[發明專利]基于圖像分塊的自適應ORB特征提取方法

有效

• 申請號: 202011264191.4
• 申請日: 2020-11-12
• 公開（公告）號: CN112381844B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 冉昌艷;吳佳慧;李維文;孫水發;汪方毅;崔文超
• 申請（專利權）人: 三峽大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06V10/75
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

本發明公開了基于圖像分塊的自適應ORB特征提取方法，包括圖像分塊；構造金字塔；改進的FAST特征提取；利用Harris角點分數高低，選取前Sum個較好的特征點；在原圖中顯示特征點位置。本發明為圖像匹配提供了一種基于圖像分塊的自適應ORB特征提取方法，可以讓較好的特征點更加均勻的分布在圖像中，提高了圖像匹配成功率。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于圖像分塊的自適應ORB特征提取方法。

背景技術

圖像匹配算法是計算機視覺中必不可少的關鍵步驟，廣泛應用于無人機視覺導航、目標檢測與跟蹤等領域。圖像匹配算法一般可分為兩類：基于區域的圖像匹配算法和基于特征的匹配算法。基于特征的匹配算法因計算量小、魯棒性好成為目前研究的熱點。然而，特征提取是特征匹配算法至關重要的一步，直接影響圖像匹配成功率的高低。

常見的特征提取算法有SIFT、SURF和ORB算法。其中，SIFT具有良好的區分性，但算法過于復雜，計算量大；SURF算法具有參數估計準確，計算量小的優點，但獲得的匹配點對數少；ORB圖像特征提取算法由于采用FAST計算關鍵點，運算速度最快、耗費存儲空間最低，其計算時間約為SIFT的百分之一，SURF的十分之一。但是，其魯棒性不如SIFT，且不具備尺度不變性，在圖像中容易造成誤匹配。

現有的ORB算法大多采用FAST9-16提取特征點，雖然計算速度快，但是其對一些邊緣點會產生誤檢測，導致一些偽角點的存在，直接干擾匹配效果，造成誤匹配；而且是針對整幅圖像提取特征，往往存在紋理豐富區域特征點過于集中、紋理缺失區域提取不到特征點等現象，導致特征點分布不均勻的問題，間接影響圖像匹配成功率。

現有技術中有基于ORB的主動視覺特征提取方法，例如中國專利文獻CN106778767A記載了基于ORB和主動視覺的視覺圖像特征提取及匹配方法，采用高效快速的ORB特征提取算法提取特征參數，再利用概率統計方法計算出區域特征分布指數，在保證特征點分布均勻的前提下，根據概率選取數目一定的特征點，并且結合主動視覺的原理與應用，計算感興趣的橢圓搜索域，再采用最近鄰匹配算法和RANSAC算法，得到分布均勻且數目穩定的地圖特征點，具有計算簡單，且匹配效果好，滿足系統實時性的要求。

發明內容

本發明所要解決的技術問題是提供一種基于圖像分塊的自適應ORB特征提取方法，在提高圖像匹配成功率的前提下使得特征點分布更加均勻。

為解決上述技術問題，本發明所采用的技術方案是：

基于圖像分塊的自適應ORB特征提取方法，包括以下步驟：

STEP1、將原圖像分為L塊子圖像，分別用P(1),P(2)…P(i)表示，其中i≤L；

STEP2、將每一塊子圖像P(i)構造T層金字塔；

STEP3、將每一塊子圖像P(i)的每一層金字塔提取特征點；

STEP4、從i＝1開始比較每一塊子圖像P(i)提取的總特征數C_i是否大于若則跳至步驟5；若返回步驟3，降低提取特征點的閾值；

其中，S_i為P(i)塊子圖像的面積，S為原圖像面積，Sum為需要提取的特征點總數；

STEP5、判斷i是否等于L，若等于，實行步驟6，若不等于，則i＝i+1，返回步驟3；

STEP6、利用Harris角點檢測算法對提取的特征點打分，選取前Sum個較好的特征點；

STEP7、在原圖中顯示特征點位置。

上述的STEP3中特征點的提取采用FAST14-24角點檢測。

上述的STEP1的具體過程為：