[發明專利]一種基于BAKAZE-MAGSAC的視覺圖像特征提取方法

在審

• 申請號: 202110327237.0
• 申請日: 2021-03-26
• 公開（公告）號: CN112906710A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 胡燕祝;王松;賀琬婧
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明特征在于：(1)確定非線性擴散濾波；(2)確定圖像的非線性尺度空間；(3)確定特征點主方向；(4)特征點匹配；(5)確定模型質量函數；(6)確定每個點為內點的概率；具體包括以下六個步驟：

步驟一：確定非線性擴散濾波

式中，M表示圖像亮度，t表示進化時間，c(x,y,t)表示傳導函數，(x,y)表示像素點坐標，x表示像素點橫坐標，y表示為像素點縱坐標；將以像素為單位的尺度參數σ_i轉換為進化時間t_i：

式中，i為維度空間；

步驟二：確定圖像的非線性尺度空間Lⁱ⁺¹：

Lⁱ⁺¹＝(I+τA(Lⁱ))Lⁱ

式中，L表示圖像參數，I表示為單位矩陣，τ表示為時間步長，A(Lⁱ)表示為圖像在維度i上的矩陣，A表示為矩陣，Lⁱ表示為圖像L在維度i上的結果；在非線性尺度空間中，利用非極大值抑制法計算圖像金字塔中每個像素點的Hessian矩陣值，同時將其與同層、上下鄰層的p個像素點進行比較，尋找不同尺度歸一化后的Hessian矩陣極大值；

步驟三：確定特征點主方向：

在梯度圖像上以特征點為中心，半徑r統計范圍，取特征點領域的一階微分L_x和L_y進行高斯賦權計算，然后選取θ大小的扇形區域繞原點旋轉，并計算該區域內向量和，取最長方向為特征點的主方向；采用BRISK特征描述符對圖像中的特征點進行描述；

步驟四：特征點匹配：

式中，a和b分別表示對應特征點描述符，m_i表示描述符a中的第一位，n_i表示描述符b中的第一位，j表示a和b描述符中的位數，表示描述符進行異或運算；

步驟五：確定模型質量函數Q^*(α,P)：

在輸入數據點集中選擇s對特征點進行計算，得到模型W，得到單應性矩陣參數α，確定模型質量函數：

式中，P為數據點集，l表示圖像模糊度，σ_max表示投影誤差最大值，k表示特征點數目，σ_i表示為特征點投影誤差，d為計數參數，p_d表示為當維數為d時圖像對應的特征點的概率，D表示殘差；根據模型質量函數判斷當前模型是否為最優模型；

步驟六：確定每個點為內點的概率L(p|α)：

式中，p為每個點為內點的概率；將各點概率視為每個點的權重，根據權重使用加權最小二乘法擬合優化模型；將σ邊緣化，確定迭代次數h：

當該模型為最優模型時，更新迭代次數h，否則，停止迭代；輸出之前最優模型為該數據集的最優模型，并根據該模型計算正確匹配點對，剔除錯誤點。