一种基于ORB算法的图片校正方法及系统技术方案

本发明专利技术公开了一种基于ORB算法的图片校正方法及系统，将ORB算法与透视变换结合应用，具体操作步骤包括S1：特征点检测；S2：特征点描述；S3：特征点匹配；S4：初步筛选匹配点对；S5：获取前N个最优点对；S6：计算单应矩阵H；S7：图像配准校正。与现有的方法相比，本发明专利技术显著的优点在于：运行速度是SIFT算法的100倍，是SURF算法的10倍、校正精确度比SIFT算法高、略低于SURF算法，具有旋转不变性和解决噪声敏感问题等优点，使得最终的校正效果必然更加理想，在计算单应矩阵H时，采取了随机抽样一致性(RANSAC)算法，更加鲁棒地求解单应矩阵H，剔除误匹配点。

【技术实现步骤摘要】
一种基于ORB算法的图片校正方法及系统
本专利技术涉及图片校正方法
，特别涉及一种基于ORB算法的图片校正方法及系统。
技术介绍
在日常拍摄过程中，不可避免地会出现抖动或偏转等情况，导致序列图像间产生小的平移或旋转，不能满足后续图片处理要求，比如读取图片信息出错或者无法读取图片信息，因此必须应该先进行图像配准校正。图像配准校正是近代信息处理中一项极为重要的技术，是所有需要合并多种数据源从而获取最终信息的图像分析任务，如图像融合、变化检测和多通道图像复原和读取隐藏在图片里面的一些防伪信息等的必要的前期工作，图像校正的精确与否将直接影响后续工作的质量，因此必须运用一种具有更高精确度和效率的算法对这些图片进行校正。
技术实现思路
为了解决现有技术中存在的问题，满足企业科研生产需要，解决企业生产中遇到的关键技术问题，以帮助本企业提升技术，改善产品，本专利技术提供了一种基于ORB算法的图片校正方法及系统。本专利技术解决其问题所采用的技术方案是：一种基于ORB算法的图片校正方法，将ORB算法与透视变换结合应用，具体操作步骤包括S1：特征点检测；S2：特征点描述；S3：特征点匹配；S4：初步筛选匹配点对；S5：获取前N个最优点对；S6：计算单应矩阵H；S7：图像配准校正。进一步，所述步骤S1使用ORB算法进行特征点检测，ORB算法采用灰度质心法进行特征点主方向度量，从而计算特征点主方向分量；通过下式确定图像角点区域的灰度矩：式中，I(x，y)为图像点(x，y)处的灰度值；p，q为灰度矩的阶数；灰度质心C可由下式3个不同灰度矩m00，m01，m02来表示：构造角点中心A到灰度质心C的向量AC，可知该角点区域的主方向为：进一步，所述步骤S2使用ORB算法进行特征点描述，ORB算法在获取特征点主方向的基础上，采用BRIEF描述子对特征点进行描述，设生成特征点描述符的n个测试点对为(xi,yi)，并将上述特征点邻域中每个构成测试点对中的两个匹配点xi,yi均旋转一个角度θ；具体地，定义一个2×n的矩阵：利用角度θ形成的旋转矩阵为Rθ，旋转后匹配点的坐标为：Sθ＝RθS最终，使用Sθ中的匹配点求取特征点描述符。进一步，所述步骤S3中的特征点匹配是，通过测量模板图片与待校正图片间特征点的汉明距离，为模板图片中的单个特征点在待校正图片上找出与其汉明距离最小的两个匹配特征点，分别为最近邻特征点和次近邻特征点。进一步，所述步骤S4中的初步筛选匹配点对是，对步骤S3中得到每个特征点的最近邻特征点和次近邻特征点，使用最近邻汉明距离与次近邻汉明距离的比值作为阈值Threshold来确定可能正确的匹配，选取阈值为0.6，即Threshold＜0.6时，把最近邻汉明距离对应的特征点作为候选可信匹配点。进一步，所述步骤S5中获取前N个最优点对的方法是，在步骤S4初步筛选匹配点对后，对匹配特征点进行排序，然后提取前N个最优点对。进一步，所述步骤S6计算单应矩阵H的方法是，对于两幅图像，假设模板图片上的点为(x'i,y'i)，待校正图片上的点为(xi,yi)，两幅影像的投影变换关系为下式：或表示成向量形式：A’＝HA式中：A'＝(x'i,y'i,z'i)T，A＝(xi,yi,zi)T分别为模板图片和待校正图片上对应点的齐次坐标；H即变换矩阵，H有8个自由度，所以至少需要4对匹配点估计矩阵H；求得变换矩阵后，能够将影像统一到同一坐标系中解算；最后采用随机抽样一致法求解单应矩阵H。进一步，所述步骤S7中的图像配准校正方法是，运用步骤S6中求得的单应矩阵H对待校正图片进行透视变换，输出与模板图片大小尺寸、方向位置和图片格式都一致的图片。本专利技术还公开了一种应用于上述基于ORB算法的图片校正方法的系统，包括依次连接的执行步骤S1的M1模块、执行步骤S2的M2模块、执行步骤S3的M3模块、执行步骤S4的M4模块、执行步骤S5的M5模块、执行步骤S6的M6模块和执行步骤S7的M7模块；输入系统的待校正图片和模板图片依次经过M1模块至M7模块实现待校正图片的校正。与现有的方法相比，本专利技术显著的优点在于：第一：以往使用的更多是SIFT算法和SURF算法。而本课题采取的ORB算法具有运行速度是SIFT算法的100倍，是SURF算法的10倍、校正精确度比SIFT算法高、略低于SURF算法，具有旋转不变性和解决噪声敏感问题等优点，使得最终的校正效果必然更加理想。第二：在计算单应矩阵H时，采取了随机抽样一致性(RANSAC)算法，更加鲁棒地求解单应矩阵H，剔除误匹配点。附图说明下面结合附图和实例对本专利技术作进一步说明。图1是本专利技术一种基于ORB算法的图片校正系统的结构框图；图2是本专利技术一种基于ORB算法的图片校正方法的流程图。具体实施方式下面结合实施例和附图对本专利技术作进一步说明。一种基于ORB算法的图片校正方法，如图2所示，具体包含以下步骤：S1特征点检测；S2特征点描述；S3特征点匹配；S4初步筛选匹配点对；S5获取前N个最优点对；S6计算单应矩阵H；S7图像配准校正。所述步骤S1特征点检测。在一些具有独特的位置把兴趣点检测出来，这些具有独特性的位置通常为角点、斑状结构、T型结合处。对于一个兴趣点检测算子来说，最有价值的品质就是重复度。所谓的重复度就是检测算子在不同视角拍摄的图像中找到相同的兴趣点能力。ORB算法采用了灰度质心法进行特征点主方向度量，从而简单有效地计算特征点主方向分量。通过下式确定图像角点区域的灰度矩：式中，I(x，y)为图像点(x，y)处的灰度值；p，q为灰度矩的阶数灰度质心C就可由下式3个不同灰度矩m00，m01，m02来表示：因此，可构造角点中心A到灰度质心C的向量AC。因此，可知该角点区域的主方向为：所述步骤S2特征点描述。用一个特征向量去描述每一个兴趣点邻域的信息。特征点描述算子还必须对噪声、光照变化、拍摄视角变化等因素保持一定的鲁棒性。在特征描述方面，ORB算法在获取特征点主方向的基础上，采用Brief描述子对特征点进行描述，同时将特征点的主方向应用于Brief算法上，将其改进为旋转不变性的Rotated－Brief。BRIEF算法具有旋转不变性，需要使特征点的邻域旋转一个角度，该角度就是步骤S1求得的特征点的方向角θ。但这样整体旋转一个邻域的开销就比较大，一个更加高效的做法就是旋转得到的那些邻域中的匹配点xi,yi。设生成特征点描述符的n个测试点对为(xi,yi)，定义一个2×n的矩阵：利用角度θ形成的旋转矩阵为Rθ，旋转后匹配点的坐标为：Sθ＝RθS使用Sθ中的像素点求取特征点描述符。所述步骤S3特征点匹配。对于256bit的2个二进制描述符，汉明距离取值在0到256之间的，难以使用一个合适的阈值去确定正确的匹配。因此本文通过测量模板图片与待校正图片每个特征点描述符间的汉明距离，得到每个特征点的最近邻特征点和次近邻特征点。使用OpenCV库中BruteForceMatcher匹配器进行特征点匹配。所述步骤S4初步筛选匹配点对。当步骤S3得到每个特征点的最近邻特征点和次近邻特征点时，使用最近邻距离与次近邻距离的比值作为阈值Threshold来确定可能正确的匹配，本文选取阈值为0.6，即Threshold＜0.6时，把最近邻距离对应的特征点作本文档来自技高网...

【技术保护点】
1.一种基于ORB算法的图片校正方法，其特征在于：将ORB算法与透视变换结合应用，具体操作步骤包括S1：特征点检测；S2：特征点描述；S3：特征点匹配；S4：初步筛选匹配点对；S5：获取前N个最优点对；S6：计算单应矩阵H；S7：图像配准校正。

【技术特征摘要】
1.一种基于ORB算法的图片校正方法，其特征在于：将ORB算法与透视变换结合应用，具体操作步骤包括S1：特征点检测；S2：特征点描述；S3：特征点匹配；S4：初步筛选匹配点对；S5：获取前N个最优点对；S6：计算单应矩阵H；S7：图像配准校正。2.根据权利要求1所述的一种基于ORB算法的图片校正方法，其特征在于：所述步骤S1使用ORB算法进行特征点检测，ORB算法采用灰度质心法进行特征点主方向度量，从而计算特征点主方向分量；通过下式确定图像角点区域的灰度矩：式中，I(x，y)为图像点(x，y)处的灰度值；p，q为灰度矩的阶数；灰度质心C可由下式3个不同灰度矩m00，m01，m02来表示：构造角点中心A到灰度质心C的向量AC，可知该角点区域的主方向为：3.根据权利要求2所述的一种基于ORB算法的图片校正方法，其特征在于：所述步骤S2使用ORB算法进行特征点描述，ORB算法在获取特征点主方向的基础上，采用BRIEF描述子对特征点进行描述，设生成特征点描述符的n个测试点对为(xi,yi)，并将上述特征点邻域中每个构成测试点对中的两个匹配点xi,yi均旋转一个角度θ；具体地，定义一个2×n的矩阵：利用角度θ形成的旋转矩阵为Rθ，旋转后匹配点的坐标为：Sθ＝RθS最终，使用Sθ中的匹配点求取特征点描述符。4.根据权利要求3所述的一种基于ORB算法的图片校正方法，其特征在于：所述步骤S3中的特征点匹配是，通过测量模板图片与待校正图片间特征点的汉明距离，为模板图片中的单个特征点在待校正图片上找出与其汉明距离最小的两个匹配特征点，分别为最近邻特征点和次近邻特征点。5.根据权利要求4所述的一种基于ORB算法的图片校正方法，其特征在于：所述步骤S4中的初步筛选匹配点对是，对步骤S3中得到每...

【专利技术属性】
技术研发人员：曾军英，冯武林，秦传波，甘俊英，翟懿奎，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东,44