حذف تناظرهای اشتباه بر مبنای ماتریس شکل در تناظریابی تصاویر با خط مبنای بلند

تناظریابی تصاویر با خط مبنای بلند و تغییرات شدید زاویه دید، نقش مهمی در بسیاری از کاربردها در ماشین بینایی و فتوگرامتری نظیر بازسازی سه بعدی و هم‌مرجع‌سازی تصویر ایفا می‌کند. یکی از مشکلات اساسی تناظریابی این نوع از تصاویر وجود تعداد نسبتاً زیاد تناظرهای اشتباه است. به‌منظور حذف اشتباهات عموماً سازگاری هندسی تناظرها با استفاده از قیدهای هندسی مختلف نظیر خط اپی‌پولار و روش‌های برآورد پایدار نظیر اجماع نمونه تصادفی، ransac (random sample consensus)، کنترل می‌شود. این روش‌ها در تصاویر با خط مبنای بلند به دلیل درصد بالای تناظرهای اشتباه دچار اشکال می‌شوند. در این مقاله روشی جدید برای حذف تناظرهای اشتباه در تناظریابی تصاویر با تغییر شدید زاویه دید ارائه‌شده است. برای این منظور، در ابتدا عوارض اولیه بیضی‌شکل با استفاده از الگوریتم بهبود یافته نواحی حدی بیشینه پایدار mser (maximally stable extremal regions) در هر دو تصویر استخراج می‌شوند. سپس برای هر عارضه، توصیفگر متمایز daisy محاسبه می‌شود. در مرحله بعد با مقایسه توصیفگرها در دو تصویر تناظرهای اولیه تعیین می‌شوند. در ادامه، تناظرهای اولیه با استفاده از یک روش جدید بر مبنای قیدهای هندسی مستخرج از ماتریس شکل عوارض با عنوان حذف اشتباهات تناظریابی بر مبنای ماتریس شکل، mesm (mismatch elimination based on shape matrix) پالایش شده و بیشتر آنها شناسایی و حذف می‌شوند. در نهایت اشتباهات کم باقیمانده با بهره‌گیری از یک قید هندسی حذف می‌شود. روش پیشنهادی بر روی هشت جفت تصویر بردکوتاه با تغییرات شدید زاویه دید اجرا شده و نتایج بیانگر قابلیت بالای آن در تناظریابی کارآمد تصاویر است.

Mismatch Elimination based on Shape Matrix for Widebaseline Image Matching

Widebaseline image matching with significant viewpoint differences plays a fundamental role in many computer vision and photogrammetry applications, such as 3D reconstruction and image registration. One of the main problems of matching these images is the existence of a relatively large number of mismatches. Generally, a geometric consistency check process based on various geometrical constraints and robust estimator methods such as the epipolar line and RANSAC algorithm is used for mismatch elimination. However, conventional geometry filtering methods in widebaseline images will fail if the number of outliers is very high. In addition, these methods have high computational complexity. In this paper, a novel mismatch elimination approach in widebaseline images with significant viewpoint differences is presented. First, initial elliptical features are extracted using improved MSER (maximally stable extremal regions) detector in both images. Then, a distinctive DAISY descriptor is generated for each extracted feature. In the next step, the initial feature correspondence process is established using Euclidean distance between feature descriptors. Then, a novel mismatch elimination approach based on features shape matrix, named MESM (mismatch elimination based on shape matrix), is applied. Finally, the few remained blunders are removed by using a geometric constraint. The proposed image matching and mismatch elimination algorithms were successfully applied to match eight closerange image pairs with significant viewpoint differences, and the results demonstrate its capability to improve matching performance.