买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学中山研究院

摘要：本发明公开一种基于迭代重加权的非线性基础矩阵估计方法，输入查询图像与匹配数据库图像，求解查询图像上匹配特征点的归一化的位置坐标矩阵以及匹配数据库图像上匹配特征点的归一化的位置坐标矩阵，确定待求解变量基础矩阵的初始化解，更新权重矩阵，并加权求解基础矩阵，构建目标函数，基于构建的目标函数，输出最终的基础矩阵，本发明依据匹配特征点的匹配质量和对极约束进行权重赋值，还采用了目标函数递归更新权重的策略，有效解决了误匹配和像素漂移问题，从而提高基础矩阵的计算精度。

主权项：1.一种基于迭代重加权的非线性基础矩阵估计方法，其特征在于，包括：S1、输入查询图像与匹配数据库图像，求解查询图像上匹配特征点的归一化的位置坐标矩阵以及匹配数据库图像上匹配特征点的归一化的位置坐标矩阵；S2、基于匹配特征点的归一化的位置坐标矩阵和与基础矩阵之间满足的对极约束关系，确定待求解变量基础矩阵的初始化解；S3、更新权重矩阵，并加权求解基础矩阵；S4、构建目标函数，基于构建的目标函数，计算当前迭代轮次的目标函数函数值，并将其与上一轮目标函数值进行比较，如果则更新并返回步骤S3更新权重矩阵，并进行新的一轮计算，若则表明基础矩阵以达到最优，输出最终的基础矩阵；步骤S2中，基于匹配特征点的归一化的位置坐标矩阵和与基础矩阵之间满足的对极约束关系，确定待求解变量基础矩阵的初始化解的具体步骤如下：匹配特征点的归一化的位置坐标矩阵和与基础矩阵之间满足对极约束关系如式（5）： ；对于任意一对归一化匹配点和，与基础矩阵之间的对极约束具体表述为式（6）： ；其中，表示基础矩阵中第行第列的元素，接下来，构建包含中全部元素的解向量如式（7）： ；基于对式（6）变换为式（8）： ；对归一化的匹配特征点位置坐标矩阵和中的对匹配特征点构建方程组如式（9）： ；其中，表示由对归一化匹配特征点构建的系数矩阵；最后，通过奇异值分解求解式（9），以确定待求解变量基础矩阵的初始化解；步骤S3中，更新权重矩阵的具体步骤如下：定义查询图像与数据库图像上第对匹配点的极线距离，如式（10）： ；接着,第对匹配点的归一化极线距离定义如式（11）： ；其中，和分别表示匹配点集合中的最大极线距离和最小极线距离；同理，计算匹配点的归一化汉明距离如式（12）： ；其中，和分别表示匹配点集合中的最大汉明距离和最小汉明距离；结合归一化的汉明距离和极线距离，定义第对匹配点的几何误差如式（13）： ；对于第对匹配点的权重因子定义如式（14）： ；对于第轮迭代的对匹配点，定义其权重矩阵如式（15）： ；其中，表示对角矩阵，其对角线上的元素是每对匹配点的权重因子，允许不同迭代轮次根据几何误差动态调整基础矩阵的求解过程；步骤S3中，加权求解基础矩阵的具体步骤如下：原有的对极约束关系式（9）被重新表述为如式（16）的加权形式： ；其中，为对角矩阵，其对角线上的元素随迭代轮数更新，以反映每个匹配点的可靠性；接着，对加权后的系数矩阵进行奇异值分解，如式（17）： ；其中，和是正交矩阵，是包含奇异值的对角矩阵，最小奇异值对应的右奇异向量的最后一列提供了加权后的基础矩阵的近似解。

全文数据：

权利要求：

百度查询： 长春理工大学中山研究院 一种基于迭代重加权的非线性基础矩阵估计方法