1，在圖像2中為圖像1中的第一個特征點尋找最近點dl 和次近點d2,前面提到過每個特征點有（sift :128維）特征描述符，通過特征點描述符計 算歐式距離，如果滿足下面公式，那么就認(rèn)為特征i = 1與圖像2中歐式距離最近點匹配。
[0084；
:，：
[0085] 3)重復(fù)步驟2)中i = 2, 3,4..…m，尋找圖像1中其它特征點在圖像2中尋找匹 配對。
[0086] 進(jìn)一步的，所述步驟S103中"特征粗匹配的匹配特征點對數(shù)"是通過K-d樹進(jìn)行 搜索，計算特征粗匹配的匹配特征點對數(shù)。
[0087] 所述K-d樹搜索具體步驟如下：
[0088] 1)確定分裂域，統(tǒng)計它們在每個維上的數(shù)據(jù)方差，選用方差大的維度，數(shù)據(jù)方差 大表明沿該坐標(biāo)軸方向上的數(shù)據(jù)分散得比較開，在這個方向上進(jìn)行數(shù)據(jù)分割有較好的分辨 率；
[0089] 2)確定分裂節(jié)點，數(shù)據(jù)點集按其分裂域的值排序。位于正中間的那個數(shù)據(jù)點被選 為根節(jié)點；
[0090] 3)確定左子空間和右子空間，在分裂域，數(shù)據(jù)大于根節(jié)點作為右子樹，除去根節(jié)點 和右子樹，其余放到左子樹；
[0091] 由上述描述可知，所述k-d樹能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行搜索，并且快速而準(zhǔn)確地找到 查詢點的近鄰。
[0092] 進(jìn)一步的，所述步驟S103中"特征精匹配的匹配特征點對數(shù)"是通過RANSAC算法 進(jìn)行計算特征精匹配的匹配特征點對數(shù)。
[0093] 所述RANSAC算法具體步驟如下：
[0094] 1)假設(shè)特征匹配對的個數(shù)為Pall，從P中隨機(jī)抽取包含η個樣本的P的子集S初 始化模型Μ ;
[0095] 所述模型Μ即是指通過隨機(jī)抽取包含η (η> = 4)個樣本，計算透視變換矩陣Η，將 余下的匹配對子集通過透視變換矩陣Η驗證誤差；
[0096] 驗證誤差過程：
[0097] 匹配對坐標(biāo)如下（ph，mptj，將ph通過透視變換矩陣Η變?yōu)閜h'，計算ph'與 1^心之間的距離誤差，若誤差小于一個閾值，則該點是內(nèi)點。
[0098] 2)特征匹配對P中除去η個樣本后，計算余下的子集與模型Μ的誤差，若誤差小于 某一設(shè)定閾值，我們認(rèn)為該匹配對是內(nèi)點Ρ ιη ;
[0099] 3)若內(nèi)點個數(shù)大于一定閾值，就認(rèn)為得到正確的模型參數(shù)，并利用所有內(nèi)點采用 最小二乘等方法重新計算新的模型Μ ;
[0100] 4)在完成一定的抽樣次數(shù)后，若未找到滿足條件的內(nèi)點集，就認(rèn)為算法失敗，否則 選取抽樣后得到的內(nèi)點個數(shù)最大的集合作為最佳匹配對集合。
[0101] 由上述描述可知，RANSAC算法擬合只考慮內(nèi)點，擬合效果更佳。
[0102] 進(jìn)一步的，判斷兩幅圖像是否匹配的依據(jù)如下：
[0103] 若上述的Pall與Ριη滿足以下公式，則認(rèn)定兩幅圖像匹配。
[0104] Ριη > 8. 0+0. 3Pall ；
[0105] 請參閱圖7,是本發(fā)明【具體實施方式】的全景拼接判斷圖像匹配裝置的結(jié)構(gòu)示意圖， 包括依次連接的圖像采集模塊10、特征提取模塊20、特征匹配模塊30、計算模塊40和判斷 匹配模塊50 ;
[0106] 所述圖像采集模塊10,用于采集兩幅以上待拼接的全景分區(qū)圖；
[0107] 所述特征提取模塊20,用于將采集到的兩幅以上待拼接的全景分區(qū)圖進(jìn)行特征提 ?。?br>[0108] 所述特征匹配模塊30,用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖進(jìn)行特 征粗匹配和特征精匹配；
[0109] 所述計算模塊40,用于計算特征粗匹配和特征精匹配的匹配特征點對數(shù)；
[0110] 所述判斷匹配模塊50,用于根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配。
[0111] 從上述描述可知，本發(fā)明的有益效果在于：通過對采集到的所述全景分區(qū)圖進(jìn)行 特征提取、特征匹配，再通過計算特征粗匹配和特征精匹配的匹配特征點對數(shù)，根據(jù)所述匹 配特征點對數(shù)，判斷圖像是否匹配，從而消除了拼接過程的圖像誤匹配，本發(fā)明的主要功效 是將待拼接圖像序列中，不是同一場景下的圖像剔除，使得余下的圖像都是來自同一場景， 利用RANSAC算法選取內(nèi)點計算獲取最佳匹配對集合，能夠更高效的完成拼接。
[0112] 進(jìn)一步的，所述特征提取模塊20為提取sift特征點單元、提取surf特征點單元 或提取harris特征點單元。
[0113] 由上述描述可知，所述提取sift特征點單元采用提取sift特征點中"通過擬合三 維二次函數(shù)以精確確定關(guān)鍵點的位置和尺度，同時去除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣 響應(yīng)點"可增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力；所述提取surf特征點單元采用提取surf特 征點中"在尺度空間和圖像空間中進(jìn)行插值"能夠?qū)蜻x特征點進(jìn)行亞像素定位。
[0114] 進(jìn)一步的，所述特征匹配模塊30包括特征粗匹配單元和特征精匹配單元；
[0115] 所述特征粗匹配單元，用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖分別進(jìn) 行特征粗匹配；
[0116] 所述特征精匹配單元，用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖分別進(jìn) 行特征精匹配。
[0117] 進(jìn)一步的，所述計算模塊40包括粗匹配特征點對數(shù)單元和精匹配特征點對數(shù)單 元；
[0118] 所述粗匹配特征點對數(shù)單元，用于計算特征粗匹配的匹配特征點對數(shù)；
[0119] 所述精匹配特征點對數(shù)單元，用于計算特征精匹配的匹配特征點對數(shù)。
[0120] 綜上所述，本發(fā)明提供的一種全景拼接判斷圖像匹配方法及裝置，通過對采集到 的所述全景分區(qū)圖進(jìn)行特征提取、特征匹配，再通過計算特征粗匹配和特征精匹配的匹配 特征點對數(shù)，根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配，從而消除了拼接過程的圖像誤 匹配。本發(fā)明主要是將待拼接圖像序列中，不是同一場景下的圖像剔除，使得余下的圖像都 是來自同一場景，利用RANSAC算法選取內(nèi)點計算獲取最佳匹配對集合，能夠更高效的完成 拼接。所述"特征提取"采用提取sift特征點中"通過擬合三維二次函數(shù)以精確確定關(guān)鍵 點的位置和尺度，同時去除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點"可增強(qiáng)匹配穩(wěn)定性、 提高抗噪聲能力；所述"特征提取"采用提取surf特征點中"在尺度空間和圖像空間中進(jìn)行 插值"能夠?qū)蜻x特征點進(jìn)行亞像素定位。所述k-d樹能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行搜索，并且快速 而準(zhǔn)確地找到查詢點的近鄰。
[0121] 以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書及附圖內(nèi)容所作的等同變換，或直接或間接運用在相關(guān)的技術(shù)領(lǐng)域，均同理包括 在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 一種全景拼接判斷圖像匹配方法，其特征在于，包括： 5101、 采集兩幅以上待拼接的全景分區(qū)圖； 5102、 將所述全景分區(qū)圖進(jìn)行特征提??； 5103、 將S102所得全景分區(qū)圖分別進(jìn)行特征粗匹配和特征精匹配，并計算特征粗匹配 和特征精匹配的匹配特征點對數(shù)； 5104、 根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配。2. 根據(jù)權(quán)利要求1所述的全景拼接判斷圖像匹配方法，其特征在于，所述步驟S102中 "特征提取"為提取sift、surf或harris特征點。3. 根據(jù)權(quán)利要求1所述的全景拼接判斷圖像匹配方法，其特征在于，所述步驟S103中 "特征粗匹配"和"特征精匹配"是通過歐式距離進(jìn)行特征匹配。4. 根據(jù)權(quán)利要求1所述的全景拼接判斷圖像匹配方法，其特征在于，所述步驟S103中 "特征粗匹配的匹配特征點對數(shù)"是通過K-d樹進(jìn)行搜索，計算特征粗匹配的匹配特征點對 數(shù)。5. 根據(jù)權(quán)利要求1所述的全景拼接判斷圖像匹配方法，其特征在于，所述步驟S103中 "特征精匹配的匹配特征點對數(shù)"是通過RANSAC算法進(jìn)行計算特征精匹配的匹配特征點對 數(shù)。6. -種全景拼接判斷圖像匹配裝置，其特征在于，包括依次連接的圖像采集模塊、特征 提取模塊、特征匹配模塊、計算模塊和判斷匹配模塊； 所述圖像采集模塊，用于采集兩幅以上待拼接的全景分區(qū)圖； 所述特征提取模塊，用于將采集到的兩幅以上待拼接的全景分區(qū)圖進(jìn)行特征提??； 所述特征匹配模塊，用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖進(jìn)行特征粗匹 配和特征精匹配； 所述計算模塊，用于計算特征粗匹配和特征精匹配的匹配特征點對數(shù)； 所述判斷匹配模塊，用于根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配。7. 根據(jù)權(quán)利要求6所述的全景拼接判斷圖像匹配裝置，其特征在于，所述特征提取模 塊為提取sift特征點單元、提取surf特征點單元或提取harris特征點單元。8. 根據(jù)權(quán)利要求6所述的全景拼接判斷圖像匹配裝置，其特征在于，所述特征匹配模 塊包括特征粗匹配單元和特征精匹配單元； 所述特征粗匹配單元，用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖分別進(jìn)行特 征粗匹配； 所述特征精匹配單元，用于將特征提取過的兩幅以上待拼接的全景分區(qū)圖分別進(jìn)行特 征精匹配。9. 根據(jù)權(quán)利要求6所述的全景拼接判斷圖像匹配裝置，其特征在于，所述計算模塊包 括粗匹配特征點對數(shù)單元和精匹配特征點對數(shù)單元； 所述粗匹配特征點對數(shù)單元，用于計算特征粗匹配的匹配特征點對數(shù)； 所述精匹配特征點對數(shù)單元，用于計算特征精匹配的匹配特征點對數(shù)。
【專利摘要】本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是一種全景拼接判斷圖像匹配方法及裝置。判斷圖像匹配方法包括：S101、采集兩幅以上待拼接的全景分區(qū)圖；S102、將所述全景分區(qū)圖進(jìn)行特征提?。籗103、將S102所得全景分區(qū)圖分別進(jìn)行特征粗匹配和特征精匹配，并計算特征粗匹配和特征精匹配的匹配特征點對數(shù)；S104、根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配。通過對采集到的所述全景分區(qū)圖進(jìn)行特征提取、特征匹配，再通過計算特征粗匹配和特征精匹配的匹配特征點對數(shù)，根據(jù)所述匹配特征點對數(shù)，判斷圖像是否匹配，從而消除了拼接過程的圖像誤匹配。
【IPC分類】G06T7/00, G06T3/40, G06T5/50
【公開號】CN105678720
【申請?zhí)枴?br>【發(fā)明人】魏園波
【申請人】深圳英飛拓科技股份有限公司
【公開日】2016年6月15日
【申請日】2014年11月20日