特征直线匹配优化技巧

在建筑物、室内工作环境等图像中，直线是非常普遍存在的。而且直线也是图像的重要特征之一，因此如何稳定地进行直线匹配在实际应用中是非常关键的。然而，直线匹配本身固有的难点，加上与特征点匹配类似的困难，导致直线匹配还没有得到很广泛的应用。

直线匹配本身固有的难点包括：

①很难准确确定直线的端点。直线端点位置确定不准确将导致对应直线周围支撑区域内的图像信息不一致。

②同一条直线在不同的图像中可能会断裂为好几条。断裂的直线将影响直线间的拓扑结构的连通性，进而影响基于拓扑约束的直线匹配方法。

③直线周围具有比较单一的纹理信息。单一的纹理信息将会给基于直线局部描述子的直线匹配方法带来困难。

④不同图像的直线之间不满足全局极几何约束。不具备全局极几何约束将不利于对直线匹配结果进行整体优化。(www.xing528.com)

（1）Schmid和Zisserman提出基于直线之间的相似性进行特征直线匹配。其中，直线之间的相似性是通过直线上对应点之间的相关性分数的均值来表示的。首先，在待匹配图像之间的极几何关系已知的前提下，根据极几何约束找到对应直线上的对应点；其次，求取对应点之间的相关性分数的均值，作为对应直线之间的相似性；最后，通过直线之间的相似性进行特征直线匹配。

（2）Bay等人利用直线周围的表观特征以及空间拓扑结构关系进行特征直线匹配。首先，基于直线周围局部邻域内的颜色直方图信息得到特征直线的初始匹配集合；然后，直线之间的空间拓扑结构关系用于去除特征直线初始匹配集合中的误匹配，同时增加更多的匹配，因此匹配过程非常耗时。此外，由于特征直线的初始匹配集是基于颜色直方图得到的，因此该匹配方法不仅仅容易受到直线检测和端点定位精度的影响，而且也容易受到光照及其他图像变换的影响。

（3）Wang等人给出了Line Signature（LS）的概念，并基于此进行特征直线匹配。首先，利用直线段的夹角及长度之比对一对直线段进行描述；其次，利用直线段的描述构建Line Signature；最后，利用LS进行特征直线的匹配。由于直线段的描述依赖于直线端点的确定，因此该匹配方法在直线端点（）定位不准确的情况下无法取得比较满意的结果。

（4）由于特征点匹配的方法比较成熟，且通常情况下在待匹配图像中可以找到比较可靠的匹配特征点，因此Fan等人提出了一种基于特征点匹配信息的特征直线匹配方法。他们引入了2种点线不变量，即1条图像直线分别与2个图像点、4个图像点组成2种仿射不变量。此外，通过得到的匹配特征点来计算由匹配直线构成的点线不变量，用来避免在直线邻域内寻找匹配特征点的组合搜索问题。基于点线不变量的特征直线匹配方法：分别给定一幅参照图和一幅查询图，首先，在两幅图像中提取直线集合；其次，利用DAISY特征描述子对DoG点进行描述，并通过NNDR（最近邻与次近邻的比值）的匹配策略进行特征点匹配，得到匹配特征点集合，其中NNDR的阈值为0.8；然后，基于统计直方图得到两幅图像之间旋转关系的初始估计，同时选定阈值；最后，基于点线不变量的相似性度量计算直线之间的相似性，并以此进行特征直线匹配。基于点线不变量的特征直线匹配方法对于匹配特征点中的误匹配是比较鲁棒的，因此，匹配特征点中允许存在误匹配。此外，剪枝策略可以加速特征直线的匹配速度。