[發明專利]一種提升圖像弱紋理區域特征點數量的方法

有效

• 申請號: 201710145106.4
• 申請日: 2017-03-13
• 公開（公告）號: CN106960451B
• 公開（公告）日: 2019-12-31
• 發明（設計）人: 余何;袁承宗;宋銳;李云松;王養利;王智卓
• 申請（專利權）人: 西安電子科技大學;上海航天測控通信研究所
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/13
• 代理公司: 61227 西安長和專利代理有限公司
• 代理人: 何畏

1.一種提升圖像弱紋理區域特征點數量的方法，其特征在于，所述提升圖像弱紋理區域特征點數量的方法包括：對一幅圖像進行細節提取，得到一幅圖像的細節紋理圖；對原圖構建高斯差分金字塔，同時檢測角點；細節提取和高斯差分金字塔并行計算，同時對細節圖進行角點提取，細節圖角點提取結果和高斯差分金字塔計算結果，合并成特征點集合；對提取出來的特征點，在其相應的圖像上生成具有旋轉不變性的二進制描述符；然后對待匹配圖像的描述符進行匹配和過濾，得到正確的匹配點集合。

2.如權利要求1所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，所述提升圖像弱紋理區域特征點數量的方法具體包括以下步驟：

步驟一，對圖像進行弱紋理提取，生成弱紋理圖像；

步驟二，提取原始輸入圖像的角點和空間極值點，提取細節圖的角點，原圖角點計算，原圖空間極值點計算，細節圖角點計算并行計算；

步驟三，選取特征點為中心31×31的鄰域，計算出該鄰域中圖像的質心，中點q到質心的方向作為該特征點的主方向；

步驟四，將特征點的鄰域沿其主方向作旋轉，映射到新的坐標系中，計算時使用特征點所在的圖像；

步驟五，從查找表中獲取特征點所在的圖像上采樣點對的位置，求其3×3鄰域的像素強度和做比較生成256維的二進制向量作為特征點點描述向量。

3.如權利要求2所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，所述步驟一中：使用3×3的二階梯度高斯模板計算紋理圖像：

水平方向上：

其中，I(x,y)表示圖像NL的像素強度；

垂直方向上：

計算梯度值：

4.如權利要求2所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，所述步驟二中：

角點提取方法：

圖像NL的任意點p，其像素值為I_p，設定閾值t，在p領域中選取16個點組成半徑為4的圓；這16個點中存在連續的12個點，像素值都大于I_p+t或者都小于I_p-t，則該點被選取為一個角點；

對于中心像素，選取鄰域圓形的16個點，設定閾值t，根據像素強度將圓上像素點劃分為三種狀態，劃分方法如下：

有連續的n個點都比中心點像素強度都大，或者都小的話，這樣的中心點就是角點；n的值取9或12；

空間極值點計算方法：

提取空間極值點需要構建圖像的尺度空間，尺度空間的構建過程：

定義圖像的尺度函數：

L(x,y,σ)＝G(x,y,σ)*I(x,y)；

其中I(x,y)圖像NL的像素強度，*代表卷積運算，G(x,y,σ)為高斯函數：

引入常數k計算鄰近的兩個尺度：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ)。

5.如權利要求4所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，提取空間局部極大值和極小值點，每個像素點都需要和當前層3×3領域的另外8個點和上下相鄰尺度的9×2個點進行比較；只有當前點為所有27點中的最大值或最小值時，才會被選擇為特征點。

6.如權利要求2所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，所述步驟三中：選取特征點為中心31×31的鄰域，圖像(p+q)階矩的計算公式：

則特征點的方向角θ計算方法如下：

θ＝atan2(m₀₁,m₁₀)；

為每個特征點分配主方向。

7.如權利要求2所述的提升圖像弱紋理區域特征點數量的方法，其特征在于，所述步驟四中：將特征點坐標31×31的鄰域沿主方向旋轉，映射到新的坐標系中，旋轉后坐標位置(x′,y′)與原始坐標(x,y)的關系如下：

其中，θ為特征點的主方向。