一种基于角度约束的误匹配删除方法

摘要

本发明提供一种基于角度约束的误匹配删除方法，具体过程为：步骤一、针对n个匹配点对，求解每一匹配点对坐标角度的tan值；步骤二、按tan值从小到大或从大到小，对n个匹配点对进行排序；步骤三、依次比较第i个匹配点对的tan值和第i+1个匹配点对的tan值，若两者之差在thresh以内，则归为一组，一共得到m个组，其中i＝1，2，…n-1，thresh为预先设定的门限值；步骤四、在m组中找到组内成员个数最多的组k，删除组k以外的匹配点对。本发明相比RANSAC算法和马氏距离算法，其没有矩阵逆、矩阵乘等复杂的、占用内存高的运算，提高了配准的准确性和实时性。

说明书

技术领域

本发明属于图像配准技术领域，具体涉及一种基于角度约束的误匹配删除 方法。

背景技术

图像配准的应用非常广泛，如模式识别、自动导航、医学诊断、计算机视 觉等领域。目前在图像的配准方面已开展了许多研究工作，提出了多种图像配 准方法。

常见的配准方法分为两大类：基于特征的配准方法，如Harris角点法、SIFT 法等；基于区域的配准方法，如互信息，FMT等。其中基于区域的配准方法不需 要提取特征，适用于灰度信息大于结构信息的情况；且要求两幅图像的灰度函 数必须相似或至少统计相关，仅能处理平移和小角度旋转的情况，适用范围较 窄。而基于特征的配准方法可以配准两幅自然属性完全不同的图像，并适应两 幅图像间复杂的几何和光学畸变，是近年来研究的热点。

基于特征点的配准方法，其步骤主要包括特征点提取、不变特征描述、相 似性度量、特征匹配、计算变换矩阵等，见附图1。进行特征匹配时，首先根据 一定的方法，如Harris、fast、brief等提取特征点；接着对提取的特征点进行 描述；然后根据相似性度量准则初步建立特征点的对应关系，但这种对应关系 不是完备的，其中很可能存在误匹配，必须删除误匹配从而得到正确的匹配点 对；然后根据正确的匹配点对计算得到变换矩阵，最后待配准图像通过坐标变 换与插值得到配准后的图像。需要强调的是，在特征点匹配所建立的初步匹配 点对中可能存在误匹配特征点对，这些误匹配的点对的存在极大地影响配准仿 射变换矩阵的求取，使配准结果出现偏差甚至导致失配，因此必须删除这些误 匹配点对。

目前删除误匹配的方法有：①“RANSAC算法(RANdom SAmPI/Cnoesnsus，即 随机抽样一致性算法)，它是根据一组包含异常数据的样本数据集，计算出数据 的数学模型参数，得到有效样本数据的算法。RANSAC算法的基本假设是样本中 包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers， 偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异 常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC 也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方 法。在特征点配对中，模型即为从一个平面上的特征点到另外一平面上的特征 点的变换关系，反应为变换矩阵H。H是一个包含6个自由度的2×3矩阵，它最少 可以由两平面中的3对匹配点计算出，但同一平面上的3个点必须不共面。但值 得注意的是，过大的外点比例将导致RANSAC算法失败，且此算法较为复杂。②马 氏距离删除误匹配算法。利用马氏距离的仿射不变性进行不变特征相似性度量。 马氏距离是印度统计学家Mahalanobis提出来的。对于由n个点构成的样本空间 X₁＝{(x₁₁，y_11，)^t，…，(x_1n，…y_1n)^t}，(t表示转置)，其中任意一样本点X_1i＝(x_1i,y_1i)^t到另一 个样本空间X₂＝{(x₂₁，y₂₁)^t，…，(x_2n，y_2n)^t中任一样本点X_2j＝(x_2j，y_2j)^t的马氏距离为：

$d_{M\left(\mathrm{ij}\right)}=\sqrt{(X_{1i}-X_{2j})C^{-1}{(X_{1i}-X_{2j})}^t}---\left(1\right)$

其中C表示协方差矩阵；C^-1表示C的逆矩阵。假定X_1i＝(x_1i，y_1i)^t和X_2j＝(x_2j,y_2j)^t分 别为待配准子图和参考子图间的一组特征点对，根据公式(1)计算出X₁和X₂对 应的马氏距离，当d_M大于一个阈值d_Mth时，认为这两个角点是误匹配的。但此方 法需要大量的求逆运算和大量的矩阵乘、开方运算，导致算法复杂度高，实时 性下降。

发明内容

有鉴于此，本发明针对平移和小角度旋转变换的图像，提出一种基于角度 约束的误匹配删除方法，旨在又快又好地删除误匹配。

为了解决上述技术问题，本发明是这样实现的：

一种基于角度约束的误匹配删除方法，具体过程为：

步骤一、针对n个匹配点对，求解每一匹配点对坐标角度的tan值；

步骤二、按tan值从小到大或从大到小，对n个匹配点对进行排序；

步骤三、依次比较第i个匹配点对的tan值和第i+1个匹配点对的tan值， 若两者之差在thresh以内，则归为一组，一共得到m个组，其中i＝1，2，…n-1， thresh为预先设定的门限值；

步骤四、在m组中找到组内成员个数最多的组k，删除组k以外的匹配点对。

进一步地，在步骤四找到组k后，继续对组k内的成员个数进行判断，当 组k内的成员个数小于3时，则增大预先设定的门限值thresh，并返回步骤三。

有益效果：

首先，用于不变特征描述的特征描述向量越完善，特征点对匹配正确的可 能性越高，但总有误匹配存在；对于图像间存在的平移变换和小角度变换(小 于5°)，所有正确匹配点对其连接线角度相近(即tan值相近，理想的情况下 连接线角度相等，连接线是平行的)，而错误匹配点对其连接线角度则是随机的； 本发明正是基于该原理删除错误的匹配点对的。

其次，由于图像几何畸变一般是由传感器位置的改变引起的，所以大部分 的畸变模式是平移和小角度旋转，而本发明适用于平移变换和小角度变换的情 况，其删除误匹配点对的速度快，且效果好。

附图说明

图1为基于特征的配准流程图。

图2为基于角度约束的误匹配删除方法流程图。

具体实施方式

下面结合附图2并举实施例，对本发明进行详细描述。

本发明适用基于特征点的配准方法，用于在提取了特征点，进行特征点不 变特征描述，确定了相似性度量准则，并建立了初步的匹配点对之后，针对可 能存在的误匹配特征点对，删除错误的匹配点对，避免配准结果出现偏差，提 高特征点配准率的一种方法。此方法提高了对应特征点检测的准确性，更快更 准估计出变换矩阵，最终提高了配准的精度和实时性。

如图2所示，本发明基于角度约束的误匹配删除方法，包括如下4个步骤： (1)求每对匹配点对坐标角度的tan值；(2)按tan值从小到大或从大到小排 序；(3)对匹配点对分组，得到m个组；(4)在m个组中，找到组内成员个数 最多的组k，删除k组以外的所有匹配点对，从而达到误匹配删除的目的。本发 明根据4个步骤的特点，提高配准的精度，而且可以提高配准的速度。

以下对本发明误匹配删除方法的4个步骤进行详细说明：

首先假设图像间畸变模型为仿射变换，其数学表示如下：

$\left(\begin{array}{c}{x_i}^{\prime }\\ {y_i}^{\prime }\end{array}\right)=s\left(\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right)*\left(\begin{array}{c}{x}_i\\ y_i\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)=\left(\begin{array}{cc}{a}_1& a_2\\ a_3& a_4\end{array}\right)*\left(\begin{array}{c}{x}_i\\ y_i\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)---\left(1\right)$

式(1)中，s为尺度因子，此处s＝1，θ为旋转角，t_x为x方向平移量，t_y为y方 向平移量。

(1)求每对匹配点对坐标角度的t an值；

假设待配准图像和参考图像之间有n对匹配点对，其中参考图像上的特征 点为(x₁₁，y₁₁)，(x₁₂，y₁₂)…(x_1n，y_1n)，待配准图像上对应的特征点为(x₂₁，y₂₁)， (x₂₂，y₂₂)…(x_2n，y_2n)，即点(x₁₁，y₁₁)与点(x₂₁，y₂₁)组成匹配点对，点(x₁₂，y₁₂)与点 (x₂₂，y₂₂)组成匹配点对，依次类推；则每个匹配点对的tan值为：其中j＝1，2……n。因为正切函数tan是增函数，因此tan值的大小直接反映了 角度的大小。

(2)按tan值从小到大或从大到小，对n个匹配点对进行排序；

(3)匹配点对分组，得到m个组；

依次比较第i(i＝1，2，…n-1)个匹配点对的tan值和第i+1个匹配点对的 tan值，若两者之差在thresh以内，则归为一组，一共得到m个组。Thresh为 设定的门限，在提取正确匹配点个数比较多的情况下，Thresh可设置为较小的 值。

(4)在m个组中，找到组内成员个数最多的组k(k≤m)，删除组k以外的 匹配点对；将组内成员个数最多的组k所包含匹配点对视为正确的匹配点对， 若其成员个数大于等于3，剔除k组以外的所有匹配点，方法结束；若其成员个 数小于3，则增大门限thresh，返回步骤(3)。

本发明thresh为预先设定的门限，因此其值的大小可以调整，在提取正确 匹配点对个数比较多的情况下，门限thresh可以设置较小，如设为0.02，在提 取正确匹配点对个数较少的情况下，门限thresh可以设置较大。可见，本发明 通过求取所有配准点对之间角度的tan值，利用的正确的配准点对连接线平行 这一几何关系，对连接角度进行约束，删除角度随机的匹配点对，从而保留正 确的匹配点对，相比RANSAC算法和马氏距离法，并且本方法简单，没有矩阵逆、 矩阵乘等复杂的、占用内存高的运算，提高了配准的准确性和实时性。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保 护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等， 均应包含在本发明的保护范围之内。