本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種基于特征的圖像匹配方法和裝置。

背景技術(shù)：

圖像匹配是圖像處理領(lǐng)域常見的基礎(chǔ)問題，是調(diào)整兩幅圖像的幾何關(guān)系，使來自不同時(shí)間、不同傳感器或不同角度的同一場(chǎng)景的圖像在空間上一致；對(duì)于行駛在未知區(qū)域中的無人駕駛車而言，圖像匹配在實(shí)現(xiàn)無人駕駛車位置姿態(tài)預(yù)測(cè)有著廣泛的應(yīng)用價(jià)值。

目前，基于特征的圖像匹配方法是目前應(yīng)用最廣泛的圖像匹配方法，并且主要是通過SIFT(Scale-invariant feature transform，尺度不變特征變換)算法提取待匹配的兩個(gè)目標(biāo)圖像的特征點(diǎn)，并根據(jù)兩個(gè)目標(biāo)圖像的特征點(diǎn)進(jìn)行圖像匹配。

現(xiàn)有技術(shù)至少存在以下問題：

由于SIFT算法需要大量的卷積計(jì)算和直方圖統(tǒng)計(jì)，導(dǎo)致計(jì)算復(fù)雜度很高，因此，通過上述方法進(jìn)行圖像匹配的效率低。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種基于特征的圖像匹配方法和裝置。技術(shù)方案如下：

一種基于特征的圖像匹配方法，所述方法包括：

獲取待匹配的第一目標(biāo)圖像和第二目標(biāo)圖像；

通過Harris算法分別獲取所述第一目標(biāo)圖像的角點(diǎn)和所述第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合；

通過尺度不變特征變換SIFT算法分別從所述第一角點(diǎn)集合和所述第二角點(diǎn)集合中提取所述第一目標(biāo)圖像的特征點(diǎn)和所述第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合；

分別獲取所述第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和所述第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；

根據(jù)所述每個(gè)第一特征點(diǎn)的特征描述子和所述每個(gè)第二特征點(diǎn)的特征描述子，對(duì)所述每個(gè)第一特征點(diǎn)和所述每個(gè)第二特征點(diǎn)進(jìn)行匹配。

可選的，所述通過Harris算法分別獲取所述第一目標(biāo)圖像的角點(diǎn)和所述第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合，包括：

分別獲取所述第一目標(biāo)圖像中的第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)和所述第二目標(biāo)圖像中的第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)，所述第一目標(biāo)像素點(diǎn)為所述第一目標(biāo)圖像中的任意像素點(diǎn)，所述第二目標(biāo)像素點(diǎn)為所述第二目標(biāo)圖像中的任意像素點(diǎn)；

根據(jù)所述第一窗口函數(shù)和所述第二窗口函數(shù)，分別計(jì)算所述第一目標(biāo)圖像在所述第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)和所述第二目標(biāo)圖像在所述第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)；

根據(jù)所述第一局部自相關(guān)函數(shù)和所述第二局部自相關(guān)函數(shù)，分別計(jì)算所述第一目標(biāo)像素點(diǎn)的第一響應(yīng)函數(shù)和所述第二目標(biāo)像素點(diǎn)的第二響應(yīng)函數(shù)；

根據(jù)所述第一響應(yīng)函數(shù)和所述第二響應(yīng)函數(shù)，分別確定所述第一目標(biāo)像素點(diǎn)和所述第二目標(biāo)像素點(diǎn)是否為角點(diǎn)；

如果所述第一目標(biāo)像素點(diǎn)為角點(diǎn)，將所述第一目標(biāo)像素點(diǎn)添加到第一角點(diǎn)集合中，以及，如果所述第二目標(biāo)像素點(diǎn)為角點(diǎn)，將所述第二目標(biāo)像素點(diǎn)添加到第二角點(diǎn)集合中。

可選的，所述通過尺度不變特征變換SIFT算法分別從所述第一角點(diǎn)集合和所述第二角點(diǎn)集合中提取所述第一目標(biāo)圖像的特征點(diǎn)和所述第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合，包括：

根據(jù)所述第一角點(diǎn)集合和所述第一角點(diǎn)集合分別建立所述第一角點(diǎn)集合對(duì)應(yīng)的第一高斯金字塔圖像集合和第一角點(diǎn)檢測(cè)DoG金字塔圖像集合，以及，所述第二角點(diǎn)集合對(duì)應(yīng)的第二高斯金字塔圖像集合和第二DoG金字塔圖像集合；

根據(jù)所述第一高斯金字塔圖像集合和所述第一DoG金字塔圖像集合，在所述第一角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合；

根據(jù)所述第二高斯金字塔圖像集合和所述第二DoG金字塔圖像集合，在所述第二角點(diǎn)集合中選擇特征點(diǎn)組成第二特征點(diǎn)集合。

可選的，所述分別獲取所述第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和所述第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子，包括：

分別獲取所述第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的方向和所述第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的方向；

根據(jù)所述每個(gè)第一特征點(diǎn)的方向和所述每個(gè)第二特征點(diǎn)的方向，分別生成所述每個(gè)第一特征點(diǎn)的特征描述子和所述每個(gè)第二特征點(diǎn)的特征描述子。

可選的，所述根據(jù)所述每個(gè)第一特征點(diǎn)的特征描述子和所述每個(gè)第二特征點(diǎn)的特征描述子，對(duì)所述每個(gè)第一特征點(diǎn)和所述每個(gè)第二特征點(diǎn)進(jìn)行匹配，包括：

分別計(jì)算所述每個(gè)第一特征點(diǎn)的特征描述子與所述每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離；

將歐式距離最小的第一特征點(diǎn)和第二特征點(diǎn)確定為一組匹配點(diǎn)。

一種基于特征的圖像匹配裝置，所述裝置包括：

第一獲取模塊，用于獲取待匹配的第一目標(biāo)圖像和第二目標(biāo)圖像；

第二獲取模塊，用于通過Harris算法分別獲取所述第一目標(biāo)圖像的角點(diǎn)和所述第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合；

提取模塊，用于通過尺度不變特征變換SIFT算法分別從所述第一角點(diǎn)集合和所述第二角點(diǎn)集合中提取所述第一目標(biāo)圖像的特征點(diǎn)和所述第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合；

第三獲取模塊，用于分別獲取所述第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和所述第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；

匹配模塊，用于根據(jù)所述每個(gè)第一特征點(diǎn)的特征描述子和所述每個(gè)第二特征點(diǎn)的特征描述子，對(duì)所述每個(gè)第一特征點(diǎn)和所述每個(gè)第二特征點(diǎn)進(jìn)行匹配。

可選的，所述第二獲取模塊，包括：

第一獲取單元，用于分別獲取所述第一目標(biāo)圖像中的第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)和所述第二目標(biāo)圖像中的第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)，所述第一目標(biāo)像素點(diǎn)為所述第一目標(biāo)圖像中的任意像素點(diǎn)，所述第二目標(biāo)像素點(diǎn)為所述第二目標(biāo)圖像中的任意像素點(diǎn)；

第一計(jì)算單元，用于根據(jù)所述第一窗口函數(shù)和所述第二窗口函數(shù)，分別計(jì)算所述第一目標(biāo)圖像在所述第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)和所述第二目標(biāo)圖像在所述第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)；

第二計(jì)算單元，用于根據(jù)所述第一局部自相關(guān)函數(shù)和所述第二局部自相關(guān)函數(shù)，分別計(jì)算所述第一目標(biāo)像素點(diǎn)的第一響應(yīng)函數(shù)和所述第二目標(biāo)像素點(diǎn)的第二響應(yīng)函數(shù)；

第一確定單元，用于根據(jù)所述第一響應(yīng)函數(shù)和所述第二響應(yīng)函數(shù)，分別確定所述第一目標(biāo)像素點(diǎn)和所述第二目標(biāo)像素點(diǎn)是否為角點(diǎn)；

添加單元，用于如果所述第一目標(biāo)像素點(diǎn)為角點(diǎn)，將所述第一目標(biāo)像素點(diǎn)添加到第一角點(diǎn)集合中，以及，如果所述第二目標(biāo)像素點(diǎn)為角點(diǎn)，將所述第二目標(biāo)像素點(diǎn)添加到第二角點(diǎn)集合中。

可選的，所述提取模塊，包括：

建立單元，用于根據(jù)所述第一角點(diǎn)集合和所述第一角點(diǎn)集合分別建立所述第一角點(diǎn)集合對(duì)應(yīng)的第一高斯金字塔圖像集合和第一角點(diǎn)檢測(cè)DoG金字塔圖像集合，以及，所述第二角點(diǎn)集合對(duì)應(yīng)的第二高斯金字塔圖像集合和第二DoG金字塔圖像集合；

第一選擇單元，用于根據(jù)所述第一高斯金字塔圖像集合和所述第一DoG金字塔圖像集合，在所述第一角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合；

第二選擇單元，用于根據(jù)所述第二高斯金字塔圖像集合和所述第二DoG金字塔圖像集合，在所述第二角點(diǎn)集合中選擇特征點(diǎn)組成第二特征點(diǎn)集合。

可選的，所述第三獲取模塊，包括：

第二獲取單元，用于分別獲取所述第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的方向和所述第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的方向；

生成單元，用于根據(jù)所述每個(gè)第一特征點(diǎn)的方向和所述每個(gè)第二特征點(diǎn)的方向，分別生成所述每個(gè)第一特征點(diǎn)的特征描述子和所述每個(gè)第二特征點(diǎn)的特征描述子。

可選的，所述匹配模塊，包括：

第三計(jì)算單元，用于分別計(jì)算所述每個(gè)第一特征點(diǎn)的特征描述子與所述每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離；

第二確定單元，用于將歐式距離最小的第一特征點(diǎn)和第二特征點(diǎn)確定為一組匹配點(diǎn)。

在本發(fā)明實(shí)施例中，通過Harris算法獲取第一目標(biāo)圖像對(duì)應(yīng)的第一角點(diǎn)集合和第二目標(biāo)圖像對(duì)應(yīng)的第二角點(diǎn)集合，然后通過SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合和第二特征點(diǎn)集合，分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。由于本發(fā)明結(jié)合了Harris算法和SIFT算法進(jìn)行圖像匹配，通過SIFT算法進(jìn)行特征點(diǎn)提取時(shí)，直接從第一角點(diǎn)集合和第二角點(diǎn)集合中進(jìn)行提取，從而減少了特征點(diǎn)的數(shù)量，降低了算法復(fù)雜度，提高了特征點(diǎn)提取速度，從而提高了匹配效率。

附圖說明

圖1是本發(fā)明實(shí)施例1提供的一種基于特征的圖像匹配的方法流程圖；

圖2-1是本發(fā)明實(shí)施例2提供的一種基于特征的圖像匹配的方法流程圖；

圖2-2是本發(fā)明實(shí)施例2提供的一種提取特征點(diǎn)的示意圖；

圖2-3是本發(fā)明實(shí)施例2提供的一種特征點(diǎn)的相鄰區(qū)域；

圖2-4是本發(fā)明實(shí)施例2提供的一種以特征點(diǎn)為中心選取區(qū)域的示意圖；

圖3是本發(fā)明實(shí)施例3提供的一種基于特征的圖像匹配的裝置結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

實(shí)施例1

本發(fā)明實(shí)施例提供了一種基于特征的圖像匹配方法，該方法的執(zhí)行主體可以為車載終端或者任意具有計(jì)算功能的終端；在本發(fā)明實(shí)施例中，以執(zhí)行主體為終端為例進(jìn)行說明，參見圖1，該方法包括：

步驟101：獲取待匹配的第一目標(biāo)圖像和第二目標(biāo)圖像。

步驟102：通過Harris算法分別獲取第一目標(biāo)圖像的角點(diǎn)和第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合。

步驟103：通過尺度不變特征變換SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中提取第一目標(biāo)圖像的特征點(diǎn)和第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合。

步驟104：分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子。

步驟105：根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。

在本發(fā)明實(shí)施例中，通過Harris算法獲取第一目標(biāo)圖像對(duì)應(yīng)的第一角點(diǎn)集合和第二目標(biāo)圖像對(duì)應(yīng)的第二角點(diǎn)集合，然后通過SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合和第二特征點(diǎn)集合，分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。由于本發(fā)明結(jié)合了Harris算法和SIFT算法進(jìn)行圖像匹配，通過SIFT算法進(jìn)行特征點(diǎn)提取時(shí)，直接從第一角點(diǎn)集合和第二角點(diǎn)集合中進(jìn)行提取，從而減少了特征點(diǎn)的數(shù)量，降低了算法復(fù)雜度，提高了特征點(diǎn)提取速度，從而提高了匹配效率。

實(shí)施例2

本發(fā)明實(shí)施例提供了一種基于特征的圖像匹配方法，該方法的執(zhí)行主體可以為車載終端或者任意具有計(jì)算功能的終端；在本發(fā)明實(shí)施例中，以執(zhí)行主體為終端為例進(jìn)行說明，參見圖2-1，該方法包括：

步驟201：獲取待匹配的第一目標(biāo)圖像和第二目標(biāo)圖像。

在本步驟中，終端可以采集第一目標(biāo)圖像和第二目標(biāo)圖像，也可以接收除該終端之外的其他終端傳輸?shù)牡谝荒繕?biāo)圖像和第二目標(biāo)圖像；在本發(fā)明實(shí)施例中，對(duì)獲取第一目標(biāo)圖像和第二目標(biāo)圖像的方法不作具體限定。

步驟202：通過Harris算法分別獲取第一目標(biāo)圖像的角點(diǎn)和第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合。

Harris(一種角點(diǎn)檢測(cè)算法名稱)算法是以Moravec(一種角點(diǎn)檢測(cè)算法名稱)算法為基礎(chǔ)的，通過微分計(jì)算和自相關(guān)函數(shù)來檢測(cè)角點(diǎn)。Harris算法的原理是以目標(biāo)像素點(diǎn)為中心的窗口向任意方向以微小位移移動(dòng)，計(jì)算其灰度變化量來判斷該目標(biāo)像素點(diǎn)是否為角點(diǎn)。角點(diǎn)是在水平及垂直方向上均有較大灰度變換的點(diǎn)。

第一角點(diǎn)集合中包括至少一個(gè)角點(diǎn)，第二角點(diǎn)集合包括至少一個(gè)角點(diǎn)。本步驟可以通過以下步驟(1)至(5)實(shí)現(xiàn)，包括：

(1)：分別獲取第一目標(biāo)圖像中的第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)和第二目標(biāo)圖像中的第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)，第一目標(biāo)像素點(diǎn)為第一目標(biāo)圖像中的任意像素點(diǎn)，第二目標(biāo)像素點(diǎn)為第二目標(biāo)圖像中的任意像素點(diǎn)。

本步驟可以通過以下公式(1-1)至(1-3)實(shí)現(xiàn)，包括：

(1-1)：分別獲取第一目標(biāo)像素點(diǎn)的第一權(quán)重以及第二目標(biāo)像素點(diǎn)的第二權(quán)重。

具體地，分別獲取第一目標(biāo)像素點(diǎn)與第一目標(biāo)圖像的中心點(diǎn)之間的第一距離，以及，第二目標(biāo)像素點(diǎn)與第二目標(biāo)圖像的中心點(diǎn)之間的第二距離，根據(jù)第一距離，確定第一目標(biāo)像素點(diǎn)的第一權(quán)重，根據(jù)第二距離，確定第二目標(biāo)像素點(diǎn)的第二權(quán)重。

終端中可以存儲(chǔ)距離和權(quán)重的對(duì)應(yīng)關(guān)系，或者存儲(chǔ)距離范圍和權(quán)重的對(duì)應(yīng)關(guān)系。

當(dāng)終端中存儲(chǔ)距離和權(quán)重的對(duì)應(yīng)關(guān)系時(shí)，根據(jù)第一距離，確定第一目標(biāo)像素點(diǎn)的第一權(quán)重的步驟可以為：

根據(jù)第一距離，從距離和權(quán)重的對(duì)應(yīng)關(guān)系中獲取第一距離對(duì)應(yīng)的權(quán)重作為第一目標(biāo)像素點(diǎn)的第一權(quán)重。

同樣，根據(jù)第二距離，確定第二目標(biāo)像素點(diǎn)的第二權(quán)重的步驟可以為：

根據(jù)第二距離，從距離和權(quán)重的對(duì)應(yīng)關(guān)系中獲取第二距離對(duì)應(yīng)的權(quán)重作為第二目標(biāo)像素點(diǎn)的第二權(quán)重。

當(dāng)終端中存儲(chǔ)距離范圍和權(quán)重的對(duì)應(yīng)關(guān)系時(shí)，根據(jù)第一距離，確定第一目標(biāo)像素點(diǎn)的第一權(quán)重的步驟可以為：

根據(jù)第一距離和終端存儲(chǔ)的距離范圍，確定第一距離所在的距離范圍，根據(jù)第一距離所在的距離范圍，從距離范圍和權(quán)重的對(duì)應(yīng)關(guān)系中獲取第一距離所在的距離范圍對(duì)應(yīng)的權(quán)重作為第一目標(biāo)像素點(diǎn)的第一權(quán)重。

同樣，根據(jù)第二距離，確定第二目標(biāo)像素點(diǎn)的第二權(quán)重的步驟可以為：

根據(jù)第二距離和終端存儲(chǔ)的距離范圍，確定第二距離所在的距離范圍，根據(jù)第二距離所在的距離范圍，從距離范圍和權(quán)重的對(duì)應(yīng)關(guān)系中獲取第二距離所在的距離范圍對(duì)應(yīng)的權(quán)重作為第二目標(biāo)像素點(diǎn)的第二權(quán)重。

需要說明的是，距離和權(quán)重成反比；也即第一距離越小，第一權(quán)重越大；同樣，第二距離越小，第二權(quán)重越大。

在本步驟中獲取第一權(quán)重和第二權(quán)重，后續(xù)根據(jù)第一權(quán)重和第二權(quán)重獲取第一窗口函數(shù)和第二窗口函數(shù)，能夠消除第一目標(biāo)圖像和第二目標(biāo)圖像中的孤立點(diǎn)，避免這些孤立點(diǎn)被誤選為角點(diǎn)。

(1-2)：根據(jù)第一權(quán)重和第一目標(biāo)像素點(diǎn)的位置，計(jì)算第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)。

根據(jù)第一權(quán)重和第一目標(biāo)像素點(diǎn)的位置，通過以下公式(1)計(jì)算第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)。

w1(x1,y1)＝exp[-(x1²+y1²)/2σ1²] 公式(1)

w1(x1,y1)為第一窗口函數(shù)，x₁為第一目標(biāo)像素點(diǎn)的橫坐標(biāo)，y₁為第一目標(biāo)像素點(diǎn)的縱坐標(biāo)，σ1為第一權(quán)重。

(1-3)：根據(jù)第二權(quán)重和第二目標(biāo)像素點(diǎn)的位置，計(jì)算第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)。

根據(jù)第二權(quán)重和第二目標(biāo)像素點(diǎn)的位置，通過以下公式(2)計(jì)算第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)。

w2(x2,y2)＝exp[-(x2²+y2²)/2σ2²] 公式(2)

w2(x2,y2)為第二窗口函數(shù)，x2為第二目標(biāo)像素點(diǎn)的橫坐標(biāo)，y2為第二目標(biāo)像素點(diǎn)的縱坐標(biāo)，σ2為第二權(quán)重。

(2)：根據(jù)第一窗口函數(shù)和第二窗口函數(shù)，分別計(jì)算第一目標(biāo)圖像在第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)和第二目標(biāo)圖像在第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)。

本步驟可以通過以下步驟(2-1)至(2-4)實(shí)現(xiàn)，包括：

(2-1)：以第一目標(biāo)像素點(diǎn)為中心的窗口在水平方向和豎直方向分別移動(dòng)u和v，計(jì)算第一灰度變換量。

本步驟可以通過以下公式(3)實(shí)現(xiàn)。

E1(u,v)為第一灰度變換量，I_x1x1為第一目標(biāo)像素點(diǎn)的橫坐標(biāo)的二階導(dǎo)數(shù)，I_y1y1為第一目標(biāo)像素點(diǎn)的縱坐標(biāo)的二階導(dǎo)數(shù)，I_x1y1為第一目標(biāo)像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)的導(dǎo)數(shù)。

(2-2)：根據(jù)第一灰度變換量，計(jì)算第一目標(biāo)圖像在第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)。

根據(jù)第一灰度變換量，將第一灰度變換量中的移動(dòng)變量u和v去除，得到第一目標(biāo)圖像在第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)，具體可以通過以下公式(4)實(shí)現(xiàn)。

M1為第一局部自相關(guān)函數(shù)。

需要說明的是，對(duì)于第一目標(biāo)圖像中的每個(gè)第一目標(biāo)像素點(diǎn)都通過以上步驟(2-1)和(2-2)計(jì)算第一目標(biāo)圖像在每個(gè)第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)。

(2-3)：以第二目標(biāo)像素點(diǎn)為中心的窗口在水平方向和豎直方向分別移動(dòng)u和v，計(jì)算第二灰度變換量。

本步驟可以通過以下公式(5)實(shí)現(xiàn)。

E2(u,v)為第二灰度變換量，I_x2x2為第二目標(biāo)像素點(diǎn)的橫坐標(biāo)的二階導(dǎo)數(shù)，I_y2y2為第二目標(biāo)像素點(diǎn)的縱坐標(biāo)的二階導(dǎo)數(shù)，I_x2y2為第二目標(biāo)像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)的導(dǎo)數(shù)。

(2-4)：根據(jù)第二灰度變換量，計(jì)算第二目標(biāo)圖像在第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)。

根據(jù)第二灰度變換量，將第二灰度變換量中的移動(dòng)變量u和v去除，得到第二目標(biāo)圖像在第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)，具體可以通過以下公式(6)實(shí)現(xiàn)。

M2為第二局部自相關(guān)函數(shù)。

需要說明的是，對(duì)于第二目標(biāo)圖像中的每個(gè)第二像素點(diǎn)都通過以上步驟(2-3)和(2-4)計(jì)算第二目標(biāo)圖像在每個(gè)第二像素點(diǎn)的第二局部自相關(guān)函數(shù)。

(3)：根據(jù)第一局部自相關(guān)函數(shù)和第二局部自相關(guān)函數(shù)，分別計(jì)算第一目標(biāo)像素點(diǎn)的第一響應(yīng)函數(shù)和第二目標(biāo)像素點(diǎn)的第二響應(yīng)函數(shù)。

根據(jù)第一局部自相關(guān)函數(shù)，通過以下公式(7)計(jì)算第一目標(biāo)像素點(diǎn)的第一響應(yīng)函數(shù)，根據(jù)第二局部自相關(guān)函數(shù)，通過以下公式(8)計(jì)算第二目標(biāo)像素點(diǎn)的第二響應(yīng)函數(shù)。

R1＝det(M1)-ktr²(M1) 公式(7)

R2＝det(M2)-ktr²(M2) 公式(8)

R1為第一響應(yīng)函數(shù)，det(M1)為矩陣M1的行列式，tr(M1)為矩陣的跡，k＝[0.04,0.06]。R2為第二響應(yīng)函數(shù)，det(M2)為矩陣M2的行列式，tr(M2)為矩陣的跡。

(4)：根據(jù)第一響應(yīng)函數(shù)和第二響應(yīng)函數(shù)，分別確定第一目標(biāo)像素點(diǎn)和第二目標(biāo)像素點(diǎn)是否為角點(diǎn)。

根據(jù)第一響應(yīng)函數(shù)，確定第一目標(biāo)像素點(diǎn)的第一響應(yīng)度，分別獲取第一目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度；確定第一響應(yīng)度是否大于第一目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，如果第一響應(yīng)度大于第一目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，確定第一目標(biāo)像素點(diǎn)為角點(diǎn)；如果第一響應(yīng)度不大于第一目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，確定第一目標(biāo)像素點(diǎn)不為角點(diǎn)。

根據(jù)第二響應(yīng)函數(shù)，確定第二目標(biāo)像素點(diǎn)的第二響應(yīng)度，分別獲取第二目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度；確定第二響應(yīng)度是否大于第二目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，如果第二響應(yīng)度大于第二目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，確定第二目標(biāo)像素點(diǎn)為角點(diǎn)；如果第二響應(yīng)度不大于第二目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的響應(yīng)度，確定第二目標(biāo)像素點(diǎn)不為角點(diǎn)。

在本發(fā)明實(shí)施例中，可以采用8領(lǐng)域非最大值抑制來確定第一目標(biāo)像素點(diǎn)或者第二目標(biāo)像素點(diǎn)是否為角點(diǎn)。也即第一目標(biāo)像素點(diǎn)有8個(gè)相鄰的像素點(diǎn)，第二目標(biāo)像素點(diǎn)也有8個(gè)相鄰的像素點(diǎn)。例如，參見圖2-2，像素點(diǎn)X(實(shí)心圓)為第一目標(biāo)像素點(diǎn)(或者第二目標(biāo)像素點(diǎn))，8個(gè)相鄰像素點(diǎn)(空心圓)為第一目標(biāo)像素點(diǎn)(或者第二目標(biāo)像素點(diǎn))相鄰的像素點(diǎn)。

(5)：如果第一目標(biāo)像素點(diǎn)為角點(diǎn)，將第一目標(biāo)像素點(diǎn)添加到第一角點(diǎn)集合中，以及，如果第二目標(biāo)像素點(diǎn)為角點(diǎn)，將第二目標(biāo)像素點(diǎn)添加到第二角點(diǎn)集合中。

步驟203：通過SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中提取第一目標(biāo)圖像的特征點(diǎn)和第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合。

本步驟可以通過以下步驟(1)至(3)實(shí)現(xiàn)，包括：

(1)：根據(jù)第一角點(diǎn)集合和第一角點(diǎn)集合分別建立第一角點(diǎn)集合對(duì)應(yīng)的第一高斯金字塔圖像集合和第一DoG(Difference of Gaussian，角點(diǎn)檢測(cè))金字塔圖像集合，以及，第二角點(diǎn)集合對(duì)應(yīng)的第二高斯金字塔圖像集合和第二DoG金字塔圖像集合。

根據(jù)第一角點(diǎn)集合中的第一角點(diǎn)的位置和第一權(quán)重，通過以下公式(9)計(jì)算第一角點(diǎn)在第一高斯金字塔圖像中的第一像素值，通過以下公式(10)計(jì)算第一角點(diǎn)在第一DoG金字塔圖像中的第二像素值，第一角點(diǎn)為第一角點(diǎn)集合中的任一角點(diǎn)。

L1(x1,y1,σ1)＝G1(x1,y1,σ1)*I(x1,y1) 公式(9)

其中，L1(x1,y1,σ1)為第一像素值，I(x1，y1)為第一角點(diǎn)在第一目標(biāo)圖像中的像素值。

D1(x1,y1,σ1)＝L(x1,y1,kσ1)-L(x1,y1,σ1)

＝(G1(x1,y1,kσ1)-G1(x1,y1,σ1))*I(x1,y1) 公式(10)

其中，D1(x1,y1,σ1)為第二像素值，

根據(jù)第二角點(diǎn)集合中的第二角點(diǎn)的位置和第二權(quán)重，通過以下公式(11)計(jì)算第二角點(diǎn)在第二高斯金字塔圖像中的第三像素值，通過以下公式(12)計(jì)算第二角點(diǎn)在第二DoG金字塔圖像中的第四像素值，第二角點(diǎn)為第二角點(diǎn)集合中的任一角點(diǎn)。

L2(x2,y2,σ2)＝G2(x2,y2,σ2)*I(x2,y2) 公式(11)

其中，L2(x2,y2,σ2)為第三像素值，I(x2，y2)為第二角點(diǎn)在第二目標(biāo)圖像中的像素值。

D2(x2,y2,σ2)＝L(x2,y2,kσ2)-L(x2,y2,σ2)

＝(G2(x2,y2,kσ2)-G2(x2,y2,σ2))*I(x2,y2) 公式(12)

其中，D2(x2,y2,σ2)為第四像素值，

需要說明的是，在本發(fā)明實(shí)施例中，在檢測(cè)到的Harris角點(diǎn)16*16領(lǐng)域內(nèi)建立局部的高斯金字塔和DoG金字塔，而不是在整幅圖像中進(jìn)行處理，這樣可以大大減少所需計(jì)算的像素點(diǎn)的數(shù)目，減少算法計(jì)算量。

(2)：根據(jù)第一高斯金字塔圖像集合和第一DoG金字塔圖像集合，在第一角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合。

在第一高斯金字塔圖像集合和第一DoG金字塔圖像集合中，獲取第一角點(diǎn)在圖像域和尺度域的相鄰像素點(diǎn)的像素值，確定第一角點(diǎn)的像素值是否大于相鄰像素點(diǎn)的像素值，如果大于，確定第一角點(diǎn)為特征點(diǎn)，將第一角點(diǎn)移動(dòng)到第一特征點(diǎn)集合中。

進(jìn)一步地，如果不大于，確定第一角點(diǎn)不為特征點(diǎn)，將第一角點(diǎn)從第一角點(diǎn)集合中刪除。

例如，參見圖2-3，第一角點(diǎn)的相鄰的像素點(diǎn)包括與第一角點(diǎn)在同一尺度域的8個(gè)相鄰像素點(diǎn)、第一角點(diǎn)的上尺度域?qū)?yīng)的9個(gè)像素點(diǎn)，以及，第一角點(diǎn)的下尺度域?qū)?yīng)的9個(gè)像素點(diǎn)，總共26個(gè)相鄰像素點(diǎn)。也即第一角點(diǎn)同時(shí)與26個(gè)相鄰像素點(diǎn)進(jìn)行像素值比較，從而確保在尺度空間和二維圖像空間都檢測(cè)到特征點(diǎn)。

(3)：根據(jù)第二高斯金字塔圖像集合和第二DoG金字塔圖像集合，在第二角點(diǎn)集合中選擇特征點(diǎn)組成第二特征點(diǎn)集合。

在第二高斯金字塔圖像集合和第二DoG金字塔圖像集合中，獲取第二角點(diǎn)在圖像域和尺度域的相鄰像素點(diǎn)的像素值，確定第二角點(diǎn)的像素值是否大于相鄰像素點(diǎn)的像素值，如果大于，確定第二角點(diǎn)為特征點(diǎn)，將第二角點(diǎn)移動(dòng)到第二特征點(diǎn)集合中。

進(jìn)一步地，如果不大于，確定第二角點(diǎn)不為特征點(diǎn)，將第二角點(diǎn)從第二角點(diǎn)集合中刪除。

需要說明的是，對(duì)于第一角點(diǎn)集合中的每個(gè)第一角點(diǎn)以及第二角點(diǎn)集合中的第二角點(diǎn)都按以上步驟(1)-(3)確定每個(gè)第一角點(diǎn)是否為特征點(diǎn)，每個(gè)第二角點(diǎn)是否為特征點(diǎn)，從而生成第一特征點(diǎn)集合和第二特征點(diǎn)集合。

步驟204：分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子。

本步驟可以通過以下步驟(1)至(2)實(shí)現(xiàn)，包括：

(1)：分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的方向和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的方向。

對(duì)于每個(gè)第一特征點(diǎn)，獲取第一特征點(diǎn)的相鄰像素點(diǎn)，按以下公式(13)計(jì)算相鄰像素點(diǎn)的模值，按以下公式(14)計(jì)算相鄰像素點(diǎn)的方向；根據(jù)相鄰像素點(diǎn)的模值和方向，采用統(tǒng)計(jì)直方圖法統(tǒng)計(jì)第一特征點(diǎn)方向。

其中，m1(x3,y3)為第一特征點(diǎn)的相鄰像素點(diǎn)的模值，x3為第一特征點(diǎn)的相鄰像素點(diǎn)的橫坐標(biāo)，y3為第一特征點(diǎn)的相鄰像素點(diǎn)的縱坐標(biāo)，α為一個(gè)柱的角度；θ1(x1,y1)為第一特征點(diǎn)的相鄰像素點(diǎn)與水平方向的夾角。

需要說明的是，L所用的尺度是每個(gè)特征點(diǎn)各自所在的尺度，梯度直方圖的范圍為0～306度，直方圖的峰值則代表了特征點(diǎn)的方向。α可以根據(jù)需要進(jìn)行設(shè)置并更改，在本發(fā)明實(shí)施例中，對(duì)α不作具體限定；例如，可以設(shè)置每45度一個(gè)柱，總共8個(gè)柱，也即α為45度；也可以設(shè)置10度一個(gè)柱，總共36個(gè)柱，也即α為10度。

例如，第一特征點(diǎn)的相鄰像素點(diǎn)有8個(gè)，α為45度；則在本步驟中，分別按照以上公式(13)和(14)獲取8個(gè)相鄰像素點(diǎn)中的每個(gè)相鄰像素點(diǎn)的模值和方向；根據(jù)每個(gè)相鄰像素點(diǎn)方向，統(tǒng)計(jì)8個(gè)柱中的每個(gè)柱中包括的像素點(diǎn)的個(gè)數(shù)，獲取包含像素點(diǎn)個(gè)數(shù)最多的柱中包括的多個(gè)像素點(diǎn)的向量(模值和方向組成向量)，將獲取的多個(gè)像素點(diǎn)的向量相加得到第一特征點(diǎn)的方向。

對(duì)于每個(gè)第二特征點(diǎn)，獲取第二特征點(diǎn)的相鄰像素點(diǎn)，按以下公式(15)計(jì)算相鄰像素點(diǎn)的模值，按以下公式(16)計(jì)算相鄰像素點(diǎn)的方向；根據(jù)相鄰像素點(diǎn)的模值和方向，采用統(tǒng)計(jì)直方圖法統(tǒng)計(jì)第二特征點(diǎn)方向。

其中，m2(x4,y4)為第二特征點(diǎn)的相鄰像素點(diǎn)的模值，x4第二特征點(diǎn)的為相鄰像素點(diǎn)的橫坐標(biāo)，y4為第二特征點(diǎn)的相鄰像素點(diǎn)的縱坐標(biāo)，α為一個(gè)柱的角度；θ1(x1,y1)為第二特征點(diǎn)的相鄰像素點(diǎn)與水平方向的夾角。

(2)：根據(jù)每個(gè)第一特征點(diǎn)的方向和每個(gè)第二特征點(diǎn)的方向，分別生成每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子。

對(duì)于每個(gè)第一特征點(diǎn)或者每個(gè)第二特征點(diǎn)，以該特征點(diǎn)為中心選取一個(gè)16*16大小的區(qū)域，參見圖2-4；在每個(gè)4*4的區(qū)域中計(jì)算8方向的梯度信息，得到4*4*8＝128維的向量，將該128維的向量作為該特征點(diǎn)的特征描述子。

步驟205：根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。

本步驟可以通過以下步驟(1)和(2)實(shí)現(xiàn)，包括：

(1)：分別計(jì)算每個(gè)第一特征點(diǎn)的特征描述子與每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離。

對(duì)于每個(gè)第一特征點(diǎn)，計(jì)算該第一特征點(diǎn)的特征描述子與每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離。

(2)：將歐式距離最小的第一特征點(diǎn)和第二特征點(diǎn)確定為一組匹配點(diǎn)。

在第一特征點(diǎn)的特征描述子與每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離中選擇最小距離，將該最小距離對(duì)應(yīng)的第一特征點(diǎn)和第二特征點(diǎn)確定為一組匹配點(diǎn)。

步驟206：對(duì)匹配點(diǎn)進(jìn)行檢測(cè)，并將錯(cuò)誤匹配點(diǎn)刪除。

采用RANSAC(Random Sample Consensus，基于隨機(jī)采樣一致性)算法對(duì)匹配點(diǎn)進(jìn)行檢測(cè)，具體檢測(cè)過程為現(xiàn)有技術(shù)，在此不再詳細(xì)說明。

在本發(fā)明實(shí)施例中，通過Harris算法獲取第一目標(biāo)圖像對(duì)應(yīng)的第一角點(diǎn)集合和第二目標(biāo)圖像對(duì)應(yīng)的第二角點(diǎn)集合，然后通過SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合和第二特征點(diǎn)集合，分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。由于本發(fā)明結(jié)合了Harris算法和SIFT算法進(jìn)行圖像匹配，通過SIFT算法進(jìn)行特征點(diǎn)提取時(shí)，直接從第一角點(diǎn)集合和第二角點(diǎn)集合中進(jìn)行提取，從而減少了特征點(diǎn)的數(shù)量，降低了算法復(fù)雜度，提高了特征點(diǎn)提取速度，從而提高了匹配效率。

實(shí)施例3

本發(fā)明實(shí)施例提供了一種基于特征的圖像匹配裝置，該裝置用于執(zhí)行實(shí)施例1和實(shí)施例2的基于特征的圖像匹配方法，參見圖3，其中，該裝置包括：

第一獲取模塊301，用于獲取待匹配的第一目標(biāo)圖像和第二目標(biāo)圖像；

第二獲取模塊302，用于通過Harris算法分別獲取第一目標(biāo)圖像的角點(diǎn)和第二目標(biāo)圖像的角點(diǎn)，得到第一角點(diǎn)集合和第二角點(diǎn)集合；

提取模塊303，用于通過尺度不變特征變換SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中提取第一目標(biāo)圖像的特征點(diǎn)和第二目標(biāo)圖像的特征點(diǎn)，得到第一特征點(diǎn)集合和第二特征點(diǎn)集合；

第三獲取模塊304，用于分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；

匹配模塊305，用于根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。

可選的，第二獲取模塊302，包括：

第一獲取單元，用于分別獲取第一目標(biāo)圖像中的第一目標(biāo)像素點(diǎn)的第一窗口函數(shù)和第二目標(biāo)圖像中的第二目標(biāo)像素點(diǎn)的第二窗口函數(shù)，第一目標(biāo)像素點(diǎn)為第一目標(biāo)圖像中的任意像素點(diǎn)，第二目標(biāo)像素點(diǎn)為第二目標(biāo)圖像中的任意像素點(diǎn)；

第一計(jì)算單元，用于根據(jù)第一窗口函數(shù)和第二窗口函數(shù)，分別計(jì)算第一目標(biāo)圖像在第一目標(biāo)像素點(diǎn)的第一局部自相關(guān)函數(shù)和第二目標(biāo)圖像在第二目標(biāo)像素點(diǎn)的第二局部自相關(guān)函數(shù)；

第二計(jì)算單元，用于根據(jù)第一局部自相關(guān)函數(shù)和第二局部自相關(guān)函數(shù)，分別計(jì)算第一目標(biāo)像素點(diǎn)的第一響應(yīng)函數(shù)和第二目標(biāo)像素點(diǎn)的第二響應(yīng)函數(shù)；

第一確定單元，用于根據(jù)第一響應(yīng)函數(shù)和第二響應(yīng)函數(shù)，分別確定第一目標(biāo)像素點(diǎn)和第二目標(biāo)像素點(diǎn)是否為角點(diǎn)；

添加單元，用于如果第一目標(biāo)像素點(diǎn)為角點(diǎn)，將第一目標(biāo)像素點(diǎn)添加到第一角點(diǎn)集合中，以及，如果第二目標(biāo)像素點(diǎn)為角點(diǎn)，將第二目標(biāo)像素點(diǎn)添加到第二角點(diǎn)集合中。

可選的，提取模塊303，包括：

建立單元，用于根據(jù)第一角點(diǎn)集合和第一角點(diǎn)集合分別建立第一角點(diǎn)集合對(duì)應(yīng)的第一高斯金字塔圖像集合和第一角點(diǎn)檢測(cè)DoG金字塔圖像集合，以及，第二角點(diǎn)集合對(duì)應(yīng)的第二高斯金字塔圖像集合和第二DoG金字塔圖像集合；

第一選擇單元，用于根據(jù)第一高斯金字塔圖像集合和第一DoG金字塔圖像集合，在第一角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合；

第二選擇單元，用于根據(jù)第二高斯金字塔圖像集合和第二DoG金字塔圖像集合，在第二角點(diǎn)集合中選擇特征點(diǎn)組成第二特征點(diǎn)集合。

可選的，第三獲取模塊304，包括：

第二獲取單元，用于分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的方向和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的方向；

生成單元，用于根據(jù)每個(gè)第一特征點(diǎn)的方向和每個(gè)第二特征點(diǎn)的方向，分別生成每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子。

可選的，匹配模塊305，包括：

第三計(jì)算單元，用于分別計(jì)算每個(gè)第一特征點(diǎn)的特征描述子與每個(gè)第二特征點(diǎn)的特征描述子之間的歐式距離；

第二確定單元，用于將歐式距離最小的第一特征點(diǎn)和第二特征點(diǎn)確定為一組匹配點(diǎn)。

在本發(fā)明實(shí)施例中，通過Harris算法獲取第一目標(biāo)圖像對(duì)應(yīng)的第一角點(diǎn)集合和第二目標(biāo)圖像對(duì)應(yīng)的第二角點(diǎn)集合，然后通過SIFT算法分別從第一角點(diǎn)集合和第二角點(diǎn)集合中選擇特征點(diǎn)組成第一特征點(diǎn)集合和第二特征點(diǎn)集合，分別獲取第一特征點(diǎn)集合中的每個(gè)第一特征點(diǎn)的特征描述子和第二特征點(diǎn)集合中的每個(gè)第二特征點(diǎn)的特征描述子；根據(jù)每個(gè)第一特征點(diǎn)的特征描述子和每個(gè)第二特征點(diǎn)的特征描述子，對(duì)每個(gè)第一特征點(diǎn)和每個(gè)第二特征點(diǎn)進(jìn)行匹配。由于本發(fā)明結(jié)合了Harris算法和SIFT算法進(jìn)行圖像匹配，通過SIFT算法進(jìn)行特征點(diǎn)提取時(shí)，直接從第一角點(diǎn)集合和第二角點(diǎn)集合中進(jìn)行提取，從而減少了特征點(diǎn)的數(shù)量，降低了算法復(fù)雜度，提高了特征點(diǎn)提取速度，從而提高了匹配效率。

需要說明的是：上述實(shí)施例提供的基于特征的圖像匹配裝置在基于特征的圖像匹配時(shí)，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實(shí)施例提供的基于特征的圖像匹配裝置與基于特征的圖像匹配方法實(shí)施例屬于同一構(gòu)思，其具體實(shí)現(xiàn)過程詳見方法實(shí)施例，這里不再贅述。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。