專(zhuān)利名稱(chēng)：一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法
一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法技術(shù)領(lǐng)域
本發(fā)明屬于機(jī)器視覺(jué)與目標(biāo)識(shí)別領(lǐng)域，涉及一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方 法，特別涉及一種通過(guò)尋優(yōu)所構(gòu)造能量函數(shù)來(lái)實(shí)現(xiàn)圖像特征點(diǎn)匹配的方法。
背景技術(shù)：
特征點(diǎn)匹配一直是機(jī)器視覺(jué)與目標(biāo)識(shí)別領(lǐng)域的重要研究?jī)?nèi)容。在目標(biāo)識(shí)別與跟 蹤、監(jiān)控安防等系統(tǒng)中有著重要的應(yīng)用價(jià)值?；诨叶鹊钠ヅ浞椒ㄊ浅Ｓ玫膫鹘y(tǒng)特征點(diǎn)匹 配方法，該方法以待匹配圖像為模板，重疊放在參考圖像上移動(dòng)。在模板移動(dòng)中，對(duì)模板與 不同位置的參考子圖進(jìn)行相似性計(jì)算，遍歷整個(gè)圖像后，把與參考子圖相似性計(jì)算最優(yōu)的 區(qū)域作為匹配位置，從而找到兩幅圖像中特征點(diǎn)的匹配關(guān)系。由于模板匹配本身抗干擾能 力不強(qiáng)，容易產(chǎn)生誤匹配，從而容易導(dǎo)致特征點(diǎn)匹配失敗。
另外，還有采用基于Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)特征點(diǎn)匹配的方法。該類(lèi)方法先確 定待匹配特征點(diǎn)的位置，然后利用相對(duì)位置信息構(gòu)造能量函數(shù)，采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí) 現(xiàn)能量函數(shù)的優(yōu)化計(jì)算，從而求得兩幅圖像中特征點(diǎn)之間的匹配關(guān)系。由于相對(duì)位置信息 對(duì)匹配結(jié)果不具有唯一性，而且Hopfield神經(jīng)網(wǎng)絡(luò)自身的尋優(yōu)能力不強(qiáng)，容易陷入局部極 小，因此很容易造成誤匹配。
因此設(shè)計(jì)一種新型的特征點(diǎn)匹配方法具有重要的應(yīng)用價(jià)值。 發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是，設(shè)計(jì)一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，實(shí)現(xiàn) 對(duì)兩幅圖像中特征點(diǎn)的匹配與識(shí)別。
本發(fā)明所采用的技術(shù)方案是一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，利用像素的 灰度梯度信息求得目標(biāo)圖像和模板圖像中的特征點(diǎn)，根據(jù)兩幅圖像中特征點(diǎn)數(shù)量的多少確 定匹配能量函數(shù)。為提高匹配的準(zhǔn)確率，能量函數(shù)中既包括特征點(diǎn)之間的相對(duì)位置信息，又 包括特征點(diǎn)自身的灰度信息。利用遲滯混沌神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)能量函數(shù)的優(yōu)化計(jì)算，從而求得 匹配結(jié)果。
本發(fā)明的目的在于提出一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，所構(gòu)造的能量函數(shù) 中增加了特征點(diǎn)灰度匹配信息，可提高特征點(diǎn)的匹配正確率。采用遲滯混沌神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 能量函數(shù)的優(yōu)化計(jì)算，增強(qiáng)了算法的全局尋優(yōu)能力，從而得到正確的特征點(diǎn)匹配結(jié)果。


圖1為特征點(diǎn)匹配結(jié)果。
具體實(shí)施方式
下面結(jié)合實(shí)施例和附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。
目標(biāo)圖像和模板圖像中用于匹配的點(diǎn)應(yīng)盡可能地容易被識(shí)別和匹配，因此特征點(diǎn)應(yīng)在圖像中尋找具有很大變化的區(qū)域。在以某一點(diǎn)為中心的窗函數(shù)中，使用窗內(nèi)所有像素 來(lái)計(jì)算其在不同方向上的變化量，是該點(diǎn)在不同方向上顯著性的一個(gè)好測(cè)度，方向變化量 采用如下公式計(jì)算
權(quán)利要求
1.一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，其特征在于采用顯著性好的測(cè)度方法在模板 圖像和目標(biāo)圖像中檢測(cè)出特征點(diǎn)，并構(gòu)造特征點(diǎn)匹配準(zhǔn)則能量函數(shù)，通過(guò)求解該能量函數(shù) 得到正確的特征點(diǎn)匹配結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，其特征在于，通過(guò)設(shè)定特 征點(diǎn)選擇閾值可控制模板圖像和目標(biāo)圖像中特征點(diǎn)的數(shù)量與關(guān)系。
3.根據(jù)權(quán)利要求1所述的基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，其特征在于，匹配準(zhǔn)則能 量函數(shù)中的指標(biāo)函數(shù)項(xiàng)包含特征點(diǎn)的相對(duì)位置匹配信息和灰度匹配信息兩部分。
4.根據(jù)權(quán)利要求1所述的基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，其特征在于，在解矩陣[vik]MXN中其他元素都為ο的情況下，每行僅有一個(gè)ι的約束條件表示為
5.根據(jù)權(quán)利要求1所述的基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法，其特征在于，采用遲滯混 沌神經(jīng)網(wǎng)絡(luò)對(duì)匹配準(zhǔn)則能量函數(shù)進(jìn)行優(yōu)化求解。
全文摘要
本發(fā)明屬于機(jī)器視覺(jué)與目標(biāo)識(shí)別領(lǐng)域，具體為一種基于優(yōu)化計(jì)算的特征點(diǎn)匹配方法。采用窗口區(qū)域方向變化量作為特征點(diǎn)的測(cè)度值，在模板圖像和目標(biāo)圖像中分別檢測(cè)特征點(diǎn)。通過(guò)設(shè)定特征閾值來(lái)控制特征點(diǎn)的數(shù)量。根據(jù)特征點(diǎn)的相對(duì)位置信息和灰度信息確定匹配準(zhǔn)則能量函數(shù)。利用遲滯混沌神經(jīng)網(wǎng)絡(luò)對(duì)能量函數(shù)進(jìn)行優(yōu)化計(jì)算求得兩幅圖像中特征點(diǎn)的匹配結(jié)果。本發(fā)明可應(yīng)用于目標(biāo)識(shí)別系統(tǒng)中。
文檔編號(hào)G06K9/00GK102034093SQ20101057368
公開(kāi)日2011年4月27日 申請(qǐng)日期2010年12月3日 優(yōu)先權(quán)日2010年12月3日
發(fā)明者修春波 申請(qǐng)人:天津工業(yè)大學(xué)