一种具有尺度不变性的orb特征点匹配方法

文档序号:8528463阅读:799来源:国知局
一种具有尺度不变性的orb特征点匹配方法
【技术领域】
[0001] 本发明属于图像处理领域,特别涉及一种具有尺度不变性的0RB特征点匹配方 法。
【背景技术】
[0002] 图像特征点的检测、描述及匹配,是图像处理领域中极其重要的一个分支。图像识 另IJ、视频跟踪、图像拼接、三维重建等许多技术的实现,都要依靠图像特征点的检测、描述及 匹配。
[0003] 0RB是一种优秀的特征点检测、描述及匹配算法,使用快速的FAST角点检测及二 进制编码的Brief描述子,其运算速度快,光照鲁棒性好,仿射性也不错,但不具有尺度不 变性,导致0RB在应用领域上具有局限性。SURF是一种稳健的图像识别和描述算法,采用积 分图像和盒式滤波器进行卷积,使用高斯核函数构建尺度空间,通过求解快速Hessian响 应提取特征点,对提取到的特征点利用滑动窗口建立主方向,生成一个64bit的特征描述 符。SURF具有良好的尺度不变性,但是运算速度较慢,难以应用在对实时性要求较高的系统 里。

【发明内容】

[0004] 有鉴于此,本发明的目的是提供一种具有尺度不变性的0RB特征点匹配方法,结 合SURF对0RB进行改进,同时引入图像金字塔,使之既有0RB优秀的光照鲁棒性、快速的运 算能力,又有SURF的尺度不变性。
[0005] 本发明采用以下方案实现:一种具有尺度不变性的0RB特征点匹配方法,其包括 以下步骤: 步骤S1 :输入待检测图像,对图像进行改进的SURF特征点检测,并确定特征点坐标; 步骤S2 :对所述步骤S1中的图像建立图像金字塔; 步骤S3 :去除靠近图像边缘的特征点; 步骤S4 :计算剩余特征点的质心方向; 步骤S5:计算0RB特征点描述子; 步骤S6 :采用K近邻算法进行特征点匹配; 步骤S7 :筛选特征点匹配对并输出检测后的图像。
[0006] 进一步地,所述步骤S1中改进的SURF特征点检测采用积分图像和盒式滤波器进 行卷积,通过高斯核函数构建尺度空间并求解快速Hessian响应提取特征点,并在所述特 征点的3*3*3邻域插值,确定所述特征点坐标。
[0007] 进一步地,所述的尺度空间为不分组的16层尺度空间结构。
[0008] 进一步地,所述步骤S2中建立图像金字塔的具体方法为:根据改进的SURF特征点 检测中滤波模板的大小,对输入的待检测图像进行高斯降采样,所述高斯降采样中尺度值 为
【主权项】
1. 一种具有尺度不变性的ORB特征点匹配方法,其特征在于包括W下步骤: 步骤S1 ;输入待检测图像,对图像进行改进的SURF特征点检测,并确定特征点坐标; 步骤S2 ;对所述步骤S1中的图像建立图像金字塔; 步骤S3 ;去除靠近图像边缘的特征点; 步骤S4 ;计算剩余特征点的质屯、方向; 步骤S5:计算ORB特征点描述子; 步骤S6 ;采用K近邻算法进行特征点匹配; 步骤S7 ;筛选特征点匹配对并输出待检测图像。
2. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于: 所述步骤S1中改进的SURF特征点检测采用积分图像和盒式滤波器进行卷积,通过高斯核 函数构建尺度空间并求解快速化ssian响应提取特征点,并在所述特征点的3*3*3邻域插 值,确定所述特征点坐标。
3. 根据权利要求2所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于: 所述的尺度空间为不分组的16层尺度空间结构。
4. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于: 所述步骤S2中建立图像金字塔的具体方法为;根据改进的SURF特征点检测中滤波模板的 大小,对输入的待检测图像进行高斯降采样,所述高斯降采样中尺度值为c= 1.2x^,其 中N为滤波模板的大小。
5. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在 于:所述步骤S4中通过计算特征点的矩得出特征点的质屯、方向,具体方法为:定义图像 中任意一特征点邻域的(P+q)阶矩为:
则其邻域的质屯、坐标C为:
爵出该特征点的质屯、方向 0 ;使用所述公式得出所有剩余特征点的质屯、方向。
6. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于: 所述步骤S5中计算ORB特征点描述子的具体方法为: 步骤S51 ;采用穷举算法计算出n个相关系数接近0. 5的随机点对;步骤S52 ;将步骤S51中的随机点对根据步骤S4中所述特征点的质屯、方向进行旋转,在特征点对应的图像金 字塔层上,采用公式
生成二进制描述子,式中(x,y)为旋转后 的随机点对,P(X)为图像块P在像素点X= (U,V)处的灰度值;根据所述公式得出n位二 进制比特串即为特征点描述子。
7. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于: 所述步骤S6中K近邻算法具体为:设K为2,计算每一个特征点到所有待匹配特征点的 Hamming距离,保留所述距离最近的2个点,与该特征点组成匹配对。
8. 根据权利要求1所述的一种具有尺度不变性的ORB特征点匹配方法,其特征在于:
【专利摘要】本发明涉及一种具有尺度不变性的ORB特征点匹配方法,其特征在于包括以下步骤:步骤S1:输入待检测图像,对图像进行改进的SURF特征点检测,并确定特征点坐标;步骤S2:对所述步骤S1中的图像建立图像金字塔;步骤S3:去除靠近图像边缘的特征点;步骤S4:计算剩余特征点的质心方向;步骤S5:计算ORB特征点描述子;步骤S6:采用K近邻算法进行特征点匹配;步骤S7:筛选特征点匹配对并输出检测后的图像。本发明将具有尺度不变性的SURF与ORB结合,引入图像金字塔,对ORB特征点匹配算法进行改进,使之具有尺度不变性,同时又保留了ORB运算速度快的特点。
【IPC分类】G06K9-46, G06T7-60
【公开号】CN104850851
【申请号】CN201510193048
【发明人】姚剑敏, 郭太良, 叶芸, 张永爱, 林志贤, 周雄图
【申请人】福州大学
【公开日】2015年8月19日
【申请日】2015年4月22日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1