一种改进的ORB特征匹配方法组成比例

本发明专利技术涉及一种改进的ORB特征匹配方法，包括以下步骤：步骤S1:采用改进的FAST14‑24方法进行角点的初步提取,得到角点；步骤S2:根据得到的角点，采用Shi‑Tomasi角点检测算法进行特征点优选，得到特征点；步骤S3:利用灰度质心法对特征点集进行处理确定特征点的方向；步骤S4:根据特征点集，采用类视网膜描述符提取算法，得到特征描述符；步骤S5:根据得到的特征描述符，采用学习的方法来提取低相关性的采样点对的位置，得到优化的特征描述符。步骤S6:使用汉明距离进行特征匹配。本发明专利技术得到的优化的特征描述符相比现有的rBRIEF描述符，具有更好的鲁棒性和更高的精度。

An improved ORB feature matching method

The present invention relates to an improved ORB feature matching method, which includes the following steps: (1) using the improved FAST14_24 method to extract corner points initially and get corner points; (2) selecting feature points by using Shi_Tomasi corner detection algorithm based on the obtained corner points, and obtaining feature points; and (2) using gray centroid method to process feature points to determine feature points. Direction; (4) According to the feature point set, the feature descriptor is extracted by retina-like descriptor extraction algorithm; (5) According to the obtained feature descriptor, the location of low-correlation sampling point pairs is extracted by learning method, and the optimized feature descriptor is obtained. Firstly, Hamming distance is used for feature matching. Compared with the existing rBRIEF descriptor, the optimized feature descriptor obtained by the invention has better robustness and higher accuracy.

【技术实现步骤摘要】
一种改进的ORB特征匹配方法
本专利技术涉及图像处理
，具体涉及一种改进的ORB特征匹配方法。
技术介绍
图像匹配技术通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，分析相似性和一致性，寻求相似影像目标。图像匹配技术广泛应用在车牌识别、遥感影像、图像拼接、医疗图像诊断、人脸识别等领域。在图像配准算法中,特征提取及匹配的方法有很多,如:SUSAN算子、Harris算子、SIFT算子。其中SIFT算法是性能最为鲁棒的局部特征算法，但是其运算量较大，不能很好的满足实时性的要求。为此EthanRublee等于2011年提出ORB算法，ORB算法是建立在改进的FAST特征和改进的BRIEF特征之上，由于FAST特征和BRIEF特征都具有运算速度快的优点，因此ORB在运算速度上比SIFT快两个数量级。但是在匹配精度上，ORB算法弱于SIFT算法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种改进的ORB特征匹配方法，提高ORB的匹配精度。为实现上述目的，本专利技术采用如下技术方案：一种改进的ORB特征匹配方法，包括以下步骤：步骤S1:采用改进的FAST14-24方法进行角点的本文档来自技高网...

【技术保护点】
1.一种改进的ORB特征匹配方法，其特征在于：包括以下步骤：步骤S1:采用改进的FAST14‑24方法进行角点的初步提取,得到角点；步骤S2:根据得到的角点，采用Shi‑Tomasi角点检测算法进行特征点优选，得到特征点；步骤S3:利用灰度质心法对特征点集进行处理确定特征点的方向；步骤S4:根据特征点集，采用类视网膜描述符提取算法，得到特征描述符；步骤S5:根据得到的特征描述符，采用学习的方法来提取低相关性的采样点对的位置，得到优化的特征描述符；步骤S6:根据得到的优化的特征描述符，使用汉明距离进行特征匹配。

【技术特征摘要】
1.一种改进的ORB特征匹配方法，其特征在于：包括以下步骤：步骤S1:采用改进的FAST14-24方法进行角点的初步提取,得到角点；步骤S2:根据得到的角点，采用Shi-Tomasi角点检测算法进行特征点优选，得到特征点；步骤S3:利用灰度质心法对特征点集进行处理确定特征点的方向；步骤S4:根据特征点集，采用类视网膜描述符提取算法，得到特征描述符；步骤S5:根据得到的特征描述符，采用学习的方法来提取低相关性的采样点对的位置，得到优化的特征描述符；步骤S6:根据得到的优化的特征描述符，使用汉明距离进行特征匹配。2.根据权利要求1所述的一种改进的ORB特征匹配方法，其特征在于：所述步骤S1具体为:取像素点p周围24个像素点为检测模板，p点的灰度值为Ip，设定阈值T，如果24个像素点中有连续14个像素点的灰度值大于Ip+T或小于Ip-T，则p点为角点。3.根据权利要求1所述的一种改进的ORB特征匹配方法，其特征在于：所述步骤S2具体为:步骤S21:通过计算局部小窗口W(x,y)在各个方向移动后的灰度情况检测特征点；步骤S22:将窗口平移[u,v]产生灰度变化E[u,v]为：其中M是2×2的自相关矩阵，由图像的导数计算：对矩阵M的两个特征值λmax和λmin进行分析，因为曲率较大的不确定度取决于λmin，定义角点响应函数为λmin；步骤S23:用Shi-Tomasi算法计算每点的角点响应函数λmin，根据λmin取前N个响应值最大的点确定为特征点。4.根据权利要求1所述的种改进的ORB特征匹配方法，其特征在于：所述步骤S3具体为:Rosin定义了图像块的矩：I(x,y)为图像灰度表达式，该矩的质心为：设特征点的坐标为O，则OC为该特征点方向，方向角的计算公式如下：θ＝atan2(m01,m10)。5.根据权利...

【专利技术属性】
技术研发人员：郑茜颖，杨炳坤，程树英，张彩霞，林培杰，何煌城，俞金玲，陈志聪，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35