專利名稱：一種圖像立體匹配方法及其裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像立體匹配方法及其裝置。

背景技術(shù)：
立體視覺(jué)是計(jì)算機(jī)測(cè)距方法中最重要的距離感知技術(shù)，它模擬人類視覺(jué)處理景物的方式，可以在多種條件下靈活地測(cè)量景物的立體信息，其作用是其它計(jì)算機(jī)視覺(jué)方法所不能取代的。立體視覺(jué)中最關(guān)鍵的部分是進(jìn)行多幅視覺(jué)圖像的對(duì)應(yīng)點(diǎn)匹配問(wèn)題，即立體視覺(jué)匹配，簡(jiǎn)稱立體匹配。其中，雙目立體匹配算法就是在兩幅圖像的匹配點(diǎn)之間建立對(duì)應(yīng)關(guān)系的過(guò)程，它是雙目立體視覺(jué)系統(tǒng)的關(guān)鍵。實(shí)際上，任何基于計(jì)算機(jī)視覺(jué)的三維重建系統(tǒng)中都包含一個(gè)作為其核心的匹配算法，基于相位匹配的算法能夠避免計(jì)算基本矩陣，但算法的效率較低?；趨^(qū)域的立體匹配算法難以設(shè)定窗口大小，且搜索范圍大，算法效率較低。現(xiàn)有的基于特征立體匹配算法，雖然算法效率高，但其匹配精度還有待提高?，F(xiàn)有的特征點(diǎn)提取方法不魯棒，一幅圖像的某些特種點(diǎn)，在另一幅圖像與其相對(duì)應(yīng)的特征點(diǎn)可能不存在。因此，匹配的精度不高，導(dǎo)致立體匹配點(diǎn)對(duì)更加稀疏，需進(jìn)一步處理才能進(jìn)行三維重建，如一些方法通過(guò)立體匹配點(diǎn)的插值技術(shù)解決匹配點(diǎn)對(duì)的稀疏問(wèn)題。雖然插值技術(shù)能夠在一定程度解決立體匹配點(diǎn)稀疏問(wèn)題，但插值得到新的匹配點(diǎn)對(duì)是建立在插值數(shù)據(jù)上，插值數(shù)據(jù)的誤差導(dǎo)致許多點(diǎn)對(duì)的誤匹配。


發(fā)明內(nèi)容
本發(fā)明的目的是提供一種匹配精度和匹配效率高的圖像立體匹配方法； 本發(fā)明的還一目的是提供一種匹配精度和匹配效率高的圖像立體匹配裝置。
本發(fā)明的目的是通過(guò)實(shí)施下述技術(shù)方案來(lái)實(shí)現(xiàn)的 一種圖像立體匹配方法，其特征在于，包括如下步驟 步驟1、提取上述圖像中檢測(cè)圖像一和候選匹配圖像二的特征點(diǎn)，分別組成圖像一、圖像二的特征點(diǎn)列，對(duì)圖像一的特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列； 步驟2、對(duì)上述特征點(diǎn)列的特征點(diǎn)使用多種參數(shù)描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量，每一維向量代表特征點(diǎn)的一個(gè)特征； 步驟3、按以下步驟對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn) 步驟31、計(jì)算圖像一中顯著特征點(diǎn)列的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)的相似性； 步驟32、根據(jù)指定一閾值獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1； 步驟33、對(duì)圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；重復(fù)步驟31、32，計(jì)算約簡(jiǎn)后的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)相似性；指定一閾值，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2； 步驟34、將候選匹配點(diǎn)集1與候選匹配點(diǎn)集2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征； 步驟35、重復(fù)以上步驟33、34，直到不能再對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的特征進(jìn)行約簡(jiǎn)為止； 步驟4、重復(fù)步驟31、32，計(jì)算多維向量約簡(jiǎn)后的圖像一的特征點(diǎn)列的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)的相似性；指定一閾值，獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集； 步驟5、根據(jù)以上比較步驟的結(jié)果，判定檢測(cè)圖像一和候選匹配圖像二是否匹配。
上述步驟2所述的特征點(diǎn)列的特征點(diǎn)的多種參數(shù)描述至少包括灰度信息、多階梯度信息、曲率變化函數(shù)。
上述步驟3的對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)的方法是使用粗糙集約簡(jiǎn)方法對(duì)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)，得到約簡(jiǎn)后的特征點(diǎn)參數(shù)描述的多維向量。
上述步驟1所述的圖像一和圖像二的特征點(diǎn)是采用如下步驟提取的(4-1)計(jì)算圖像中每個(gè)象素的平均梯度平方矩陣如下 其中I(x，y)為圖像中位置(x，y)處的灰度值，當(dāng)某點(diǎn)對(duì)應(yīng)的平均梯度平方矩陣的兩個(gè)特征值較大，那么該點(diǎn)附近有較大的灰度級(jí)變化，選取該點(diǎn)作為一個(gè)特征點(diǎn)，特征點(diǎn)響應(yīng)函數(shù)為 R＝det(N)-k(trace(N))2， 其中det(N)為矩陣的行列式值，trace(N)為矩陣N的跡，k為0.04； 按R值對(duì)圖像中的象素點(diǎn)進(jìn)行降序排序，構(gòu)成一個(gè)數(shù)列，確定一個(gè)所需特征點(diǎn)個(gè)數(shù)F，然后取數(shù)列中前F個(gè)象素點(diǎn)為特征點(diǎn)，通過(guò)匹配結(jié)果可以不斷調(diào)整F。
(4-2)對(duì)圖像中的象素點(diǎn)(i，j)，分別計(jì)算在水平、垂直、左對(duì)角和右對(duì)角方向上與相鄰像素象素值的差的平方和，并取最小值作為該像點(diǎn)特征的初值； H＝(f(i，j)-f(i，j-1))2+(f(i，j)-f(i，j+1))2， V＝(f(i，j)-f(i-1，j))2+(f(i，j)-f(i+1，j))2， L＝(f(i，j)-f(i-1，j-1))2+(f(i，j)-f(i+1，j+1))2， R＝(f(i，j)-f(i-1，j+1))2+(f(i，j)-f(i+1，j-1))2， 令F(i，j)＝min{H，V，L，R}，將圖像劃分為大小為n×m的互不重疊的區(qū)域Wp，q，計(jì)算坐標(biāo)(x，y)，其計(jì)算公式如下 并定義坐標(biāo)(x，y)上的特征圖像值為 為進(jìn)一步消除噪聲，指定一閾值d，重新設(shè)計(jì)特征圖像值如下 當(dāng)G(x，y)大于0，則(x，y)就是對(duì)應(yīng)的特征點(diǎn)。
(4-3)對(duì)圖像一或圖像二，根據(jù)以上步驟(4-1)得到特征點(diǎn)列T1中每個(gè)特征點(diǎn)對(duì)應(yīng)的R值，由步驟(4-2)，得到另一特征點(diǎn)列T2和每個(gè)特征點(diǎn)對(duì)應(yīng)的G值；對(duì)在T1中而不在T2中的特征點(diǎn)，根據(jù)步驟(4-2)獲得其G值；對(duì)在T2中而不在T1中的特征點(diǎn)，根據(jù)步驟(4-1)獲得其R值，使T1和T2中的所有特征點(diǎn)都具有G和R值； 將T1和T2中的所有特征點(diǎn)作為圖像一或圖像二的特征點(diǎn)，分別組成圖像一和圖像二的特征點(diǎn)列TS和Tr； 對(duì)圖像一的特征點(diǎn)按(G+R)的和值進(jìn)行降序排列，排在前面的特征點(diǎn)其特征顯著，取圖像一前m個(gè)顯著特征點(diǎn)組成圖像一的顯著特征點(diǎn)列，記為T(mén)l。
上述圖像一的特征點(diǎn)列TS和圖像二的特征點(diǎn)列Tr中的特征點(diǎn)采用如下步驟進(jìn)行參數(shù)描述和計(jì)算 (5-1)計(jì)算特征點(diǎn)及相鄰點(diǎn)的象素點(diǎn)值 設(shè)特征點(diǎn)位置為(i，j)，以(i，j)為中心，3×3象素區(qū)域，直接可得特征點(diǎn)及相鄰點(diǎn)的象素值向量如下 WF(i，j)＝(I(i，j)，I(i-1，j)，I(i+1，j)，I(i-1，j-1)，I(i-1，j)，I(i-1，j+1)，I(i+1，j-1)，I(i+1，j)，I(i+1，j+1))， 即W(i，j)為3×3區(qū)域中象素點(diǎn)值 (5-2)計(jì)算特征點(diǎn)一階梯度信息 設(shè)特征點(diǎn)位置為(i，j)，該點(diǎn)在x方向和y方向的導(dǎo)數(shù)gx(i，j)，gy(i，j)分別計(jì)算如下 計(jì)算梯度權(quán)值D(i，j)和方向θ(i，j)，其計(jì)算如下 這樣就獲得特征點(diǎn)(i，j)的梯度信息向量如下 DF(i，j)＝(gx(i，j)，gy(i，j)，D(i，j)，θ(i，j))， (5-3)根據(jù)步驟(5-1)和步驟(5-2)獲得特征點(diǎn)(i，j)參數(shù)描述多維向量如下 DS(i，j)＝(WF(i，j)，DF(i，j))， DS(i，j)是一個(gè)13維向量，為方便描述，記為 DS(i，j)＝(w1，w2，…，w13)。
(5-4)對(duì)圖像一、圖像二中的特征點(diǎn)列中的特征點(diǎn)，根據(jù)步驟(5-1)、步驟(5-2)和步驟(5-3)，計(jì)算所有特征點(diǎn)的參數(shù)描述的多維向量 DF(i，j)＝(gx(i，j)gy(i，j)，D(i，j)，θ(i，j))。
上述步驟31所述的圖像一中顯著特征點(diǎn)列Tl的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)列Tr的特征點(diǎn)按以下步驟進(jìn)行相似性計(jì)算 (6-1)取圖像一的顯著特征點(diǎn)列Tl，即Tl[1，2，…，m]，設(shè)Tl中特征點(diǎn)t的參數(shù)化描述向量為(t1，t2，....，t13)，圖像二的特征點(diǎn)列Tr中的特征點(diǎn)s的參數(shù)化描述向量為((s1，s2，...，s13))，則t與s之間的相似性計(jì)算如下 (6-2)按步驟(6-1)計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)與圖像二中所有特征點(diǎn)的相似度，圖像二特征點(diǎn)列Tr的長(zhǎng)度為1，由此可得到m×1的相似性矩陣如下 MS＝(S(t，s))m×l。
上述步驟32、33、34、35的具體步驟如下 (7-1) 根據(jù)一指定閾值GH，來(lái)獲取Tl[1，2，…，m]中每個(gè)特征點(diǎn)t的候選匹配點(diǎn)集1，即SP(t) SP(t)＝{s|S(t，s)＞GH，s∈Tr}， SP(t)表示與t相似度大于GH的圖像二中的特征點(diǎn)，也表示了與t可能匹配的特征點(diǎn)集；根據(jù)相似矩陣MS的定義，計(jì)算SP(t)；{SP(t)}t∈T[1，2，...，m]看作是粗糙領(lǐng)域關(guān)系系統(tǒng)； (7-2)圖像一的顯著特征點(diǎn)t的描述參數(shù)是一個(gè)13維向量，將13維看作是13個(gè)特征，記為{1，2，…，13}，設(shè)F＝{1，2，…，13}，從F中去掉任意一個(gè)特征i，讓F＝F-{i}，再按照步驟(6-1)計(jì)算t與圖像二的特征點(diǎn)列的特征點(diǎn)相似性，其公式如下 (7-3)按步驟(7-2)計(jì)算的t的相似性，根據(jù)步驟(7-1)再次計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)t的候選匹配點(diǎn)集2，記為{SP*(t)}t∈Tl[1，2，...，m]； 對(duì){SP*(t)}t∈Tl[1，2，...，m]和{SP(t)}t∈T[1，2，...，m]，定義 其中W描述了{(lán)SP*(t)}t∈Tl[1，2，...，m]與{SP(t)}t∈T[1，2，...，m]之間的差異程度，其值越大，差異越小。
如果W小于某指定的閾值，讓F＝F_{i}，即不能去掉特征i，否則去掉特征i。
(7-4)重復(fù)步驟(7-2)和步驟(7-3)，直到F中不能再去掉特征為至，得到約簡(jiǎn)后的特征F。
所述步驟4的候選匹配點(diǎn)集獲取方法如下 在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性 由此相似性及步驟(7-1)計(jì)算出經(jīng)過(guò)特征約簡(jiǎn)后的圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的候選匹配點(diǎn)集，記為SP(t)。
所述步驟5按如下方法對(duì)檢測(cè)圖像一和候選匹配圖像二是否匹配進(jìn)行判定 所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
本發(fā)明還提供了一種圖像立體匹配裝置，其特征在于，包括 圖形識(shí)別器，用于識(shí)別檢測(cè)圖像和候選匹配圖像二的特征點(diǎn)；識(shí)別出來(lái)的特征點(diǎn)分別組成圖像一、圖像二的特征點(diǎn)列TS、Tr，對(duì)圖像一特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列Tl； 多維向量識(shí)別器，用于對(duì)上述特征點(diǎn)列的特征點(diǎn)使用灰度信息、多階梯度信息、曲率變化函數(shù)進(jìn)行描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量特征，每一維向量代表特征點(diǎn)的一個(gè)特征； 數(shù)據(jù)優(yōu)化器，用于約簡(jiǎn)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量特征，具體如下 比較上述圖像一的顯著特征點(diǎn)列的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1； 將圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；比較約簡(jiǎn)后的圖像一的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得約簡(jiǎn)后圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2； 將所述匹配點(diǎn)集1和2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征； 重復(fù)本步驟以上所述，直到不能再去掉圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的多維向量特征為止，得到約簡(jiǎn)后的特征F； 在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性；獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集； 分類器，用于對(duì)以上比較結(jié)果進(jìn)行分類，所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
本發(fā)明在特征提取階段，集成多種特征提取算法從圖像中得到大量稠密特征點(diǎn)，避免由單一特征提取算法特征點(diǎn)少而導(dǎo)致匹配點(diǎn)稀疏問(wèn)題。在特征點(diǎn)的參數(shù)描述方面，提供特征點(diǎn)的多種參數(shù)信息，如灰度信息，多階梯度信息，曲率變化函數(shù)等多種參數(shù)描述，從多方面準(zhǔn)確描述特征點(diǎn)，得到特征點(diǎn)更多信息。最后，在特征點(diǎn)匹配方面，選取檢測(cè)圖像的顯著特征點(diǎn)與匹配圖像的特征點(diǎn)利用粗糙模糊技術(shù)進(jìn)行相似度計(jì)算，使用一個(gè)參數(shù)來(lái)控制相似度的精度，通過(guò)調(diào)節(jié)這種參數(shù)來(lái)控制匹配的精度，對(duì)檢測(cè)圖像的特征點(diǎn)的多維向量特征進(jìn)行約簡(jiǎn)，得到約簡(jiǎn)后的特征，從而得到更加適宜的參數(shù)描述，在約簡(jiǎn)后的特征上計(jì)算檢測(cè)圖像的所有特征點(diǎn)與匹配圖像的所有特征點(diǎn)的相似性，得到候選匹配點(diǎn)集，通過(guò)對(duì)候選匹配點(diǎn)集的判定，最終獲得較高的匹配精度和效率。



圖1是本發(fā)明立體圖像匹配方法的流程圖； 圖2是本發(fā)明獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1的流程圖； 圖3是本發(fā)明對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的多維向量特征進(jìn)行約簡(jiǎn)的流程圖； 圖4是本發(fā)明立體圖像匹配裝置的示意圖。

具體實(shí)施例方式 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述 圖1是本發(fā)明的圖像立體匹配方法的流程圖， 步驟1、提取上述圖像中檢測(cè)圖像一和候選匹配圖像二的特征點(diǎn)，分別組成圖像一、圖像二的特征點(diǎn)列，對(duì)圖像一的特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列； 步驟2、對(duì)上述特征點(diǎn)列的特征點(diǎn)使用多種參數(shù)描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量，每一維向量代表特征點(diǎn)的一個(gè)特征； 步驟3、按以下步驟對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn) 步驟31、計(jì)算圖像一中顯著特征點(diǎn)列的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)的相似性； 步驟32、根據(jù)指定一閾值獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1； 步驟33、對(duì)圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；重復(fù)步驟31、32，計(jì)算約簡(jiǎn)后的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)相似性；指定一閾值，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2； 步驟34、將候選匹配點(diǎn)集1與候選匹配點(diǎn)集2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征； 步驟35、重復(fù)以上步驟33、34，直到不能再對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的特征進(jìn)行約簡(jiǎn)為止； 步驟4、重復(fù)步驟31、32，計(jì)算多維向量約簡(jiǎn)后的圖像一的特征點(diǎn)列的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)的相似性；指定一閾值，獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集； 步驟5、根據(jù)以上比較步驟的結(jié)果，判定檢測(cè)圖像一和候選匹配圖像二是否匹配。
更進(jìn)一步的說(shuō)，上述步驟3的對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)的方法是使用粗糙集約簡(jiǎn)方法對(duì)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)，得到約簡(jiǎn)后的特征點(diǎn)參數(shù)描述的多維向量，其具體步驟如圖2和圖3所示 步驟31、計(jì)算圖像一中顯著特征點(diǎn)列的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)的相似性； 步驟32、判定步驟31得到的相似性是否大于指定的一閾值，如果步驟32的結(jié)果為否，則進(jìn)入步驟33’，放棄該候選匹配點(diǎn)，否則進(jìn)入步驟33； 步驟33、獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1；該候選匹配點(diǎn)集表示與圖像一的特征點(diǎn)相似度大于指定闕值的圖像二中的特征點(diǎn)，也表示了與圖像一的特征點(diǎn)可能匹配的特征點(diǎn)集； 步驟34、對(duì)圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征； 步驟35、同步驟31，計(jì)算約簡(jiǎn)后的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)相似性； 步驟36、同步驟32，判定步驟35得到的相似性是否大于指定的閾值，如果步驟36的結(jié)果為否，則進(jìn)入步驟37，放棄該候選匹配點(diǎn)，否則進(jìn)入步驟38 步驟38、同步驟33，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2； 步驟39、將候選匹配點(diǎn)集1與候選匹配點(diǎn)集2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，進(jìn)入步驟40，不能去掉該特征，如果差異較小，進(jìn)入步驟41，去掉該特征； 步驟42、對(duì)圖像一中顯著特征點(diǎn)列的特征點(diǎn)的其他多維向量特征重復(fù)以上步驟34-41進(jìn)行約簡(jiǎn)計(jì)算，全部特征約簡(jiǎn)計(jì)算完畢，進(jìn)入步驟43； 步驟43、獲得多維向量特征全部經(jīng)過(guò)約簡(jiǎn)后的圖像一的特征點(diǎn)的特征。
上述圖1中步驟1所述的圖像一和圖像二的特征點(diǎn)是采用如下步驟提取的步驟11、計(jì)算圖像中每個(gè)象素的平均梯度平方矩陣如下 其中I(x，y)為圖像中位置(x，y)處的灰度值，當(dāng)某點(diǎn)對(duì)應(yīng)的平均梯度平方矩陣的兩個(gè)特征值較大，那么該點(diǎn)附近有較大的灰度級(jí)變化，選取該點(diǎn)作為一個(gè)特征點(diǎn)，特征點(diǎn)響應(yīng)函數(shù)為 R＝det(N)-k(trace(N))2， 其中det(N)為矩陣的行列式值，trace(N)為矩陣N的跡，k為0.04； 按R值對(duì)圖像中的象素點(diǎn)進(jìn)行降序排序，構(gòu)成一個(gè)數(shù)列，確定一個(gè)所需特征點(diǎn)個(gè)數(shù)F，然后取數(shù)列中前F個(gè)象素點(diǎn)為特征點(diǎn)，通過(guò)匹配結(jié)果可以不斷調(diào)整F。
步驟12、對(duì)圖像中的象素點(diǎn)(i，j)，分別計(jì)算在水平、垂直、左對(duì)角和右對(duì)角方向上與相鄰像素象素值的差的平方和，并取最小值作為該像點(diǎn)特征的初值； H＝(f(i，j)-f(i，j-1))2+(f(i，j)-f(i，j+1))2， V＝(f(i，j)-f(i-1，j))2+(f(i，j)-f(i+1，j))2， L＝(f(i，j)-f(i-1，j-1))2+(f(i，j)-f(i+1，j+1))2， R＝(f(i，j)-f(i-1，j+1))2+(f(i，j)-f(i+1，j-1))2， 令F(i，j)＝min{H，V，L，R}，將圖像劃分為大小為n×m的互不重疊的區(qū)域Wp，q，計(jì)算坐標(biāo)(x，y)，其計(jì)算公式如下 并定義坐標(biāo)(x，y)上的特征圖像值為 為進(jìn)一步消除噪聲，指定一閾值d，重新設(shè)計(jì)特征圖像值如下 當(dāng)G(x，y)大于0，則(x，y)就是對(duì)應(yīng)的特征點(diǎn)。
步驟13、 對(duì)圖像一或圖像二，根據(jù)以上步驟11得到特征點(diǎn)列T1中每個(gè)特征點(diǎn)對(duì)應(yīng)的R值，由步驟12，得到另一特征點(diǎn)列T2和每個(gè)特征點(diǎn)對(duì)應(yīng)的G值；對(duì)在T1中而不在T2中的特征點(diǎn)，根據(jù)步驟12獲得其G值；對(duì)在T2中而不在T1中的特征點(diǎn)，根據(jù)步驟11獲得其R值，使T1和T2中的所有特征點(diǎn)都具有G和R值； 將T1和T2中的所有特征點(diǎn)作為圖像一或圖像二的特征點(diǎn)，分別組成圖像一和圖像二的特征點(diǎn)列TS和Tr； 對(duì)圖像一的特征點(diǎn)按(G+R)的和值進(jìn)行降序排列，排在前面的特征點(diǎn)其特征顯著，取圖像一前m個(gè)顯著特征點(diǎn)組成圖像一的顯著特征點(diǎn)列，記為T(mén)l。
對(duì)于上述圖像一的特征點(diǎn)列TS和圖像二的特征點(diǎn)列Tr中的特征點(diǎn)采用如下步驟進(jìn)行參數(shù)描述和計(jì)算，其步驟如下 步驟14、計(jì)算特征點(diǎn)及相鄰點(diǎn)的象素點(diǎn)值 設(shè)特征點(diǎn)位置為(i，j)，以(i，j)為中心，3×3象素區(qū)域，直接可得特征點(diǎn)及相鄰點(diǎn)的象素值向量如下 WF(i，j)＝(I(i，j)，I(i-1，j)，I(i+1，j)，I(i-1，j-1)，I(i-1，j)，I(i-1，j+1)，I(i+1，j-1)，I(i+1，j)，I(i+1，j+1))， 即W(i，j)為3×3區(qū)域中象素點(diǎn)值 步驟15、計(jì)算特征點(diǎn)一階梯度信息 設(shè)特征點(diǎn)位置為(i，j)，該點(diǎn)在x方向和y方向的導(dǎo)數(shù)gx(i，j)，gy(i，j)分別計(jì)算如下 計(jì)算梯度權(quán)值D(i，j)和方向θ(i，j)，其計(jì)算如下 這樣就獲得特征點(diǎn)(i，j)的梯度信息向量如下 DF(i，j)＝(gx(i，j)，gy(i，j)，D(i，j)，θ(i，j))， 步驟16、根據(jù)步驟14和步驟15獲得特征點(diǎn)(i，j)參數(shù)描述多維向量如下 DS(i，j)＝(WF(i，j)，DF(i，j))， DS(i，j)是一個(gè)13維向量，為方便描述，記為 DS(i，j)＝(w1，w2，…，w13)。
步驟17、對(duì)圖像一、圖像二中的特征點(diǎn)列中的特征點(diǎn)，根據(jù)步驟14-16，計(jì)算所有特征點(diǎn)的參數(shù)描述的多維向量 DF(i，j)＝(gx(i，j)，gy(i，j)，D(i，j)，θ(i，j)) 步驟18、取圖像一的顯著特征點(diǎn)列Tl，即Tl[1，2，…，m]，設(shè)Tl中特征點(diǎn)t的參數(shù)化描述向量為(t1，t2，....，t13)，圖像二的特征點(diǎn)列Tr中的特征點(diǎn)s的參數(shù)化描述向量為(s1，s2，...，s13)，則t與s之間的相似性計(jì)算如下 步驟19、 按步驟18計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)與圖像二中所有特征點(diǎn)的相似度，圖像二特征點(diǎn)列Tr的長(zhǎng)度為1，由此可得到m×1的相似性矩陣如下 MS＝(S(t，s))m×l。
步驟20、根據(jù)一指定閾值GH，來(lái)獲取Tl[1，2，…，m]中每個(gè)特征點(diǎn)t的候選匹配點(diǎn)集1，即SP(t) SP(t)＝{s|S(t，s)＞GH，s∈Tr}， SP(t)表示與t相似度大于GH的圖像二中的特征點(diǎn)，也表示了與t可能匹配的特征點(diǎn)集；根據(jù)相似矩陣MS的定義，計(jì)算SP(t)；{SP(t)}t∈T[1，2，...，m]看作是粗糙領(lǐng)域關(guān)系系統(tǒng)； 步驟21、圖像一的顯著特征點(diǎn)t的描述參數(shù)是一個(gè)13維向量，將13維看作是13個(gè)特征，記為{1，2，…，13}，設(shè)F＝{1，2，…，13}，13個(gè)特征中在相似性計(jì)算方面存在冗余，冗余會(huì)導(dǎo)致相似性計(jì)算精度降低且執(zhí)行效率低。為此，采用粗糙集理論中的約簡(jiǎn)方法對(duì){1，2，…，13}進(jìn)行約簡(jiǎn)，采用自上而下的約簡(jiǎn)方法，其具體步驟如下從F中去掉任意一個(gè)特征i，讓F＝F-{i}，再按照步驟18計(jì)算t與圖像二的特征點(diǎn)列的特征點(diǎn)相似性，其公式如下 步驟22、按步驟21計(jì)算的t的相似性，根據(jù)步驟20再次計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)t的候選匹配點(diǎn)集2，記為{SP*(t)}t∈Tl[1，2，...，m]； 對(duì){SP*(t)}t∈Tl[1，2，...，m]和{SP(t)}t∈T[1，2，...，m]，定義 其中W描述了{(lán)SP*(t)}t∈Tl[1，2，...，m]與{SP(t)}t∈T[1，2，...，m]之間的差異程度，其值越大，差異越小。
如果W小于某指定的閾值，即差異大，讓F＝F_{i}，即不能去掉特征i，否則去掉特征i。
步驟23、重復(fù)步驟21、22，直到F中不能再去掉特征為止，得到約簡(jiǎn)后的特征F。
步驟24、在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性 由此相似性及步驟20計(jì)算出經(jīng)過(guò)特征約簡(jiǎn)后的圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二的候選匹配點(diǎn)集，記為SP(t)。
根據(jù)以上比較步驟的結(jié)果，再按如下方法對(duì)檢測(cè)圖像一和候選匹配圖像二是否匹配進(jìn)行判定 所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
圖4是本發(fā)明的一種圖像立體匹配裝置示意圖，包括 圖形識(shí)別器，用于識(shí)別檢測(cè)圖像和候選匹配圖像二的特征點(diǎn)；識(shí)別出來(lái)的特征點(diǎn)分別組成圖像一、圖像二的特征點(diǎn)列TS、Tr，對(duì)圖像一特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列Tl； 多維向量識(shí)別器，用于對(duì)上述特征點(diǎn)列的特征點(diǎn)使用灰度信息、多階梯度信息、曲率變化函數(shù)進(jìn)行描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量特征，每一維向量代表特征點(diǎn)的一個(gè)特征； 數(shù)據(jù)優(yōu)化器，用于約簡(jiǎn)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量特征，具體如下 比較上述圖像一的顯著特征點(diǎn)列的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1； 將圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；比較約簡(jiǎn)后的圖像一的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得約簡(jiǎn)后圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2； 將所述匹配點(diǎn)集1和2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征； 重復(fù)本步驟以上所述，直到不能再去掉圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的多維向量特征為止，得到約簡(jiǎn)后的特征F； 在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性；獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集； 分類器，用于對(duì)以上比較結(jié)果進(jìn)行分類，所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
和現(xiàn)有技術(shù)比較，本發(fā)明對(duì)立體圖像匹配具有較高的匹配精度和效率。
權(quán)利要求
1.一種圖像立體匹配方法，其特征在于，包括如下步驟
步驟1、提取上述圖像中檢測(cè)圖像一和候選匹配圖像二的特征點(diǎn)，分別組成圖像一、圖像二的特征點(diǎn)列，對(duì)圖像一的特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列；
步驟2、對(duì)上述特征點(diǎn)列的特征點(diǎn)使用多種參數(shù)描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量，每一維向量代表特征點(diǎn)的一個(gè)特征；
步驟3、按以下步驟對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)
步驟31、計(jì)算圖像一中顯著特征點(diǎn)列的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)的相似性；
步驟32、根據(jù)指定一閾值獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1；
步驟33、對(duì)圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；重復(fù)步驟31、32，計(jì)算約簡(jiǎn)后的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)相似性；指定一閾值，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2；
步驟34、將候選匹配點(diǎn)集1與候選匹配點(diǎn)集2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征；
步驟35、重復(fù)以上步驟33、34，直到不能再對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的特征進(jìn)行約簡(jiǎn)為止；
步驟4、重復(fù)步驟31、32，計(jì)算多維向量約簡(jiǎn)后的圖像一的特征點(diǎn)列的特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)的相似性；指定一閾值，獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集；
步驟5、根據(jù)以上比較步驟的結(jié)果，判定檢測(cè)圖像一和候選匹配圖像二是否匹配。
2.根據(jù)權(quán)利要求1所述的圖像立體匹配方法，其特征在于，上述步驟2所述的特征點(diǎn)列的特征點(diǎn)的多種參數(shù)描述至少包括灰度信息、多階梯度信息、曲率變化函數(shù)。
3.根據(jù)權(quán)利要求2所述的圖像立體匹配方法，其特征在于，上述步驟3的對(duì)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)的方法是使用粗糙集約簡(jiǎn)方法對(duì)特征點(diǎn)參數(shù)描述的多維向量進(jìn)行約簡(jiǎn)，得到約簡(jiǎn)后的特征點(diǎn)參數(shù)描述的多維向量。
4.根據(jù)權(quán)利要求1、2或3所述的圖像立體匹配方法，其特征在于，上述步驟1所述的圖像一和圖像二的特征點(diǎn)是采用如下步驟提取的
(4-1)計(jì)算圖像中每個(gè)象素的平均梯度平方矩陣如下
其中I(x，y)為圖像中位置(x，y)處的灰度值，當(dāng)某點(diǎn)對(duì)應(yīng)的平均梯度平方矩陣的兩個(gè)特征值較大，那么該點(diǎn)附近有較大的灰度級(jí)變化，選取該點(diǎn)作為一個(gè)特征點(diǎn)，特征點(diǎn)響應(yīng)函數(shù)為
R＝det(N)-k(trace(N))2，
其中det(N)為矩陣的行列式值，trace(N)為矩陣N的跡，k為0.04；
按R值對(duì)圖像中的象素點(diǎn)進(jìn)行降序排序，構(gòu)成一個(gè)數(shù)列，確定一個(gè)所需特征點(diǎn)個(gè)數(shù)F，然后取數(shù)列中前F個(gè)象素點(diǎn)為特征點(diǎn)，通過(guò)匹配結(jié)果可以不斷調(diào)整F。
(4-2)對(duì)圖像中的象素點(diǎn)(i，j)，分別計(jì)算在水平、垂直、左對(duì)角和右對(duì)角方向上與相鄰像素象素值的差的平方和，并取最小值作為該像點(diǎn)特征的初值；
H＝(f(i，j)-f(i，j-1))2+(f(i，j)-f(i，j+1))2，
V＝(f(i，j)-f(i-1，j))2+(f(i，j)-f(i+1，j))2，
L＝(f(i，j)-f(i-1，j-1))2+(f(i，j)-f(i+1，j+1))2，
R＝(f(i，j)-f(i-1，j+1))2+(f(i，j)-f(i+1，j-1))2，
令F(i，j)＝min{H，V，L，R}，將圖像劃分為大小為n×m的互不重疊的區(qū)域Wp，q，計(jì)算坐標(biāo)(x，y)，其計(jì)算公式如下
并定義坐標(biāo)(x，y)上的特征圖像值為
為進(jìn)一步消除噪聲，指定一閾值d，重新設(shè)計(jì)特征圖像值如下
當(dāng)G(x，y)大于0，則(x，y)就是對(duì)應(yīng)的特征點(diǎn)。
(4-3)對(duì)圖像一或圖像二，根據(jù)以上步驟(4-1)得到特征點(diǎn)列T1中每個(gè)特征點(diǎn)對(duì)應(yīng)的R值，由步驟(4-2)，得到另一特征點(diǎn)列T2和每個(gè)特征點(diǎn)對(duì)應(yīng)的G值；對(duì)在T1中而不在T2中的特征點(diǎn)，根據(jù)步驟(4-2)獲得其G值；對(duì)在T2中而不在T1中的特征點(diǎn)，根據(jù)步驟(4-1)獲得其R值，使T1和T2中的所有特征點(diǎn)都具有G和R值；
將T1和T2中的所有特征點(diǎn)作為圖像一或圖像二的特征點(diǎn)，分別組成圖像一和圖像二的特征點(diǎn)列TS和Tr；
對(duì)圖像一的特征點(diǎn)按(G+R)的和值進(jìn)行降序排列，排在前面的特征點(diǎn)其特征顯著，取圖像一前m個(gè)顯著特征點(diǎn)組成圖像一的顯著特征點(diǎn)列，記為T(mén)l。
5.根據(jù)權(quán)利要求4所述的圖像立體匹配方法，其特征在于，對(duì)于上述圖像一的特征點(diǎn)列TS和圖像二的特征點(diǎn)列Tr中的特征點(diǎn)采用如下步驟進(jìn)行參數(shù)描述和計(jì)算
(5-1)計(jì)算特征點(diǎn)及相鄰點(diǎn)的象素點(diǎn)值
設(shè)特征點(diǎn)位置為(i，j)，以(i，j)為中心，3×3象素區(qū)域，直接可得特征點(diǎn)及相鄰點(diǎn)的象素值向量如下
WF(i，j)＝(I(i，j)，I(i-1，j)，I(i+1，j)，I(i-1，j-1)，I(i-1，j)，I(i-1，j+1)，I(i+1，j-1)，I(i+1，j)，I(i+1，j+1))，
即W(i，j)為3×3區(qū)域中象素點(diǎn)值
(5-2)計(jì)算特征點(diǎn)一階梯度信息
設(shè)特征點(diǎn)位置為(i，j)，該點(diǎn)在x方向和y方向的導(dǎo)數(shù)gx(i，j)，gy(i，j)分別計(jì)算如下
計(jì)算梯度權(quán)值D(i，j)和方向θ(i，j)，其計(jì)算如下
這樣就獲得特征點(diǎn)(i，j)的梯度信息向量如下
DF(i，j)＝(gx(i，j)，gy(i，j)，D(i，j)，θ(i，j))，
(5-3)根據(jù)步驟(5-1)和步驟(5-2)獲得特征點(diǎn)(i，j)參數(shù)描述多維向量如下
DS(i，j)＝(WF(i，j)，DF(i，j))，
DS(i，j)是一個(gè)13維向量，為方便描述，記為
DS(i，j)＝(w1，w2，…，w13)。
(5-4)對(duì)圖像一、圖像二中的特征點(diǎn)列中的特征點(diǎn)，根據(jù)步驟(5-1)、步驟(5-2)和步驟(5-3)，計(jì)算所有特征點(diǎn)的參數(shù)描述的多維向量
DF(i，j)＝(gx(i，j)，gy(i，j)，D(i，j)，θ(i，j))。
6.根據(jù)權(quán)利要求5所述的圖像立體匹配方法，其特征在于，上述步驟31所述的圖像一中顯著特征點(diǎn)列Tl的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)列Tr的特征點(diǎn)按以下步驟進(jìn)行相似性計(jì)算
(6-1)取圖像一的顯著特征點(diǎn)列Tl，即Tl[1，2，…，m]，設(shè)Tl中特征點(diǎn)t的參數(shù)化描述向量為(t1，t2，....，t13)，圖像二的特征點(diǎn)列Tr中的特征點(diǎn)s的參數(shù)化描述向量為(s1，s2，...，s13)，則t與s之間的相似性計(jì)算如下
(6-2)按步驟(6-1)計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)與圖像二中所有特征點(diǎn)的相似度，圖像二特征點(diǎn)列Tr的長(zhǎng)度為1，由此可得到m×1的相似性矩陣如下
MS＝(S(t，s))m×l。
7.根據(jù)權(quán)利要求5或6所述的圖像立體匹配方法，其特征在于，上述步驟32、33、34、35的具體步驟如下
(7-1)根據(jù)一指定閾值GH，來(lái)獲取Tl[1，2，…，m]中每個(gè)特征點(diǎn)t在圖像二中的候選匹配點(diǎn)集1，即SP(t)
SP(t)＝{s|S(t，s)＞GH，s∈Tr}，
SP(t)表示與t相似度大于GH的圖像二中的特征點(diǎn)，也表示了與t可能匹配的特征點(diǎn)集；根據(jù)相似矩陣MS的定義，計(jì)算SP(t)；{SP(t)}t∈T[1，2，...，m]看作是粗糙領(lǐng)域關(guān)系系統(tǒng)；
(7-2)圖像一的顯著特征點(diǎn)t的描述參數(shù)是一個(gè)13維向量，將13維看作是13個(gè)特征，記為{1，2，…，13}，設(shè)F＝{1，2，…，13}，從F中去掉任意一個(gè)特征i，讓F＝F-{i}，再按照步驟(6-1)計(jì)算t與圖像二的特征點(diǎn)列的特征點(diǎn)相似性，其公式如下
(7-3)按步驟(7-2)計(jì)算的t的相似性，根據(jù)步驟(7-1)再次計(jì)算Tl[1，2，…，m]中每個(gè)特征點(diǎn)t的候選匹配點(diǎn)集2，記為{SP*(t)}t∈Tl[1，2，...，m]；
對(duì){SP*(t)}t∈Tl[1，2，...，m]和{SP(t)}t∈T[1，2，...，m]，定義
其中W描述了{(lán)SP*(t)}t∈Tl[1，2，...，m]與{SP(t)}t∈T[1，2，...，m]之間的差異程度，其值越大，差異越小。
如果W小于某指定的閾值，讓F＝F_{i}，即不能去掉特征i，否則去掉特征i。
(7-4)重復(fù)步驟(7-2)和步驟(7-3)，直到F中不能再去掉特征為至，得到約簡(jiǎn)后的特征F。
8.根據(jù)權(quán)利要求7所述的圖像立體匹配方法，其特征在于，所述步驟4的候選匹配點(diǎn)集獲取方法如下
在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性
由此相似性及步驟(7-1)計(jì)算出經(jīng)過(guò)特征約簡(jiǎn)后的圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二的候選匹配點(diǎn)集，記為SP(t)。
9.根據(jù)權(quán)利要求8所述的圖像立體匹配方法，其特征在于，所述步驟5按如下方法對(duì)檢測(cè)圖像一和候選匹配圖像二是否匹配進(jìn)行判定
所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
10.一種圖像立體匹配裝置，其特征在于，包括
圖形識(shí)別器，用于識(shí)別檢測(cè)圖像和候選匹配圖像二的特征點(diǎn)；識(shí)別出來(lái)的特征點(diǎn)分別組成圖像一、圖像二的特征點(diǎn)列TS、Tr，對(duì)圖像一特征點(diǎn)列的特征點(diǎn)按特征點(diǎn)值進(jìn)行降序排序，排位在前面的特征點(diǎn)組成一個(gè)顯著特征點(diǎn)列Tl；
多維向量識(shí)別器，用于對(duì)上述特征點(diǎn)列的特征點(diǎn)使用灰度信息、多階梯度信息、曲率變化函數(shù)進(jìn)行描述，計(jì)算圖像一和圖像二的特征參數(shù)描述信息，獲得特征點(diǎn)參數(shù)描述的多維向量特征，每一維向量代表特征點(diǎn)的一個(gè)特征；
數(shù)據(jù)優(yōu)化器，用于約簡(jiǎn)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量特征，具體如下
比較上述圖像一的顯著特征點(diǎn)列的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集1；
將圖像一中顯著特征點(diǎn)列的其中一個(gè)特征點(diǎn)的多維向量特征任意去掉一個(gè)特征；比較約簡(jiǎn)后的圖像一的特征點(diǎn)的參數(shù)描述的多維向量特征與圖像二的特征點(diǎn)的參數(shù)描述的多維向量特征的相似性，獲得約簡(jiǎn)后圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集2；
將所述匹配點(diǎn)集1和2進(jìn)行比較，如果二者差異較大，表明所去掉的特征點(diǎn)的特征顯著，不能去掉該特征，如果差異較小，去掉該特征；
重復(fù)本步驟以上所述，直到不能再去掉圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)的多維向量特征為止，得到約簡(jiǎn)后的特征F；
在約簡(jiǎn)后的特征F上計(jì)算圖像一的特征點(diǎn)列TS的所有特征點(diǎn)與圖像二的特征點(diǎn)列Tr的所有特征點(diǎn)的相似性；獲得圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)在圖像二中的候選匹配點(diǎn)集；
分類器，用于對(duì)以上比較結(jié)果進(jìn)行分類，所述圖像二中的候選匹配點(diǎn)集的基數(shù)等于1，則其為圖像一的特征點(diǎn)的匹配點(diǎn)；如果圖像二中的候選匹配點(diǎn)集基數(shù)大于1，則選擇候選匹配點(diǎn)集中與圖像一的特征點(diǎn)最相似的特征點(diǎn)為匹配點(diǎn)；如果候選匹配點(diǎn)集的基數(shù)等于0，則圖像二中沒(méi)有與圖像一的特征點(diǎn)匹配的特征點(diǎn)。
全文摘要
本發(fā)明涉及一種圖像立體匹配方法及其裝置，其特征在于，包括如下步驟采用圖形識(shí)別器提取檢測(cè)圖像一和候選匹配圖像二的特征點(diǎn)；多維向量識(shí)別器對(duì)上述特征點(diǎn)列的特征點(diǎn)進(jìn)行多種參數(shù)描述，獲得特征點(diǎn)參數(shù)描述的多維向量；數(shù)據(jù)優(yōu)化器約簡(jiǎn)圖像一的顯著特征點(diǎn)列的每個(gè)特征點(diǎn)參數(shù)描述的多維向量，計(jì)算約簡(jiǎn)后的圖像一的特征點(diǎn)列的每個(gè)特征點(diǎn)與圖像二的特征點(diǎn)列的特征點(diǎn)的相似性，獲得圖像一的候選匹配點(diǎn)集；分類器，用于對(duì)以上比較結(jié)果進(jìn)行分類，判斷圖像一與圖像二的匹配結(jié)果。本發(fā)明對(duì)立體圖像匹配具有較高的匹配精度和效率。
文檔編號(hào)G06T7/00GK101197045SQ20071005085
公開(kāi)日2008年6月11日 申請(qǐng)日期2007年12月17日 優(yōu)先權(quán)日2007年12月17日
發(fā)明者陳雷霆, 劉啟和, 張建中, 蔡洪斌, 房春蘭 申請(qǐng)人:電子科技大學(xué)