一种椭圆形目标的大视角图像快速匹配方法

1.本发明涉及一种图像匹配方法，尤其是涉及一种椭圆形目标的大视角图像快 速匹配方法。


背景技术：

2.图像特征点提取与匹配算法是图像处理领域中最重要的研究模块之一，其是运 动结构、目标检测和图像拼接等各个研究领域的关键。sift作为一种经典的图像 特征点匹配算法，由于其亮度以及旋转的仿射不变特性得以在各个匹配应用场景中 被广泛使用。同时，sift特征所包含的信息足够丰富，能够满足特征点位描述和 查找需要。虽然sift算法适用于大多数场景，但当匹配图像视角偏差较大时，sift 算法在图像中所提取的特征点数目锐减，此外，由于旋转角度过大产生较大图像畸 变使得背景点与目标点容易产生误匹配的问题。为了解决上述问题，morel等人提 出了asift(affine-sift)算法，该算法借助仿射变换模型，利用参数采样的方式 模拟了实际图像与基准图像的视角变形，通过改变两个摄像机轴向参数，即经度和 纬度，有效地增加匹配点的数量，进而完成匹配。然而，asift只是进行了仿射近 似变换，并非实现图像的真实三维旋转，与真实的透视成像模型有一定的差异。为 了符合真实的透视投影情况，cai等人提出psift算法，将asift中的仿射变换模 型改为透视变换模型，进一步提高了匹配准确性。
3.然而在实际应用过程中，由于sift算法本身运算复杂，为了尽可能获得更 多的有效特征点，建立的高斯线性金字塔层数过多，从而在图像中提取的特征点十 分冗余，特别针对少量关键点位匹配过程中，过多的背景特征点反而影响匹配精度。 asift对仿射变换中的两个相机轴方向参数进行穷举模拟变换，然后进行sift匹 配，psift在空间角度选择上与asift算法相同，可以预见的是，这就造成一定 程度的角度变换在现实中不会出现，去除这些不会出现的变换角度显然可以加速算 法，并且对于近景摄影测量而言，布设角度往往已知，将模拟变换角度限定在已知 范围内可以大大加速匹配效率。此外，psift算法采用实际图像获得的模拟图像集 合中所有的模拟图像与基准图像进行sift特征匹配，运算效率较低。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种椭圆形目标 的大视角图像快速匹配方法。
5.本发明的目的可以通过以下技术方案来实现：
6.根据本发明的一个方面，提供了一种椭圆形目标的大视角图像快速匹配方法， 该方法包括以下步骤：
7.步骤s1，利用先验知识估计圆形目标所在的金字塔层数从而减少sift算法中 金字塔层冗余，提高特征点检测效率的同时减少了背景特征点带来的误匹配；
8.步骤s2，在粗匹配过程中将实际图像进行模拟视角变形获取模拟图像并进行 特
征匹配，旋转角度限定为符合实际相机旋转角度，当模拟图像与基准图像进行正 确匹配特征点数大于某一阈值k时进入精匹配过程；
9.步骤s3，利用正确匹配特征点获取实际图像与基准图像的单应性矩阵，得到 重采样图像，利用改进的sift算法完成最终的大视角匹配。
10.作为优选的技术方案，所述的步骤s1，利用先验知识估计圆形目标所在的金 字塔层数具体为：
11.采用改进的sift算法，即改变传统sift尺度空间的划分策略，通过估计圆 形目标大小，确定可在第n层dog金字塔中检测到圆形目标，那么尺度划分可以 变为n、n 1、n-1三层金字塔。
12.作为优选的技术方案，所述的改进的sift算法具体过程如下：
13.步骤s101、构建三层金字塔：通过先验知识确定n、n 1、n-1三层金字塔并 进行图像位置搜索；
14.步骤s102、特征点定位：在构建的三层金字塔中通过高斯差分函数搜索dog 空间极值点作为图像特征点，通过拟合三维二次函数将特征点的位置和尺度精确到 亚像素；
15.步骤s103、特征点方向分配：对于每个候选的特征点，计算特征点所在高斯 尺度空间图像的梯度，依据局部图像梯度方向信息，每个关键点位置将被分配一个 或多个方向；
16.步骤s104、关键点描述符：以选定的尺度测量在每个关键点周围的区域内局 部图像的梯度。
17.作为优选的技术方案，所述的步骤s102中的图像特征点具有尺度和旋转不变 性。
18.作为优选的技术方案，所述的步骤s104中的梯度被转换成一个特征向量表示， 并将特征向量规划到单位长度。
19.作为优选的技术方案，所述的步骤s2的粗匹配过程中消除图像变形的能力与 采样间隔的选取有关。
20.作为优选的技术方案，所述的步骤s2中的精匹配过程具体为：
21.首先利用粗匹配阶段获得的所有正确匹配点对，求解实际拍摄图像与基准图像 坐标系间的变换矩阵；
22.然后利用该单应性矩阵对实际拍摄图像进行变换，得到重采样图像，进一步消 除图像变形。
23.作为优选的技术方案，所述的变换矩阵为单应性矩阵。
24.作为优选的技术方案，所述的单应性矩阵采用ransac算法求得。
25.作为优选的技术方案，所述的步骤s2中的阈值k的选取决定了改进sift匹 配的次数和加速psift算法的运算效率。
26.与现有技术相比，本发明具有以下优点：
27.1)本发明将少量关键圆形点位实现匹配，无需获取所有特征点位，那么当模 拟图像集合中出现某一图像能够很好地消除视角变形时，就可以不再采用其他模拟 图像与基准图像进行匹配，仅通过获取的正确同名点获取单应性矩阵进行重投影， 将关键点位实现大视角匹配即可；
28.2)本发明不仅对视角变化具有很好的稳健性，还提高了圆形目标的匹配效率 与
准确度
附图说明
29.图1为圆形特征提取的流程图；
30.图2为透视投影关系的示意图；
31.图3为相机坐标系和世界坐标系的位置示意图；
32.图4为现有使用asift进行立体匹配结果示意图；
33.图5为使用本发明进行立体匹配结果示意图。
具体实施方式
34.下面将结合本发明实施例中的附图，对本发明实施例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的一部分实施例，而不是全部实施例。 基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获 得的所有其他实施例，都应属于本发明保护的范围。
35.1、在近景摄影测量条件下，为了解决圆形目标在图像存在较大角度差异时使 用全空间仿射尺度不变特征匹配算法(asift,affine scale invariant featuretransform)难以稳定、快速匹配的问题，本发明提出了一种针对圆形目标改进的 psift粗精加速匹配算法。首先，利用先验知识估计圆形目标所在的金字塔层数从 而减少sift算法中金字塔层冗余，提高特征点检测效率的同时减少了背景特征点 带来的误匹配。随后，在粗匹配过程中将实际图像进行模拟视角变形获取模拟图像 并进行特征匹配，旋转角度限定为符合实际相机旋转角度，当模拟图像与基准图像 进行正确匹配特征点数大于某一阈值时进入精匹配过程。最后，利用正确匹配特征 点获取实际图像与基准图像的单应性矩阵，得到重采样图像，最终实现大视角匹配。 实验结果证明，相比现有的特征匹配算法，所提算法不仅对视角变化具有很好的稳 健性，还提高了圆形目标的匹配效率与准确度。
36.2、圆形特征点检测
37.由于sift算法的特征检测器在圆心处具有极值响应，利用该特性可对圆形标 志进行定位。本专利的主要匹配对象是大视角下的圆形标志点，那么可修改传统 sift尺度空间的划分策略，即可以通过估计圆形目标大小，确定可在第n层dog 金字塔中检测到圆形目标，那么尺度划分可以变为n、n 1、n-1三层金字塔，既 保证了圆形目标的检测率，减少了背景特征点的出现，又大大加快了整体的匹配速 度。如图1所示，改进的sift算法被分解为如下四步：
38.(1)构建三层金字塔：通过先验知识确定n，n、n 1、n-1三层金字塔进行 图像位置搜索。
39.(2)特征点定位：在构建的3层金字塔中通过高斯差分函数搜索dog空间 极值点作为图像特征点，通过拟合三维二次函数将特征点的位置和尺度精确到亚像 素。这些特征点具有尺度和旋转不变性。
40.(3)特征点方向分配：对于每个候选的特征点，计算特征点所在高斯尺度空 间图像的梯度，依据局部图像梯度方向信息，每个关键点位置将被分配一个或多个 方向。
41.(4)关键点描述符：以选定的尺度测量在每个关键点周围的区域内局部图像 的梯
度。这些梯度被转换成一个特征向量表示，并将特征向量规划到单位长度。
42.3、改进的psift粗精加速匹配算法
43.asift算法具备非常好的抗视角变换能力，但仿射变换并不贴合实际透视投影 模型。本专利借鉴psift中的透视模型搭建，使用针对圆形目标识别加速sift算 法的同时，限制实际图像模拟变换范围，进一步减少算法冗余，最后，利用正确匹 配特征点获取实际图像与基d准图像的单应性矩阵，得到重采样图像，利用改进的 sift算法完成最终的大视角匹配，大大增加了匹配算法效率。
44.3.1asift算法概述
45.asift算法的主要思想是在实际图像中使用仿射变化模型模拟视点，从这些模 拟视点创建模拟图像，利用sift提取并匹配特征，其仿射变换模型如下，a为变 换矩阵，其中κ是旋转角度，θ沿相机光轴旋转，为斜率参数。r
θ
,r
κ
为 旋转矩阵。
[0046][0047]
asift算法匹配过程如下：
[0048]
(1)通过间隔采样的方式变化t和κ，从而得到一组仿射变换矩阵；
[0049]
(2)利用仿射变换矩阵，分别对实际图像和基准图像进行仿射变换，得到两 组模拟图像；
[0050]
(3)对两组模拟图像利用sift算法进行对应匹配，列匹配正确图像组，删 除其中重复的特征点，将所有匹配结果展示在原始图像上，从而完成匹配。
[0051]
3.2透视模型搭建与模拟变换角度约束
[0052]
由于asift算法模拟图像时利用仿射变换模型，为了进一步增强视角模拟的 准确性，更精确地反映相机拍摄角度变化时所带来的图像变形，本专利采用透视变 换模型模拟视角变形。相机小孔成像时用到的坐标系分别为相机坐标系和图像坐标 系。
[0053]
物体中同一点p在三个坐标系中的位置，存在如下关系：
[0054][0055]
其中就是透视变换模型，其描述的为图像坐标系与世界坐标系的变换关系。
[0056]
由于图像内参已经实现标定，且在一定时间内保持不变，可以不对其进行讨论。 透视投影关系中，相机外参有λ、θ、三个角，角度与斜率t对应。那么在大概 知悉相机旋转角度的情况下，限定变换角度范围即可对模拟变换角度进行约束，从 而减少算法计算量。
[0057]
3.3粗精加速匹配算法
[0058]
psift算法采用模拟图像集合中所有的模拟图像与基准图像进行了sift特征 匹配，运算效率不高。在少量圆形标志点匹配中，当模拟图像集合中出现某一图像 能够很好地消除视角变形时，就可以不再采用其他模拟图像与基准图像进行匹配。 本文提出了粗精加速匹配方法。加速psift算法的粗匹配阶段如上节所示，通过 对透视变换模型参数进行限制范围采样，模拟视角变形，得到模拟图像，利用模拟 图像与基准图像进行改进的sift
特征提取与描述。当粗匹配阶段中某一模拟图像 与基准图像的正确匹配点对达到k时，结束粗匹配阶段，进入精匹配过程。
[0059]
粗匹配过程中消除图像变形的能力与采样间隔的选取有关。为了尽可能消除采 样间隔对匹配算法的影响，提高匹配性能，加速算法设置了精匹配过程。在精匹配 过程中，首先利用粗匹配阶段获得的所有正确匹配点对，求解实际拍摄图像与基准 图像坐标系间的变换矩阵，即单应性矩阵，然后利用该单应性矩阵对实际拍摄图像 进行变换，得到重采样图像，进一步消除图像变形，提高匹配的准确性。该单应性 矩阵采用ransac算法求得，比粗匹配阶段中采样获得的透视变换矩阵更精确。
[0060]
预设值k的选取决定了改进sift匹配的次数和加速psift算法的运算效率。 精匹配阶段采用ransac方法求解单应性矩阵，而ransac算法只需4个匹配 点对就可以求出单应性矩阵。因此，理论上讲，n≥4即可，但实际应用中，由于 无法保证粗匹配阶段获得的4个正确匹配点对的正确性，需要适当地放大该阈值。
[0061]
4.实验结果与分析
[0062]
以某次实验中振动台实验中的双目工业相机标定为例验证本专利所提出的椭 圆形目标的大视角图像快速匹配方法匹配效率和精度，采用的工业高速相机配备了 焦距为20mm的定焦镜头，两台相机交向角度大于90
°
，振动台实验场景中包含 大量复杂设施以及不均匀的光照，在该场景中通过使用摄影测量编码点和二维码对 平面靶标进行定向，对匹配的成功率和效率以及精度进行了分析。
[0063]
(1)椭圆形目标的大视角图像快速匹配方法可行性
[0064]
图5展示了分别使用asift算法和改进psift粗精加速匹配算法的最终匹配 效果，共8个圆形目标。
[0065]
显而易见，asift算法由于背景特征点过多，导致ransac筛选掉正确的匹 配结果，从而导致局部匹配正确，但缺乏正确的全局匹配效果。本专利提出的方法 能够正确获得正确的全局匹配结果，表1为圆形目标匹配正确个数。
[0066]
表1
[0067] asift本专利匹配正确个数28
[0068]
(2)本专利与asift算法运行时间对比，如表2所示；
[0069]
表2
[0070] asift本专利运行时间48.27s14.67s
[0071]
对于同一场景，在相同计算机测试环境和条件下，两种匹配速度asift：48.27s， 本专利：14.67s。
[0072]
5.结论
[0073]
针对圆形目标在视角变化较大场景下的图像匹配问题，通过限定金字塔层级， 保证了圆形目标的识别率和后续匹配的效率，通过透视投影模型的搭建使得大视角 匹配模型更贴近实际角度变化，对于模拟变换角度约束，减少了算法的冗余。提出 的粗精加速大视角匹配策略，加快了匹配效率的同时大大减少了运算量，实验证明， 本发明在大视角变化的圆形目标匹配实验中均具有较好的稳健性，并且在匹配效率 上较asift算法有了大大
提升，但是仍存在一些有待改进的地方，如匹配场景的 多样性和多次实验测试。
[0074]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效 的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明 的保护范围应以权利要求的保护范围为准。