基于局部不变性特征流的相异场景密集匹配

图像匹配是计算机视觉的热点研究课题，而不同场景图像间的密集匹配，与同一场景中不同图像的匹配或者只针对同一目标类的图像匹配既有联系又有较大区别。本项目致力于研究基于局部不变性特征流的相异场景密集匹配方法，内容主要包括：分析相异场景图像的局部元素构成特点，研究局部不变性特征的检测及其密集描述方法；参照光流法的计算理论框架，以局部不变性特征而非像素为基元设计合适的场景匹配误差函数及其特征流向量求解算法，建立相异场景图像密集匹配的方法框架。并以包含多个同类相异目标的不同室内和户外场景视频序列为实验对象，验证基于局部不变性特征流的相异场景密集匹配方法的正确性和有效性。

图像匹配是计算机视觉的热点研究课题，而不同场景图像间的密集匹配，与同一场景中不同图像的匹配或者只针对同一目标类的图像匹配既有联系又有较大区别。本项目研究了基于局部不变性特征的相异场景密集匹配方法，相关研究内容和结果包括：.1，基于已有局部不变性特征检测思路，研究适合相异场景图像密集匹配的局部不变性特征检测与匹配方法，提出了旋转和尺度不变的图像角元匹配方法，该方法可以用于相异场景匹配过程中的稀疏特征匹配。.2，研究将局部不变性特征数据和光流估算框架融合起来、先粗后精的相异场景密集匹配方法框架，采取先稀疏匹配后密集匹配的思路，提出了旋转和尺度不变的宽基线图像密集匹配方法、仿射不变的宽基线图像密集匹配方法；所提方法对于场景图像的平移、旋转、尺度和光照变换等情形均具有鲁棒性。.3，针对基于DSP的相异场景密集匹配方法的不足之处，提出了基于RPCA的改进型相异场景密集匹配方法。由于DSP方法中的匹配向量流具有低秩特性，采用基于RPCA的低秩矩阵恢复理论对DSP场景匹配向量流进行建模优化，可以得到恢复完好的匹配向量流，从而达到优化场景图像密集匹配的目的，匹配效果相对于DSP方法有较大改善。