[发明专利]一种植物叶片图像局部自适应树形结构特征匹配方法

摘要

本发明涉及一种植物叶片图像局部自适应树形结构特征匹配方法，构建了DOG特征点匹配基底，利用基底在已匹配的和未匹配的特征点之间抽取特征线结构，通过特征线结构可以自适应的结合局部描述子信息和特征点的空间分布约束，形成动态的参考关系树。有效避免了现有方法在植物叶片发生不规则形变、高噪声点下的缩放和旋转组合、局部高重复模式等情况下难以取得良好匹配结果的问题，实现了高鲁棒性的植物叶部图像特征匹配方法，其适应性和准确度已达到了实际应用的要求。同时，本发明易于与现有的大量基于图片的特征描述子进行结合，扩展出各类具有不同特性的基于图像的特征匹配方法，对于计算机视觉中的经典问题有着重要的意义。

主权项

一种植物叶片图像局部自适应树形结构特征匹配方法，其特征在于首先构建了DOG特征点匹配基底，利用基底在已匹配的和未匹配的特征点之间抽取特征线结构，通过特征线结构可以自适应的结合局部描述子信息和特征点的空间分布约束，形成动态的参考关系树，具体包括以下步骤：步骤S1：构建植物叶片图像的多分辨率高斯差值金字塔基底，将已经抽取的特征点映射到高斯差基底中；步骤S2：在步骤S1完成特征点映射的情况下，结合空间信息，在特征点集合中建立出一个参考三角形结构；步骤S3：利用步骤S2的参考三角形结构，计算出叶片的局部尺度信息和旋转信息，根据此信息构建局部变换模型，完成对特征点的空间划分；步骤S4：从步骤S3的参考三角形上某点出发进行特征树的生长匹配，从已知点出发不断自适应的向未知点扩展，通过结合局部特征描述、基底上构建的特征点间线特征和空间分布进行筛选，直到完成整棵树形结构匹配；步骤S5：重复执行S2‑S4的过程，直至无法从未匹配的特征点中筛选出参考三角形结构，匹配完成。