欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2022109579033
申请人: 哈尔滨理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-08-26
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种融合颜色和尺度特征的ORB图像匹配方法,其特征在于,包括以下步骤:S1、使用颜色不变量模型对待匹配的前后两帧彩色图像进行预处理,求出图像各位置的颜色不变量;

S2、对待匹配的前后两帧彩色图像,将计算得到的颜色不变量作为输入信息,建立积分图像,采用盒式滤波器代替二阶高斯微分,通过不断增大盒式滤波器的窗口大小构建图像尺度空间;

S3、对图像进行高斯滤波,构建Hession矩阵,在尺度空间上使用快速Hessian矩阵局部极值来确定图像的特征点;

S4、使用带有旋转不变特性的rBRIEF算法提取特征描述符;

S5、使用汉明距离剔除部分错误匹配点对,完成对特征点的粗匹配;

S6、使用改进RANSAN算法进一步去除图像中的误匹配点对,对特征点进行精匹配,提高匹配精度;

所述的S1中,根据颜色不变量模型,对待匹配的前后两帧彩色图像进行预处理,得到彩色图像的颜色不变量H,具体步骤为:式中:E为光谱反射的成像结果,Eλ、Eλλ分别为物体光谱辐射模型的一阶微分和二阶微分,λ表示波长,R∞(λ,x)表示反射率;

彩色图像的RGB分量和(E,Eλ,Eλλ)的关系近似为:彩色图像的颜色不变量H为:

所述的S2中,以颜色不变量作为输入,采用盒式滤波器建立尺度空间,具体步骤为:定义图像f(x,y),图像上任意一点I(x,y),对其进行高斯滤波,如下式所示:L(x,y,σ)=G(x,y,σ)*I(x,y)(4)式中:σ为尺度信息,G(x,y,σ)为固定的高斯核函数,*为高斯核函数卷积运算,I(x,y)表示输入图像(相当于H1(x,y)或H2(x,y));

对高斯滤波后的图像中的每个像素进行拉普拉斯运算,拉普拉斯运算结果用Hession矩阵表示,如下式所示:式中:Lxx(x,y,σ)、Lxy(x,y,σ)、Lyx(x,y,σ)、Lyy(x,y,σ)分别代表在x方向的二阶导数,在x和y方向依次求偏导数,在y和x方向依次求偏导数,在y方向求二阶导数的高斯滤波窗口,使用不同尺寸的盒式滤波器,在滤波的过程中完成尺度变化,生成图像金字塔即是尺度空间;

所述的S3中,构建Hession矩阵,利用近似Hession矩阵的局部极大值计算不同尺度下特征点的位置,具体步骤为:为了减小计算代价,采用Fast‑Hession矩阵,把高斯二阶偏导数近似化处理,得到盒式滤波器估计值Dxx、Dxy、Dyy,考虑到使用盒式滤波器近似可能带来的误差,设置一个大小为

0.9的补偿系数,进而可求得Fast‑Hession矩阵的近似行列式表达式,即:2

Det(H)=Dxx·Dyy‑(0.9Dxy) (6)图像特征点的尺度特征通过改变不同滤波窗口的尺寸来确定,通过矩阵的行列式和特征值来判别是否为极值点,若Fast‑Hessian矩阵的行列式值为正,且两个特征值不同时为正或为负,则认定为极值点;

所述的S4中,使用带有旋转不变特性的rBRIEF算法提取特征描述符具体包括以下步骤:对于任意特征点,在31x31邻域内位置为(xi,yi)的n对特征点集,可以用2×n的矩阵来表示:利用特征点主方向θ和对应的旋转矩阵Rθ,计算出Sθ来表示S:这样就得到了具有方向性的描述子:

gn(p,θ)=fn(p)|(xi,yi)∈Sθ  (9)式中: 为BRIEF的描述符;

所述的S5中,使用汉明距离对特征点粗匹配的具体步骤包括以下内容:将待匹配的两幅图像中选取两个二进制描述子g1、g2,对其进行异或运算,计算g1、g2之间的汉明距离Hdis12,公式如下:将Hdis12与预设定的阈值Hth进行比较,若大于预设阈值,则表示匹配成功,否则匹配失败;

所述的S6中,在利用汉明距离粗匹配后,使用改进RANSAN算法进一步去除图像中的误匹配点对,其具体步骤为:求出前后两帧待匹配图像最近邻匹配对(Ai,Bi)、(Aj,Bj)中特征点的匹配距离l,利用前一帧图像A和后一帧图像B中匹配对与最近邻匹配对距离关系相似性来评价两点距离对应关系,评价函数如下式:式中:c为内点个数;R(i,j)为(Ai,Bi)与对应特征点距离相对差异;Y(i,j)为(Ai,Bi)与相对应特征点的平均距离;l(Ai,Bi)为Ai和Bi的距离;

计算评价函数F(i)的平均值,记为 利用评价函数F(i)对选取的匹配距离l做判断,若则将匹配点保留,组成新的样本集C,从中随机抽取4个匹配对作为内点集Ci,用这4个样本数据拟合出单应矩阵;

利用当前计算的单应矩阵去验证样本集C中剩余的内点集,如果某个点对适合当前单应矩阵,且误差小于阈值μ,则认为该点为局内点,将其加入内点集Ci,如果内点集Ci中元素个数大于阈值θ,则更新内点集,重新计算当前模型。