CN103714544A - 一种基于sift特征点匹配的优化方法 - Google Patents
一种基于sift特征点匹配的优化方法 Download PDFInfo
- Publication number
- CN103714544A CN103714544A CN201310733191.8A CN201310733191A CN103714544A CN 103714544 A CN103714544 A CN 103714544A CN 201310733191 A CN201310733191 A CN 201310733191A CN 103714544 A CN103714544 A CN 103714544A
- Authority
- CN
- China
- Prior art keywords
- point
- point set
- matching
- value
- coupling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于SIFT特征点匹配的优化方法。本发明用尺度不变特征转换算法提取图像特征点及其描述符,K最邻近结点算法对描述符的欧氏距离进行交叉匹配,计算基础点集的每一个点比值测试值,引入坐标信息拟合出消影点坐标,通过消影点进行校验,剔除了一些SIFT匹配由于只考虑了尺度空间而引入的错误匹配点。
Description
技术领域:
本发明本发明属于图像处理与模式识别领域中的图像匹配技术领域,具体涉及一种基于SIFT(Scale-invariant feature transform,即尺度不变特征转换)特征点匹配的优化方法。
背景技术:
图像匹配技术主要过对影像内容、特征、结构、关系、纹理及灰度等的对应关系,相似性和一致性分析,寻求相同影像目标的方法。图像匹配技术可分为:基于图像灰度的匹配技术、基于图像特征的匹配技术、基于模板匹配的匹配技术和基于变换域的匹配技术。但在待匹配图像无旋转的情况下,匹配结果有待提高。
发明内容:
本发明的目的在于克服现有技术的不足,提供一种基于SIFT特征点匹配的优化方法。
为了解决背景技术所存在的问题,本发明采用以下技术方案:
一种基于SIFT特征点匹配的优化方法,它包括如下步骤:
(1)读取待匹配图像;
(2用尺度不变特征转换算法提取图像特征点及其描述符,用128维向量表示;
(3)K最邻近结点算法对描述符的欧氏距离进行交叉匹配,即先用左图的特征描述匹配右图的特征描述,再用右图的特征描述匹配左图的特征描述;选取两次匹配相同的点,作为匹配的基础点集;
(4)计算基础点集的每一个点比值测试值,即左图上特征点与右图最匹配的点,右图次匹配的点,分别作差在作比;同理对右图的点做相同的点做相同的操作,取两个比值的平均值;
(5)比值测试值,作为SIFT特征点的不可信度,即比值测试值越小越可信。
(6)取可信度高的部分,这里取值为0到0.3之间为标准点集,值为0.3到0.8之间为待定点集;
(7)对标准点集在同一个坐标系中,用直线的方式描述;
(8)依次对每一条直线求其余直线与该直线的交点,在这些交点中取距离最远的两个交点作为该直线的特征值;
(9)取直线特征值最小的两个作为最优直线,以这两条直线的交点作为消影点。
(10)对待定点集的每一个点求解左图点坐标为起点,消影点为终点与左图点坐标为起点,右图点坐标为终点的余弦值;
(11)取余弦值接近1的为正确点,这里取大于0.99,组成正确点集;
(12)最终的匹配点集有标准点集和正确匹配点集组成。
本发明对比现有技术有如下的有益效果:本发明引入坐标信息进行校验,剔除了一些SIFT匹配由于只考虑了尺度空间而引入的错误匹配点。
附图说明:
图1为本发明方法流程图。
具体实施方式:
下面结合附图,对本发明作进一步详细描述:
图1为本发明方法流程图。一种基于SIFT特征点匹配的优化方法,它包括如下步骤:
(1)读取待匹配图像;
(2用尺度不变特征转换算法提取图像特征点及其描述符,用128维向量表示;
(3)K最邻近结点算法对描述符的欧氏距离进行交叉匹配,即先用左图的特征描述匹配右图的特征描述,再用右图的特征描述匹配左图的特征描述;选取两次匹配相同的点,作为匹配的基础点集;
(4)计算基础点集的每一个点比值测试值,即左图上特征点与右图最匹配的点,右图次匹配的点,分别作差在作比;同理对右图的点做相同的点做相同的操作,取两个比值的平均值;
(5)比值测试值,作为SIFT特征点的不可信度,即比值测试值越小越可信。
(6)取可信度高的部分,这里取值为0到0.3之间为标准点集,值为0.3到0.8之间为待定点集;
(7)对标准点集在同一个坐标系中,用直线的方式描述;
(8)依次对每一条直线求其余直线与该直线的交点,在这些交点中取距离最远的两个交点作为该直线的特征值;
(9)取直线特征值最小的两个作为最优直线,以这两条直线的交点作为消影点。
(10)对待定点集的每一个点求解左图点坐标为起点,消影点为终点与左图点坐标为起点,右图点坐标为终点的余弦值;
(11)取余弦值接近1的为正确点,这里取大于0.99,组成正确点集;
(12)最终的匹配点集有标准点集和正确匹配点集组成。
本发明原理:
在SIFT检测出特征点,计算得到特征描述符,针对特征描述符的欧氏距离进行匹配。在这个匹配过程为保证匹配的效率用了K最临近结点的算法进行欧式距离匹配,为保证匹配的正确交叉匹配。至此得到的匹配点对,即为在SIFT算法中的正确点对。犹豫SIFT特征的局限性和算法的***误差导致得到的匹配点对有部分不正确。为弥补此处不足,做了如下处理:
我们把得到当前得到的匹配点称之为基础点集,我们将在此基础上进行筛选与剔除。
由于两幅图像点像素点都对应了世界中的真实景物,所以左图中的任意一点在右图中至多有一个点与之对应。如果左图中的一点在右图中有两个及以上个点的特征描述符很接近,我们就认为这个匹配点对不可信,反之亦然。
所以对基础点集的每一对匹配点都找到一个次匹配点,用最匹配点的匹配程度比次匹配点的匹配程度得到的值,作为不可信度。这个值在0到1之间。
至此,我们的匹配算法都是基于特征描述符,为进一步校验匹配结果,我们引入像素点的二维坐标。
由于在空间中,不与相机成像平面平行的平行线,在成像平面的投影交于一点,即图像的消影点。如果我们把相机看成一个平动的质点,在以相机为参照物的时候,空间中的物体的运动轨迹是一组平行线。这样在两帧之间,匹配点的坐标连线则交于图像中的消影点,即,没有交与该消影点匹配点对不正确。
所以我们根据匹配的可信度,找到一部分可信度高的匹配点,拟合出消影点的位置,以左图点坐标和消影点组成的向量和左图点坐标和右图组成的向量的余弦值为判断标准,在该余弦值较大,即接近1的时候,则认为该匹配点对正确,反之错误。
需要理解到的是:以上所述仅是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于SIFT特征点匹配的优化方法,其特征在于,它包括如下步骤:
(1)读取待匹配图像;
(2用尺度不变特征转换算法提取图像特征点及其描述符,用128维向量表示;
(3)K最邻近结点算法对描述符的欧氏距离进行交叉匹配,即先用左图的特征描述匹配右图的特征描述,再用右图的特征描述匹配左图的特征描述;选取两次匹配相同的点,作为匹配的基础点集;
(4)计算基础点集的每一个点比值测试值,即左图上特征点与右图最匹配的点,右图次匹配的点,分别作差在作比;同理对右图的点做相同的点做相同的操作,取两个比值的平均值;
(5)比值测试值,作为SIFT特征点的不可信度,即比值测试值越小越可信。
(6)取可信度高的部分,这里取值为0到0.3之间为标准点集,值为0.3到0.8之间为待定点集;
(7)对标准点集在同一个坐标系中,用直线的方式描述;
(8)依次对每一条直线求其余直线与该直线的交点,在这些交点中取距离最远的两个交点作为该直线的特征值;
(9)取直线特征值最小的两个作为最优直线,以这两条直线的交点作为消影点。
(10)对待定点集的每一个点求解左图点坐标为起点,消影点为终点与左图点坐标为起点,右图点坐标为终点的余弦值;
(11)取余弦值接近1的为正确点,这里取大于0.99,组成正确点集;
(12)最终的匹配点集有标准点集和正确匹配点集组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310733191.8A CN103714544B (zh) | 2013-12-27 | 2013-12-27 | 一种基于sift特征点匹配的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310733191.8A CN103714544B (zh) | 2013-12-27 | 2013-12-27 | 一种基于sift特征点匹配的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103714544A true CN103714544A (zh) | 2014-04-09 |
CN103714544B CN103714544B (zh) | 2016-08-17 |
Family
ID=50407487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310733191.8A Active CN103714544B (zh) | 2013-12-27 | 2013-12-27 | 一种基于sift特征点匹配的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714544B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513075A (zh) * | 2015-12-09 | 2016-04-20 | 深圳市华和瑞智科技有限公司 | 一种基于sift特征实现多点分层支撑描述的图像匹配方法 |
WO2017181892A1 (zh) * | 2016-04-19 | 2017-10-26 | 中兴通讯股份有限公司 | 前景分割方法及装置 |
CN108376409A (zh) * | 2018-02-24 | 2018-08-07 | 首都师范大学 | 一种光场图像配准方法及*** |
CN109410255A (zh) * | 2018-10-17 | 2019-03-01 | 中国矿业大学 | 一种基于改进的sift与哈希算法的图像配准方法及装置 |
CN113063353A (zh) * | 2021-03-31 | 2021-07-02 | 深圳中科飞测科技股份有限公司 | 坐标系建立方法、检测装置、检测设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004911A (zh) * | 2010-12-31 | 2011-04-06 | 上海全景数字技术有限公司 | 提高人脸识别正确率的方法 |
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
-
2013
- 2013-12-27 CN CN201310733191.8A patent/CN103714544B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004911A (zh) * | 2010-12-31 | 2011-04-06 | 上海全景数字技术有限公司 | 提高人脸识别正确率的方法 |
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
Non-Patent Citations (2)
Title |
---|
REN JIAYUAN ET AL.: "Study on Eliminating Wrong Match Pairs of SIFT", 《IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》, 31 December 2010 (2010-12-31), pages 992 - 995 * |
刘焕敏 等: "一种改进的SIFT双向匹配算法", 《兵工自动化》, vol. 28, no. 6, 30 June 2009 (2009-06-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513075A (zh) * | 2015-12-09 | 2016-04-20 | 深圳市华和瑞智科技有限公司 | 一种基于sift特征实现多点分层支撑描述的图像匹配方法 |
WO2017181892A1 (zh) * | 2016-04-19 | 2017-10-26 | 中兴通讯股份有限公司 | 前景分割方法及装置 |
CN108376409A (zh) * | 2018-02-24 | 2018-08-07 | 首都师范大学 | 一种光场图像配准方法及*** |
CN109410255A (zh) * | 2018-10-17 | 2019-03-01 | 中国矿业大学 | 一种基于改进的sift与哈希算法的图像配准方法及装置 |
CN113063353A (zh) * | 2021-03-31 | 2021-07-02 | 深圳中科飞测科技股份有限公司 | 坐标系建立方法、检测装置、检测设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103714544B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400384B (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
CN103530599A (zh) | 一种真实人脸和图片人脸的区别方法和*** | |
CN103714544A (zh) | 一种基于sift特征点匹配的优化方法 | |
EP3550467B1 (en) | Image matching method, device and system, and storage medium | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN105654421B (zh) | 基于变换不变低秩纹理的投影变换图像匹配方法 | |
US20200184682A1 (en) | Object pose tracking method and apparatus | |
Hao et al. | Efficient 2D-to-3D correspondence filtering for scalable 3D object recognition | |
CN106408597A (zh) | 基于邻域熵和一致性检测的sar图像配准方法 | |
CN107862713B (zh) | 针对轮询会场的摄像机偏转实时检测预警方法及模块 | |
CN104240231A (zh) | 基于局部结构二进制模式的多源图像配准 | |
Junejo et al. | Optimizing PTZ camera calibration from two images | |
CN103839253A (zh) | 一种基于局部仿射变换的任意点匹配方法 | |
CN107274382B (zh) | 一种硬压板的状态辨识方法、装置及电子设备 | |
CN105654479A (zh) | 多光谱图像配准方法和装置 | |
Shen et al. | Semi-dense feature matching with transformers and its applications in multiple-view geometry | |
CN106651756B (zh) | 一种基于sift和验证机制的图像配准方法 | |
CN103530872B (zh) | 一种基于角度约束的误匹配删除方法 | |
CN102034235B (zh) | 基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法 | |
Guo et al. | Image registration method based on improved SIFT algorithm and essential matrix estimation | |
Sun et al. | Robust feature matching based on adaptive ORB for vision-based robot navigation | |
Sheng et al. | Line matching of point clouds based on encoded asymmetric boundary | |
CN110648388A (zh) | 一种场景几何建模的方法、装置及设备 | |
Wei et al. | Matching filter-based vslam optimization in indoor environments | |
Li et al. | PLPR-SLAM: Indoor RGB-D SLAM Utilizing Point-Line-Plane Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190211 Address after: Unit B101-2, Phase II, International Science and Technology Park, 1355 Jinjihu Avenue, Suzhou Industrial Park, Jiangsu Province Patentee after: SUZHOU SHENGJING INFORMATION TECHNOLOGY CO., LTD. Address before: 215021 111C unit of international science and Technology Park, 1355 Jinji Hu Avenue, Suzhou Industrial Park, Jiangsu Patentee before: Suzhou grand view Spatial Information Technology company limited |