[發(fā)明專利]一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710089186.6
• 申請(qǐng)日: 2017-02-20
• 公開(kāi)（公告）號(hào): CN106886785A
• 公開(kāi)（公告）日: 2017-06-23
• 發(fā)明（設(shè)計(jì)）人: 陳蘇婷;裴濤
• 申請(qǐng)（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司32224
• 代理人: 朱妃,董建林

1.一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法，其特征在于，包括以下步驟：

1)輸入航拍圖像f₁、f₂，根據(jù)航拍圖像的航向重疊率α選取匹配區(qū)域f；

在匹配區(qū)域f內(nèi)采用FAST-9算法提取特征點(diǎn)，獲取特征點(diǎn)集{(x₁,y₁),(x₂,y₂),...,(x_i,y_i),...,(x_n,y_n)}，i∈[1,n]，n為自然數(shù)；其中，(x_i,y_i)為坐標(biāo)形式的某一特征點(diǎn)；

2)對(duì)獲取到的特征點(diǎn)(x_i,y_i)進(jìn)行多特征描述，得到其特征向量其中，F(xiàn)_i1,F_i2,F_i3為不同維度的特征，為梯度特征，為平均強(qiáng)度特征，為強(qiáng)度比較特征，m＝m₁+m₂+m₃；

3)通過(guò)核方法將特征向量F_i映射到統(tǒng)一的核空間K；

4)選取訓(xùn)練樣本數(shù)據(jù)，在統(tǒng)一的核空間K內(nèi)學(xué)習(xí)樣本特征點(diǎn)的二進(jìn)制哈希碼{c₁,c₂,…,c_n}和生成哈希函數(shù)集H(·)＝{h₁(·),...,h_k(·),...,h_r(·)}，h_k(·)為哈希函數(shù)，k∈[1,r]，r表示哈希碼的位數(shù)；

5)根據(jù)哈希函數(shù)集H(·)，將匹配區(qū)域f提取的特征點(diǎn)進(jìn)行二進(jìn)制哈希碼描述，在漢明空間內(nèi)依據(jù)漢明距離大小進(jìn)行快速匹配。

2.根據(jù)權(quán)利要求1所述的一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法，其特征在于：所述步驟1)中的航拍圖像f₁、f₂的像幅邊長(zhǎng)相等，像幅邊長(zhǎng)都分別為l_x、l_y，則匹配區(qū)域f的像幅邊長(zhǎng)分別為αl_x、l_y。

3.根據(jù)權(quán)利要求1所述的一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法，其特征在于：所述步驟2)中的對(duì)獲取到的特征點(diǎn)(x_i,y_i)進(jìn)行多特征描述，具體為，

2-1)以特征點(diǎn)(x_i,y_i)為中心選取中心鄰域D_i，并將中心鄰域D_i劃分為小塊形式的小區(qū)域塊；

2-2)確定主方向，并將中心鄰域D_i旋轉(zhuǎn)至主方向，以實(shí)現(xiàn)特征的旋轉(zhuǎn)不變性；

2-3)在每個(gè)小區(qū)域塊內(nèi)提取梯度特征、平均強(qiáng)度特征，在特征點(diǎn)整個(gè)中心鄰域內(nèi)提取強(qiáng)度比較特征，從而得到特征點(diǎn)的不同維度描述。

4.根據(jù)權(quán)利要求3所述的一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法，其特征在于：所述步驟2-1)中的中心鄰域D_i劃分為4×4個(gè)小區(qū)域塊，記為d_i1,d_i2,…,d_it,…,d_i16，t＝1,2,…,16，每個(gè)小區(qū)域塊的大小為5pixel×5pixel。

5.根據(jù)權(quán)利要求4所述的一種基于多特征哈希學(xué)習(xí)的航拍圖像快速匹配算法，其特征在于：所述步驟2-2)中的主方向采用灰度質(zhì)心法確定。