技術領域

本發明涉及一種航拍圖像快速匹配算法，特別是涉及一種基于多特征哈希學習的航拍圖像快速匹配算法，屬于數字圖像處理技術領域。

背景技術

航拍圖像匹配技術是計算機視覺、圖像處理和計算機圖形學鄰域的研究熱點，利用多幅具有重疊區域的圖像產生高分辨率全景圖像，在場景重建、災害防治、環境監測、遙感圖像等領域有著廣泛的應用價值。由于航拍圖像數據量大、分辨率高，如何構建高效的特征描述子是實現航拍圖像快速匹配的關鍵。

航拍圖像局部特征匹配主要分為兩個步驟：特征點檢測、特征描述子構建。通過對特征點鄰域的像素灰度信息進行描述，即可得到該特征點的描述子，一般表示為向量形式。為了更精確的描述特征點以用于后續匹配，通常一種好的特征描述子需要滿足如下性質：高區分性、高魯棒性。高區分性要求特征點被獨一無二地描述；高魯棒性要求在不同圖像上能識別出相同特征點。最近十幾年，提出了很多高魯棒性和高區分性的局部特征描述子，如SIFT、SURF。但這些特征描述子均屬于手工設計的特征，且采用浮點型數值描述，運算速度慢、匹配復雜度高，不適用于大尺度、高分辨率的航拍圖像匹配。

為了解決高維浮點型描述子的匹配問題，學者們提出采用二進制描述子進行特征點描述。運用二進制特征描述子進行航拍圖像特征匹配具有很多優點，如運算速度快、占用內存空間少、匹配方法簡單，通過漢明距離大小即可判斷特征是否匹配。二進制特征描述子主要分為兩類：一類是將高維的浮點型特征描述子進行降維、量化，獲取簡短的二進制特征描述子，使得高維描述子的相似性在漢明空間內仍能保留；另一類是直接從原始圖像塊中獲取二進制串，通過強度信息差異選取二進制比特位，典型的方法有BRIEF，ORB，BRISK，FREAK等。二進制描述子將特征點表示為二進制串，可以大大提高運算速度，減少內存空間，但是該類描述子大多采用特征點鄰域的單一特征，如灰度特征、梯度特征，得到的二進制描述子區分性不如浮點型特征描述子，用于航拍圖像匹配時，匹配準確度不高。

發明內容

本發明的主要目的在于，克服現有技術中的不足，提供一種基于多特征哈希學習的航拍圖像快速匹配算法，將特征點表示為二進制哈希碼形式，解決基于傳統浮點型特征描述子時匹配效率低的問題，并大幅提高特征描述子區分性和匹配準確度。

為了達到上述目的，本發明所采用的技術方案是：

一種基于多特征哈希學習的航拍圖像快速匹配算法，其包括以下步驟：

1)輸入航拍圖像f₁、f₂，根據航拍圖像的航向重疊率α選取匹配區域f；

在匹配區域f內采用FAST-9算法提取特征點，獲取特征點集{(x₁,y₁),(x₂,y₂),...,(x_i,y_i),...,(x_n,y_n)}，i∈[1,n]，n為自然數；其中，(x_i,y_i)為坐標形式的某一特征點；

2)對獲取到的特征點(x_i,y_i)進行多特征描述，得到其特征向量其中，F_i1,F_i2,F_i3為不同維度的特征，為梯度特征，為平均強度特征，為強度比較特征，m＝m₁+m₂+m₃；

3)通過核方法將特征向量F_i映射到統一的核空間K；

4)選取訓練樣本數據，在統一的核空間K內學習樣本特征點的二進制哈希碼{c₁,c₂,…,c_n}和生成哈希函數集H(·)＝{h₁(·),...,h_k(·),...,h_r(·)}，h_k(·)為哈希函數，k∈[1,r]，r表示哈希碼的位數；

5)根據哈希函數集H(·)，將匹配區域f提取的特征點進行二進制哈希碼描述，在漢明空間內依據漢明距離大小進行快速匹配。