh) * 2022-10-24 2023-01-31 兰州理工大学 一种用于各向异性无线传感器网络的定位方法

Similar Documents

Publication Publication Date Title
WO2018108129A1 (zh) 用于识别物体类别的方法及装置、电子设备
CN109740606B (zh) 一种图像识别方法及装置
CN111767819B (zh) 一种图像识别方法、装置、电子设备和计算机可读介质
CN110766708B (zh) 基于轮廓相似度的图像比较方法
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
CN111814804B (zh) 基于ga-bp-mc神经网络的人体三维尺寸信息预测方法及装置
CN112085701A (zh) 一种人脸模糊度检测方法、装置、终端设备及存储介质
CN110738695A (zh) 一种基于局部变换模型的图像特征点误匹配剔除方法
CN108133218A (zh) 红外目标检测方法、设备及介质
CN111353325A (zh) 关键点检测模型训练方法及装置
CN112364747A (zh) 一种有限样本下的目标检测方法
CN112364974A (zh) 一种基于激活函数改进的YOLOv3算法
CN112015935A (zh) 图像搜索方法、装置、电子设备及存储介质
CN114723791A (zh) 特征点匹配方法、装置、电子设备和存储介质
CN113128518B (zh) 基于孪生卷积网络和特征混合的sift误匹配检测方法
CN111159481A (zh) 图数据的边预测方法、装置及终端设备
CN107274425A (zh) 一种基于脉冲耦合神经网络的彩色图像分割方法及装置
CN117992765A (zh) 基于动态新兴标记的偏标签学习方法、装置、设备及介质
CN107610120B (zh) 一种多尺度建筑物面实体匹配方法及系统
CN112183336A (zh) 表情识别模型训练方法、装置、终端设备及存储介质
CN109978043B (zh) 一种目标检测方法及装置
CN111104922A (zh) 一种基于有序抽样的特征匹配算法
CN111291712A (zh) 基于插值的cn和胶囊网络的森林火灾识别方法及装置
CN111161280B (zh) 一种基于神经网络的轮廓演化分割方法
CN114743048A (zh) 检测异常秸秆图片的方法和检测装置

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