图像匹配技术是计算机视觉领域中的一项重要技术,在图像拼接、三维重构、SLAM等众多领域有着广泛的应用。然而由于光线、遮挡、视角变换、形变等外部噪声因素的影响,各种图像匹配算法得到的匹配结果都具有一定的局限性,因此如何选择合适的算法得到图像的精确匹配是一个有价值的研究。本文针对长基线或大视角变换的图像在配对过程中会出现大量的错误匹配的问题,提出了一种基于过滤与动态抽样的图像匹配算法,算法主要分为两个部分(1)基于匹配点几何拓扑分布特征的过滤模型:该模型利用匹配点对的分布特征构造一个过滤模型,提前去除大量的错误匹配点对,有效提高正确匹配点对的概率,为后续工作做铺垫,减少了算法的迭代次数,减少了算法运行时间;(2)基于马尔科夫蒙特卡罗(Markov Chain Monte Carlo,简称MCMC)的动态抽样算法:该方法赋予每个匹配点对一定的概率,使其具有活力,由以往算法中被动变为主动,能够加快正确模型的查找速度。在整个算法设计过程中,本文算法根据内点的几何拓扑分布特征提出了基于匹配点几何拓扑分布的数据过滤模型;充分考虑到了匹配点的随机性提出了基于马尔科夫链蒙特卡罗的抽样一致性算法,有效解决了长基线或大视角变换的图像在配对过程中会出现大量的错误匹配的问题。本文通过对多组图像进行算法实验分析,其结果显示,(1)当图像间不存在明显的缩放,即使视角差异较小,正确匹配点对(内点)在图像间的几何分布较为接近,内点间的距离之差要大概率小于错误匹配点对(外点)间的距离之差;当图像间存在明显缩放时,匹配点对在图像间的分布差异就较为明显,内点之间的距离均值小于外点之间的距离。由此构造的过滤模型能够有效去除外点,提高内点概率。(2)由于赋予了匹配点对活力,使得抽样更有效率,大大缩减找到正确模型的时间。(3)经过与其他算法比较也证明本文所提算法在针对长基线或大视角变换的图像在配对过程中会出现大量的错误匹配的问题上具有较好的优势。
暂无评论