Sift圖像快速匹配的尺寸預處理方法
2023-04-23 17:48:16
Sift圖像快速匹配的尺寸預處理方法
【專利摘要】一種SIFT圖像快速匹配的尺寸預處理方法，其特徵是當有M對縮放比例相近的大尺寸圖像和小尺寸圖像進行匹配時，以一對圖像中景物相同部分解析度儘可能相等為原則，選擇一對原始圖像做預匹配，確定大尺寸圖像的縮小比例。之後，或按照該縮小比例將後續M-1幅大尺寸圖像在匹配前縮小，或利用實時更新的縮小比例將下一幅大尺寸圖像在匹配前縮小。除預匹配之外，其餘圖像匹配的速度隨著大尺寸圖像的縮小而提升，而匹配的性能並未下降。本發明便於與其他SIFT改進算法相結合，以得到更快的匹配速度。
【專利說明】SIFT圖像快速匹配的尺寸預處理方法
【技術領域】
[0001]本發明涉及計算機視覺領域，特別是涉及一種圖像匹配的快速方法。
【背景技術】
[0002]圖像匹配在視覺導航、目標定位、識別與跟蹤、遙感圖像處理、圖像檢索、立體視覺測距和三維重建等應用上不可或缺，故已成為計算機視覺領域的研究熱點之一。SIFT (scale invariant feature transform)是一種著名的圖像匹配算法，由 D.G.Lowe 於1999年提出，2004年完善。SIFT算法的突出優點是具有尺度、旋轉、光照等不變性。換句話說，SIFT能夠實現具有不同尺度、不同旋轉參數、不同光照強度的異源圖像匹配。
[0003]然而，運行速度慢是SIFT算法的一個公認問題。為此，許多學者給出了各具特色的改進方案，但鮮有涉及預處理環節。眾所周知，在能夠匹配的條件下，兩幅待匹配圖像的尺寸越小，圖像匹配的速度越快。所以，在匹配前對圖像做尺寸縮小預處理是提高匹配速度的一種途徑。然而，在實際應用中，如果同時縮小兩幅待匹配圖像，往往存在著降低匹配性能的風險，使得原本能夠匹配的兩幅圖像失去匹配關係。尤其當兩幅待匹配圖像的尺寸不同時，小尺寸圖像的縮小意味著特徵點的減少，進而導致匹配點的減少。當匹配點數少於一定閾值時，圖像匹配失敗。
【發明內容】
[0004]本發明的目的在於，針對存在對應景物但對應部分解析度不同(即尺寸不同)的兩幅待匹配圖像，給出一種大尺寸圖像的預縮小方法，一方面使圖像匹配時間得以減少，另一方面使圖像匹配性能得以保持。
[0005]本發明的技術方案是，當有M對具有相近縮放比例的大尺寸圖像和小尺寸圖像進行匹配時，在大批量進行匹配之前，以兩幅圖像中景物相同部分解析度儘可能相等為原則，通過選擇一對原始圖像做預匹配，確定大尺寸圖像的縮小比例。之後，按照該縮小比例將後續M-1幅大尺寸圖像在匹配前做縮小預處理。具體步驟如下:
[0006]第一步，基於SIFT算法進行一組原始尺寸的大尺寸圖像和小尺寸圖像匹配，即圖像預匹配。如果M幅大尺寸圖像是序列圖像，則選取第一對原始圖像進行預匹配。
[0007]第二步，從所有匹配的特徵點對中隨機選取兩對，如圖1中的A-A'和B-B'，計算大尺寸圖像中特徵點A和B之間的距離I,以及小尺寸圖像中對應特徵點A'和B'之間的距離Γ，得到第一個縮小比例:
[0008]rl = I' /I
[0009]第三步，重複第二步N-1次，得到N-1個縮小比例r2,…，rN。N可取3?10。
[0010]第四步，求取N個縮小比例的平均值，得到最終的大尺寸圖像縮小比例:
[0011]r = (rl+r2+…+rN)/N
[0012]第五步，在後續的M-1次圖像匹配任務中，先將每幅大尺寸圖像縮小到原來的r倍(圖像的寬和高均縮小到原來的r倍)，然後再和對應的小尺寸圖像進行匹配。
[0013]在上述尺寸預處理中，第一次預匹配所獲得的縮小比例r與後續某些圖像對的實際縮小比例之間可能存在較大偏差。如果M對縮放比例相近的大尺寸圖像和小尺寸圖像是序列圖像，可採用縮小比例跟蹤校正策略消除該偏差，即在第k+Ι次匹配時，採用第k次的匹配結果更新縮小比例r, k = 1，...，Μ-1,具體如下:
[0014]步驟1:令k= l,r = I,基於SIFT算法進行第一對原始尺寸的大尺寸圖像和小尺寸圖像預匹配。
[0015]步驟2:從第k對圖像的所有匹配特徵點對中隨機選取兩對計算縮放比例，k = I時，縮放比例=小尺寸圖像兩特徵點間距離/大尺寸圖像兩特徵點間距離；k>l時，縮放比例=小尺寸圖像兩特徵點間距離/縮小的大尺寸圖像兩特徵點間距離，重複該做法N次(N=3?10),共得至Ij N個縮放比例rl,…，rN,求取其平均值r' = (rl+r2+…+rN)/N，進而得至Li更新的大尺寸圖像縮小比例r = rXr'。
[0016]步驟3:令 k = k+l。
[0017]步驟4:將第k幅大尺寸圖像縮小到原來的r倍，然後再和第k幅小尺寸圖像進行匹配。
[0018]步驟5:若k = M，停止匹配過程。否則，轉到第二步。
[0019]因為縮放比例的計算時間較之圖像匹配時間可以忽略不計，所以縮小比例的跟蹤校正並不影響匹配速度的提升。
[0020]本發明所達到的效果和益處是，除了第一次圖像預匹配的速度保持不變之外，其餘圖像匹配的速度都將隨著大尺寸圖像的縮小而提升。同時，圖像匹配的性能並未下降。其原因有二，一是縮小後的大尺寸圖像與小尺寸圖像在匹配內容上具有近似相等的解析度，在尺度空間上的匹配對應關係也變得更加明確；二是本專利中大尺寸圖像的高斯模糊程度較小，圖像的細節特徵保留得更好。以一幅大尺寸航拍圖(1024X1024)和一幅小尺寸Google Earth圖(640X640)為例，見圖2。航拍圖縮小前(r = 1)，匹配率=1.31% (總特徵點數=7883，匹配點數=103)，匹配時間為11.8s(計算機CPU為E6550，主頻2.34GHz,內存3.25GB)。航拍圖縮小後(r = 0.23)，匹配率=15.99% (總特徵點數=613，匹配點數=98)，匹配時間為4.6s。可見，航拍圖縮小後，匹配速度約提升為原來的3倍，但匹配點數基本不變，匹配率上升了 12倍。需要說明的是，本發明處於圖像預處理環節，便於與其他的SIFT改進算法相結合，以得到更加快速的匹配速度。
【專利附圖】
【附圖說明】
[0021]圖1是基於圖像預匹配確定大尺寸圖像縮小比例的示意圖。
[0022]圖2是一幅大尺寸航拍圖和一幅小尺寸Google Earth圖的預匹配示意圖。
【具體實施方式】
[0023]下面結合技術方案和圖2，詳細敘述本發明的一個具體實施例。
[0024]現有100幅大尺寸航拍圖(1024 X 1024)和100幅小尺寸Google Earth圖(640X640)，每對圖像中相同景物具有相近的縮放比例，其中第一組圖像對如圖2所示。
[0025]航拍圖和Google Earth圖的來源不同，但存在共同景物,如圖2中的廣場部分。以下是本發明的圖像匹配步驟:
[0026]第一步，基於SIFT算法進行第一組圖像對(即圖2中兩幅圖像)的預匹配，得到103對匹配的特徵點。
[0027]第二步，從103對匹配的特徵點中隨機選取兩對，如圖2中的A-a與B_b，根據這些特徵點的坐標(見表1)，計算航拍圖中特徵點A和B之間的距離1AB,以及Google Earth圖中特徵點a和b之間的距離lab，得到第一個縮小比例:
[0028]rl = lab/IAB ^ 0.23147
[0029]其中，Ipq表示點P與點q之間的距離。設p點坐標為(xp，yp)，q點坐標為(xq，yq)，
【權利要求】
1.一種SIFT圖像快速匹配的尺寸預處理方法，其特徵是，當有M對具有相近縮放比例的大尺寸圖像和小尺寸圖像進行匹配時，在大批量進行匹配之前，以兩幅圖像中景物相同部分解析度儘可能相等為原則，通過選擇一對原始圖像做預匹配，確定大尺寸圖像的縮小比例；之後，按照該縮小比例將後續M-1幅大尺寸圖像在匹配前做縮小預處理；具體步驟如下: 第一步，基於SIFT算法進行一組原始尺寸的大尺寸圖像和小尺寸圖像預匹配；如果M幅大尺寸圖像是序列圖像，選取第一對原始圖像進行預匹配； 第二步，從所有匹配的特徵點對中隨機選取兩對，計算得到第一個縮小比例rl =小尺寸圖像兩特徵點間距離/大尺寸圖像兩特徵點間距離； 第三步，重複第二步N-1次，得到N-1個縮小比例r2，…，rN ； 第四步，求取N個縮小比例的平均值，得到最終的大尺寸圖像縮小比例: r = (rl+r2+...+rN) /N 第五步，在後續的M-1次圖像匹配任務中，先將每幅大尺寸圖像縮小到原來的r倍，再和對應的小尺寸圖像進行匹配。
2.根據權利要求1所述的SIFT圖像快速匹配的尺寸預處理方法，其特徵是，如果M對縮放比例相近的大尺寸圖像和小尺寸圖像是序列圖像，採用縮小比例跟蹤校正策略，在第k+Ι次匹配時，採用第k次的匹配結果更新縮小比例r，k= 1，...，Μ-1，消除第一次預匹配所獲得的縮小比例與後續某些圖像對的實際縮小比例之間可能存在的偏差；具體如下: 步驟1:令k= l，r= 1，基於SIFT算法進行第一對原始尺寸的大尺寸圖像和小尺寸圖像預匹配； 步驟2:從第k對圖像的所有匹配特徵點對中隨機選取兩對計算縮放比例，k=I時，縮放比例=小尺寸圖像兩特徵點間距離/大尺寸圖像兩特徵點間距離；k>l時，縮放比例=小尺寸圖像兩特徵點間距離/縮小的大尺寸圖像兩特徵點間距離，重複該做法N次，共得到N個縮放比例rl,…，rN,求取其平均值r' = (rl+r2+…+rN)/N，得到更新的大尺寸圖像縮小比例 T = TXr'； 步驟3:令k = k+Ι ; 步驟4:將第k幅大尺寸圖像縮小到原來的r倍，再和第k幅小尺寸圖像進行匹配； 步驟5:若k = M，停止匹配過程；否則，轉到第二步。
3.根據權利要求1或2所述的SIFT圖像快速匹配的尺寸預處理方法，其特徵是，縮放比例的計算次數N取3?10。
【文檔編號】G06T3/40GK104182930SQ201410407096
【公開日】2014年12月3日 申請日期:2014年8月16日 優先權日:2014年8月16日
【發明者】林秋華, 張存柱, 曹建超 申請人:大連理工大學