一种基于单端点特征描述的线段匹配方法转让专利

申请号 : CN201510556221.1

文献号 : CN105118062B

文献日 :

基本信息:

PDF:

法律信息:

相似专利:

发明人 : 林秋华曹建超田敏

申请人 : 大连理工大学

摘要 :

本发明提供了一种基于单端点特征描述的线段匹配方法,其将线段的一个端点作为主特征点,另一端点作为辅特征点,构建特征描述单元;将特定的线段方向作为特征单元的参考方向,构建特征描述子,进行主特征点匹配;通过两条线段任一端点的匹配关系确定两条线段的匹配关系,最后利用匹配特征点的几何验证来完成线段匹配正确性的验证。本发明大大简化了算法的计算复杂度,显著提升了匹配速度。只要两幅图像对应线段上的任何一个端点或者断点之间能够匹配,则两条线段或者线段的子线段就能够匹配。用线段方向作为描述子的参考方向,解决了根据邻域梯度计算参考方向的模糊性问题,消除了端点相近但方向不同两条线段的错误匹配,提高了线段匹配的鲁棒性。

权利要求 :

1.一种基于单端点特征描述的线段匹配方法,其特征在于以下步骤:

第一步:输入两幅待匹配图像;

第二步:构建尺度空间;采用SIFT算法中的方法,分别将两幅待匹配图像连续地进行NUM次二分之一降采样处理,构建图像金字塔;

第三步:LSD线段检测;使用LSD算法,分别在两幅待匹配图像金字塔的每层图像中检测线段,设定第i层图像线段长度的检测阈值为THi,剔除该层中长度小于THi的线段:式中LEN_TH为初始长度控制阈值;

第四步:构建特征描述单元集合;对于一条线段P1P2的两个端点,一个记作主特征点PM,另一个记作辅特征点PA;一条线段的一个特征描述单元{PM,PA}包括一个主特征点加上对应的辅特征点,每一条线段能够构建两个特征描述单元:一是以端点P1为主特征点构建的特征描述单元{PM=P1,PA=P2},二是以端点P2为主特征点构建的特征描述单元{PM=P2,PA=P1};

第五步:构建描述子;首先确定每个特征描述单元的参考方向;设线段P1P2的两个端点坐标分别为P1(x1,y1)和P2(x2,y2),x1

然后,为每一个特征描述单元{PM,PA}构建描述子:采用SIFT构建描述子的方法,根据特征描述单元{PM,PA}的参考方向,以PM为中心确定描述子的支撑区域,将支撑区域划分成4×

4个子区域,计算每个子区域中所有像素的梯度,根据梯度方向相对于参考方向的偏转角,将梯度值映射到八个方向上进行累积,将16个子区域的八个方向上累积的梯度值按照一定的顺序进行排列,同时对描述子进行归一化和量化处理,形成128维特征描述子;

第六步:特征匹配;通过扫描遍历的方法进行匹配判断;采用SIFT算法,计算一幅图像中每个描述子在另一幅图像描述子集合中的最近距离和次近距离,同时计算每个描述子最近距离与次近距离的比值,如果该比值小于设定的阈值TH,则认为具有最近距离的两个主特征点及主特征点所在线段均存在匹配关系;

第七步:剔除错误匹配;使用RANSAC算法对PM之间的匹配关系进行正确性验证,剔除两个端点均存在错误匹配的线段,得到正确的线段匹配关系;

第八步:输出匹配结果。

2.根据权利要求1所述的线段匹配方法,其特征在于,降采样处理次数NUM取4~6;初始长度控制阈值 w和h分别是图像的宽和高;描述子匹配阈值

0.4

说明书 :

一种基于单端点特征描述的线段匹配方法

技术领域

[0001] 本发明涉及计算机视觉领域,特别是涉及一种基于单端点特征描述的线段匹配方法。

背景技术

[0002] 图像匹配将不同时间、不同角度、不同传感器或者不同拍摄条件下得到的两幅图像进行对应,在视觉导航、目标识别、定位与跟踪、遥感图像处理、三维重建等领域不可或缺。图像匹配可以通过点匹配、线段匹配、三角形匹配等方式实现。截止目前,线段匹配的发展落后于点匹配,不但在数量方面非常有限,在性能上也存在着计算量大、速度慢、鲁棒性差、缺乏正确性验证等问题。究其原因,是因为线段匹配研究存在诸多难点,典型有三。其一,很难保证线段的两个端点都足够准确。其二,在进行线段检测时,一条线段可能被分割成多条子线段,也就是说,同一条线段可以表现得长短不一,很难通过长度信息确定线段之间的匹配关系。其三,线段匹配的正确性难于使用几何约束方法进行检验。

发明内容

[0003] 本发明的目的在于,提供一种新的线段匹配方法,降低特征描述的复杂度,同时提高特征描述的鲁棒性,并提供正确性验证功能,解决现有算法计算量大、速度慢、鲁棒性差、缺乏正确性检验等问题。
[0004] 本发明的技术方案是,将线段的一个端点作为主特征点,将另一个端点作为辅特征点,构建特征描述单元;将特定的线段方向作为特征描述单元的参考方向,构建特征描述子,进行主特征点匹配;通过两条线段任一端点的匹配关系来确定两条线段的匹配关系,最后利用匹配特征点的几何验证来完成线段匹配正确性的验证。具体步骤如下:
[0005] 第一步:输入两幅待匹配图像。
[0006] 第二步:构建尺度空间。采用SIFT算法中的方法,分别将两幅待匹配图像连续地进行NUM次二分之一降采样处理,构建图像金字塔。NUM为降采样处理的次数,取为4~6。
[0007] 第三步:LSD线段检测。使用LSD(Line Segment Detection)算法,分别在两幅待匹配图像金字塔的每层图像中检测线段,与此同时,设定第i层图像线段长度的检测阈值为THi,剔除该层中长度小于THi的线段。THi定义为
[0008]
[0009] 式中LEN_TH为初始长度控制阈值, w和h分别是图像的宽和高。
[0010] 第四步:构建特征描述单元集合。对于一条线段P1P2的两个端点,一个记作主特征点PM,另一个记作辅特征点PA。一条线段的一个特征描述单元{PM,PA}包括一个主特征点加上对应的辅特征点。所以,每一条线段能够构建两个特征描述单元:一是以端点P1为主特征点构建的特征描述单元{PM=P1,PA=P2},二是以端点P2为主特征点构建的特征描述单元{PM=P2,PA=P1}。
[0011] 第五步:构建描述子。首先,确定每个特征描述单元的参考方向。设线段P1P2的两个端点坐标分别为P1(x1,y1)和P2(x2,y2),x1
[0012] 接下来,为每一个特征描述单元{PM,PA}构建描述子。采用SIFT构建描述子的方法,根据特征描述单元{PM,PA}的参考方向,以PM为中心确定描述子的支撑区域,将支撑区域划分成4×4个子区域,计算每个子区域中所有像素的梯度,根据梯度方向相对于参考方向的偏转角,将梯度值映射到八个方向上进行累积,将16个子区域的八个方向上累积的梯度值按照一定的顺序进行排列,同时对描述子进行归一化和量化处理,形成128维特征描述子。
[0013] 第六步:特征匹配。通过扫描遍历的方法进行匹配判断。采用SIFT算法的做法,计算一幅图像中每个描述子在另一幅图像描述子集合中的最近距离和次近距离,同时计算每个描述子最近距离与次近距离的比值,如果该比值小于设定的阈值TH,0.4
[0014] 第七步:剔除错误匹配。使用RANSAC算法对PM之间的匹配关系进行正确性验证,剔除两个端点均存在错误匹配的线段,得到正确的线段匹配关系。
[0015] 第八步:输出匹配结果。
[0016] 本发明将稳定的点匹配方法引入到线段匹配方法中。通过引入主辅特征点构成的特征单元,以及新的参考方向计算方法,大大简化了线段匹配的过程和计算复杂度,显著提升了线段匹配速度。本发明不要求线段的两个端点均相同,只要两幅图像对应线段上的任何一个端点或者断点之间能够匹配,则两条线段或者线段的子线段就能够匹配,减少了线段匹配算法对线段双端点检测准确性的依赖程度。而且,本发明用线段的方向作为描述子的参考方向,很好地解决了根据邻域梯度计算描述子参考方向的模糊性问题,同时能消除端点相近但方向不同的两条线段的错误匹配情况,提高了线段匹配的鲁棒性。最后,本发明利用点匹配的正确性验证方法,实现了对线段匹配的正确性验证,解决了线段匹配的正确性难于使用几何约束方法进行检验的问题。

附图说明

[0017] 图1是本发明的流程图。
[0018] 图2是描述子构建示意图。

具体实施方式

[0019] 现有两幅局部存在相同结构的待匹配图像。采用本发明进行两幅图像线段匹配的流程如图1所示。
[0020] 第一步:输入两幅待匹配图像。
[0021] 第二步:构建尺度空间。采用SIFT算法中的方法,分别将两幅待匹配图像连续地进行5次二分之一降采样处理,构建图像金字塔。
[0022] 第三步:LSD线段检测。分别在两幅待匹配图像金字塔的每层图像中使用LSD算法检测线段,剔除第i层图像中长度小于THi的线段,THi=20/i,1≤i≤5,LEN_TH=20。
[0023] 第四步:构建特征描述单元集合。对于每一条线段如P1P2构建两个特征描述单元:一个以端点P1为主特征点{PM=P1,PA=P2},另一个以端点P2为主特征点{PM=P2,PA=P1}。
[0024] 第五步:构建描述子。如图2所示,首先确定每个特征描述单元的参考方向。已知线段P1P2的两个端点坐标分别为P1(x1,y1)和P2(x2,y2),x1
[0025] 然后,采用SIFT中的方法为每一个特征描述单元构建描述子。附图2示例了{PM=P1,PA=P2}的描述子构建方式。根据其参考方向 以P1为中心确定描述子的支撑区域,将支撑区域划分成4×4个子区域,计算每个子区域中所有像素的梯度,根据梯度方向相对于参考方向 的偏转角,将梯度值映射到八个方向上进行累积,将16个子区域的八个方向上累积的梯度值按照一定的顺序进行排列,同时对描述子进行归一化和量化处理,形成128维特征描述子。采用同样的方法构建{PM=P2,PA=P1}以及其他特征描述单元的描述子。
[0026] 第六步:特征匹配。通过扫描遍历的方法进行匹配判断。采用SIFT做法,计算一幅图像中每个描述子在另一幅图像描述子集合中的最近距离和次近距离,同时计算每个描述子最近距离与次近距离的比值,如果该比值小于0.49,则认为具有最近距离的两个主特征点及主特征点所在线段均存在匹配关系。
[0027] 第七步:剔除错误匹配。使用RANSAC算法对PM之间的匹配关系进行正确性验证,剔除两个端点均存在错误匹配的线段,得到正确的线段匹配关系。
[0028] 第八步:输出匹配结果。