一种基于SURF的图像匹配方法

技术领域

本发明属于数字图像处理技术，涉及一种图像匹配方法。

背景技术

图像匹配是数字图像处理中一项关键的技术。随着计算机科学的不断普及，近年来，图像匹配技术也在快速的发展，目前图像匹配技术在许多领域都有着广泛的应用，包括导弹的地形和地图匹配，飞机导航，光学和雷达的图像模板跟踪，工业领域，医学领域，文字识别，航空航天，医疗保健，交通运输等等，与人们的生活息息相关，因此在现代信息社会中，无论在理论方面还是实践方面，数字图像匹配技术的研究都存在巨大的发展前景。图像匹配方法主要分为基于灰度匹配方法和基于特征的匹配方法。其中，在基于特征的匹配方法中，SURF算法由于其实时性好、鲁棒性强在图像匹配中占有重要地位。但是，此类方法在特征点检测方面存在缺陷，需要不断的改进，所以基于SURF的图像匹配技术一直是人们研究的热点。在角点检测方面，Harris算法有着更好的稳定性，但是在亮度、噪声和尺度变化下，Harris算法表现不敏感。SURF算法有着很好的抗亮度、噪声和尺度变化的特性，但稳定性有所欠缺。

发明内容

本发明的目的是提供一种基于SURF的改进的图像匹配算法，将Harris算法与SURF算法相结合，充分利用两种算法的优势，同时加入误匹配剔除算法，剔除误匹配点，对图像进行精匹配，从而提高匹配算法的性能。技术方案如下：

一种基于SURF的图像匹配方法，包括下列步骤：

(1)用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；

(2)将检测得到的角点与特征点合并，形成新的特征点点集；

(3)使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点；

(4)精匹配：在得到的粗匹配点对中进行随机取样，设取样次数为t，根据取样次数t确定一组新的点集，设该点集共有n对匹配点对，8<n≤t，从前n-1个匹配点对中抽取7组匹配点对数据和第n个匹配点对数据组成一个样本；设m和m′是一组匹配点对，利用归一化8点法计算求得每组匹配点对m和m′的基础矩阵F，其中基础矩阵是满足m^′TFm＝0的矩阵；

(5)对每个基础矩阵F，计算每对匹配点到极线距离的平方和，记为d，其中极线是在步骤(4)根据取样次数t得到的点集中任取两点得到的直线，将符合d<T的匹配点对作为内点，统计内点的个数，其中T为预设阈值；

(6)重复步骤4～5，当满足终止条件即最大内点比例超过设置的阈值T时，根据所对应的基础矩阵剔除误差较大的匹配点对。

(7)完成整个图像匹配。

附图说明

图1经典SURF匹配结果

图2经典SURF匹配结果

具体实施方式

本发明的具体步骤为：

(1)用Harris算法对参考图像与待匹配图像进行角点检测，用SURF算法对参考图像与待匹配图像进行特征点检测；

(2)将检测得到的角点与特征点合并，形成新的特征点点集；

(3)使用最近邻匹配法对上一步得到的特征点点集进行特征点粗匹配，得到粗匹配点；

(4)在粗匹配之后，下面开始精匹配。在得到的粗匹配点对中进行随机取样，设取样次数为t，根据取样次数t确定一组新的点集，该点集共有n对匹配点对(8<n≤t)，从前n-1个匹配点对中抽取7组匹配点对数据和第n个匹配点对数据组成一个样本。若m和m′是一组匹配点对，利用经典的归一化8点法计算求得该样本中每组匹配点对m和m′的基础矩阵F，其中基础矩阵是满足m^′TFm＝0的矩阵；

(5)对每个基础矩阵F，计算每对匹配点到极线距离的平方和，记为d。其中极线是在步骤(4)根据取样次数t得到的点集中任取两点得到的直线，将符合d<T的匹配点对作为内点，统计内点的个数，其中T为事先设定的阈值；

(6)重复步骤4～5，当满足终止条件即最大内点比例超过设置的阈值T时，程序终止，结束程序，根据所对应的基础矩阵剔除误差较大的匹配点对。

(7)剔除误匹配点之后，完成精匹配步骤，至此完成整个图像匹配过程。

本发明提出的基于SURF的图像匹配方法，提高了特征点检测数量与算法稳定性，通过提出误匹配点提升了匹配的精度。提高特征点检测数量：在SURF算法中引入Harris角点检测，提升了特征点检测范围，使检测到的特征点范围更大。提高了匹配精度：在完成粗匹配之后引入误匹配剔除算法，剔除了粗匹配阶段的误匹配点对。算法不仅匹配精度高，而且计算量小，匹配时间短，匹配速度快，与传统的SURF匹配方法相比，在速度几乎保持不变的情况下，检测到的特征点数量大幅度提升，提高了约100倍，算法具有良好的实际应用价值。