【技术实现步骤摘要】
一种图像特征提取与匹配方法
本专利技术涉及一种图像特征提取与匹配方法，特别是一种基于Harris的特征提取与匹配方法，属于图像处理领域。
技术介绍
图像匹配是一种在不同图像中查找相似图像部分的方法。它被广泛应用于图像融合，目标识别，计算机视觉等领域。目前，图像匹配可以分为基于灰度的方法和基于特征的方法。众所周知，特征是图像中非常重要的信息，对于图像来说，特征是图像局部信息的抽象描述。特征可以在保留图像关键信息的同时极大地减少数据量。此外，这些特征对图像噪声，灰度变化，图像变形和遮挡具有良好的适应性，因此基于图像特征的匹配在实践中越来越广泛地使用。现在常用的方法是Harris角点检测，但是它的精度为像素级别，没有合适的描述子，并且计算复杂度较大。
技术实现思路
针对上述现有技术，本专利技术要解决的技术问题是提供一种有效提高图像特征提取与匹配的快速性与准确性的图像特征提取与匹配方法。为解决上述技术问题，本专利技术的一种图像特征提取与匹配方法，包括以下步骤：S1：对特征点进行初步筛选，具体为：<...
【技术保护点】
1.一种图像特征提取与匹配方法，其特征在于，包括以下步骤：/nS1：对特征点进行初步筛选，具体为：/n将采集到的彩色图像转换为灰度图像，转换公式如下：/nGray＝(306*R+601*G+1147*B)＞＞10/n其中，Gray表示图像的灰度值，R、G、B分别表示红、绿、蓝三个通道的值，通过图像中每个像素点与其邻域中8个其他像素点的相似性来选择候选角点，根据两个像素点的灰度差异确定它们之间的相似度，对于在点(i,j)的像素点P，如果其邻域中8个像素点与该点之间的灰度差的绝对值P小于设置的灰色阈值T
【技术特征摘要】
1.一种图像特征提取与匹配方法，其特征在于，包括以下步骤：
S1：对特征点进行初步筛选，具体为：
将采集到的彩色图像转换为灰度图像，转换公式如下：
Gray＝(306*R+601*G+1147*B)＞＞10
其中，Gray表示图像的灰度值，R、G、B分别表示红、绿、蓝三个通道的值，通过图像中每个像素点与其邻域中8个其他像素点的相似性来选择候选角点，根据两个像素点的灰度差异确定它们之间的相似度，对于在点(i,j)的像素点P，如果其邻域中8个像素点与该点之间的灰度差的绝对值P小于设置的灰色阈值T1，则认为该点与点P相似，检测P点与领域中8个像素点的相似性，并记录与P点相似的点的数量，记为N(i,j)；
P属于某个局部区域中的像素点，根据P点的N(i,j)值，判断点P是否为可能的角点，如果P点的N(i,j)在间隔(3,6)之间，点P被视为一个可能的角点，遍历图像中的所有像素点，并选择所有符合条件的像素点作为候选角点；
S2：利用候选角点中X和Y方向的梯度对S1得到的候选角点进行二次筛选；
S3：像素级角点检测，具体为：计算步骤2中得到的每个候选角点的自相关矩阵：计算与每个候选角点相对应的梯度乘积，获得自相关矩阵M1：
Ix、Iy分别表示候选角点在x与y方向的梯度值，然后使用高斯核函数G(x,y,σ)和M1进行卷积，得到一个新的自相关矩阵M2；
计算候选角点的角点响应函数值，并将该值用于确定它是否是正确的角点，角点响应函数值R的计算如下：
Det(M2)＝λ1λ2
Tr(M2)＝λ1+λ2
R＝Det(M2)-k*Tr2(M2)
其中λ1和λ2是自相关矩阵M2的特征值，k是常数，如果点的CRF值R大于设置的阈值T3，则将该点选择为像素级角点；
S4：亚像素级角点检测，通过迭代优化Harris位置获得S3中得到的像素级角点的亚像素级角点坐标；
S5：旋转不变快速变化描述子计算，具体为：
描述子选择的局部区域是一个以特征点为中心，半径为12个像素的圆形区域，所选局部区域被三个圆圈划分为三层，以特征点为中心的半径为4个像素，8个像素和12个像素点，中间的圆是一个子区域，中间层的环被均匀地分成4个子区域，最外层的环被均匀地分成8个子区域，共有13个子区域，在每个子区域中提取8方向梯度向量，最后获得104维特征向量作为描述子；...
【专利技术属性】
技术研发人员：徐博，刘斌，吴磊，刘海明，金坤明，张娇，王潇雨，李珊珊，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。