[發(fā)明專利]一種浮點型三角形特征描述方法

在審

• 申請?zhí)枺?/td>: 201510542180.0
• 申請日: 2015-08-28
• 公開（公告）號: CN105184786A
• 公開（公告）日: 2015-12-23
• 發(fā)明（設計）人: 林秋華;曹建超;田敏
• 申請（專利權(quán)）人: 大連理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 趙連明;梅洪玉

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺領(lǐng)域，特別是涉及一種浮點型三角形特征描述方法。

背景技術(shù)

圖像匹配一直是計算機視覺領(lǐng)域的研究熱點，其功能是將不同時間、不同角度、不同傳感器或者不同拍攝條件下得到的兩幅圖像進行對應，已在視覺導航、目標識別、定位與跟蹤、遙感圖像處理、圖像檢索、立體視覺測距和三維重建等方面得到了廣泛應用。

圖像匹配可用的特征包括點、線、三角形等不同層次的特征。通過對這些特征進行定量描述，可形成特征描述子；通過度量兩幅圖像中兩個特征描述子之間的距離，可確定這兩個特征是否匹配，進而決定兩幅圖像是否匹配。因此，特征描述是決定圖像匹配與否的關(guān)鍵環(huán)節(jié)。目前，絕大多數(shù)圖像匹配算法應用的是點特征(如斑點或角點)及其描述，過程如下：首先，對兩幅圖像進行斑點或角點檢測；然后，對特征點進行局部特征描述、建立特征描述子；接著，基于特征描述子對兩幅圖像的特征點進行匹配量度計算，并與設定的閾值進行比較，獲取匹配點對；最后，剔除錯誤匹配點，得出匹配結(jié)果?；邳c特征描述的圖像匹配方法具有匹配精度高的優(yōu)勢。然而，在實際的圖像匹配任務中，一幅圖像通常能檢測到幾千個特征點，而每個特征點的特征描述子可長達128維(如SIFT算法)。由于特征點數(shù)目較多，且點特征的描述較為復雜，致使圖像匹配速度變慢，達不到實時性要求。為了提高匹配速度，一些學者從縮小特征描述子的長度入手進行了改進。例如，SURF算法將SIFT算法的特征描述子從128維降為64維，其速度較之SIFT算法提升了3倍左右；PCA-SIFT則通過PCA降維技術(shù)進行壓縮。此外，大多數(shù)特征描述方法(如SIFT、SURF等)構(gòu)建的是浮點型描述子。為了提高速度，近年來一些學者提出了二進制描述子(如ORB、BRISK和FREAK等算法)以簡化計算，但匹配精度有所下降。所以本發(fā)明采用浮點型特征描述子。

與點特征相比，三角形特征包含三個特征點(即三個頂點)，而且在特征點的基礎(chǔ)上增加了幾何約束。因此，基于三角形進行特征描述與匹配，可提高特征點匹配的可靠性。然而，在現(xiàn)有利用三角形匹配實現(xiàn)特征點匹配的算法中，存在特征單元復雜、特征描述魯棒性差、匹配速度慢等問題。首先，特征單元復雜的表現(xiàn)為，一個特征單元由多個三角形組成。有的是三角剖分網(wǎng)絡中一個節(jié)點及其全部相鄰節(jié)點構(gòu)成的三角形集合，有的是由一個節(jié)點及其最近鄰節(jié)點組成的三角形鏈(逆時針或順時針方向)，還有的是共有一個頂點的三角形序列(逆時針方向)。其次，特征描述魯棒性差的問題表現(xiàn)為，在三角形特征描述中，多數(shù)算法主要利用了三角形的邊角關(guān)系，有些算法還利用了特征點坐標、角度以及類型等信息。這些特征描述信息相對簡單，所以魯棒性較差。最后，由于特征單元復雜(包含多個三角形)，現(xiàn)有算法的特征描述過程較為耗時，致使匹配速度變慢。

發(fā)明內(nèi)容

本發(fā)明提供了一種新的三角形特征描述方法，提高特征描述的魯棒性，同時大幅降低特征描述的復雜度，顯著提升圖像匹配速度，解決現(xiàn)有三角形特征描述過于復雜、魯棒性差和匹配速度慢的問題。

本發(fā)明的技術(shù)方案是，以單一的三角形作為一個特征單元，以三角形邊角關(guān)系結(jié)合三角形局部區(qū)域信息構(gòu)建38維特征描述子，包括三角形三邊和三角構(gòu)成的六維形狀描述子，以及以三角形質(zhì)心為中心、以三角形最長邊的一定比例為半徑所確定正方形區(qū)域形成的32維區(qū)域描述子。具體步驟如下：

第一步：構(gòu)建六維形狀描述子。六維形狀描述子包括三角形的三邊和三角。假設一個三角形按逆時針順序排列的三個頂點為v₁、v₂、v₃，則三角形的三個邊長l₁，l₂，l₃同樣滿足逆時針順序，且由下式計算得到：