一种基于仿射变换区域匹配增长算法.docVIP

一种基于仿射变换的区域匹配增长算法 　　摘要：近年来，图像匹配中的特征匹配由于其匹配结果的鲁棒性得到了广泛的应用，但是特征匹配在匹配过程中获得的匹配点对数量往往过少，有时候这很难满足实际应用的需要，并且基于特征的匹配很难解决图像中无纹理或少纹理区域的匹配问题。针对上述情况，本文在充分利用特征匹配提供的稳定匹配结果的基础上提出了一种基于仿射变换的区域匹配增长算法，该算法以仿射变换为基础，同时利用最小二乘的方法根据需要对影像分区域进行匹配增长，并且在匹配过程中有效的解决了影像中无纹理或少纹理区域的匹配问题。 　　关键词：影像匹配 区域增长 SIFT 仿射变换 最小二乘 　　1.引言 　　图像匹配按其匹配基元的不同主要可以分为以下两类：（1）基于灰度的匹配（2）基于特征的匹配。基于灰度的匹配算法简单，匹配精度高，但其往往有着很大的计算量，并且当影像间的旋转和缩放差异很大时，基于灰度的匹配往往会出现很大的偏差[1]。基于特征的匹配对图像缩放、尺度变换、旋转等都具有一定的抗性，匹配结果具有很强的鲁棒性，因此基于特征的匹配近年来受到了广泛的关注，并且产生了大量可靠、稳定的匹配算法。其中D.G .Lowe 于1999年提出，到2004年总结完成的SIFT算法是目前国内外比较流行的一种特征匹配算法。 　　基于特征的匹配虽然能够提供比较可靠、稳定的匹配结果，但从影像中获取的用来进行匹配的特征往往是非常有限的，从而得到的匹配结果比较稀疏。有时候稀疏匹配结果很难满足实际应用的需要，如利用卫星遥感影像对地面地形信息的提取，这需要大量的匹配点对，而这仅仅依靠特征匹配提供的匹配结果是远远不够的。针对上述问题提出了一种基于仿射变换的区域匹配增长算法，该算法以仿射变换为基础，同时利用最小二乘的方法根据需要对影像分区域进行匹配增长，从而获得更多的匹配结果，以满足实际应用的需要，同时该算法在匹配过程中有效的解决了影像中无纹理或少纹理区域的匹配问题。 　　2.基于仿射变换的区域匹配增长算法 　　2.1 SIFT特征匹配 　　首先利用SIFT特征算子对图像进行初始匹配，获得图像的初始匹配结果。SIF算子由D.G .Lowe提出，其特征的构造方法主要包括关键点的检测和描述子的构造两部分[2]。 　　在匹配过程中如何找到最近邻与次近邻的特征点是整个匹配算法的关键，在这里我们采用的是改进的k-d树算法-BBF（Best Bin First）算法[3]。 　　2.2 利用仿射变换进行区域匹配点增长 　　在获得了SIFT的初始匹配结果以后，根据需要选择要进行匹配点增长的区域，如某一部分无纹理区域或某一特征点过于稀疏的区域，然后在这一区域上利用仿射变换进行匹配点的增长。具体步骤如下： 　　（1）在选定区域内选取足够多的匹配点对（至少3对，选取的匹配点对在该区域内应尽量分布均匀）进行初始仿射变换参数的计算。二维图像仿射变换的一般形式为[4] 　　 （1） 　　根据选取的初始匹配点对构造矩阵方程 ，其中 ，A为方程的系数矩阵，根据最小二乘法求解该矩阵方程得 　　 （2） 　　（2）输入所选区域内要进行匹配的点的坐标（可以根据需要指定要进行匹配的点，也可以通过打网格获取一系列格网点），利用求出的仿射变换参数对其进行粗匹配，获得这些点的相应匹配点坐标。 　　（3）计算匹配点相关系数 。对左像中每一个匹配点，选取以其为中心的一定大小的图像窗口，然后对这个图像窗口中的每一个像点利用仿射变换参数求得其在右像上分别对应的像点坐标，求得的这些右像像点的灰度值可用双线性内插的方法获得。然后计算左方影像窗口与右方影像窗口灰度阵列的相关系数 ，相关系数 的计算公式如下[5] 　　; （3） 　　（4）判断匹配点对的相关系数 与给定的相关系数阈值的关系。如果 大于给定的相关阈值，则认为这是一对正确的匹配点对，输出匹配结果，否则转（5）。 　　（5）对于每一对匹配点利用最小二乘影像匹配求解其仿射变换参数的改正值 [6]。对于左像中的像点与右像中相对应的像点的最小二乘匹配的误差方程式，经线性化后可得 　　 （4） 　　式中未知数 是仿射变换参数的改正值， 是左像点与其相对应的右像点的灰度差。误差方程式的系数 　　（5） 　　式（5）中 指的是右像中相应像点的灰度值， 指的是相应像点 方向的偏导数， 指的是相应像点 方向的偏导数。在数字影像中 　　（6） 　　按式（4）（5）将左像中以匹配点为中心的图像窗口在右像中对应的每个像元逐个像元建立误差方程式，其矩阵形式为 　　 （7） 　　其中 。由误差方程式建立法方程式 　　 （8） 　　利用最小二乘法可求得 。 　　（6）计算改正后的仿射变换参数。改正后的仿射变换参数可按下式计算 　　=