一种基于G-AKAZE的图像特征匹配算法制造技术

本发明专利技术涉及基于G

【技术实现步骤摘要】
[0011][0012]式中，i表示计数参数，j表示为计数参数，τ
j
表示为对应步长，A(L
i
)表示为图像Li的传导矩阵，n表示显性扩散步数，τ
max
表示满足显性扩散稳定性条件时的最大步长值。在整个循环过程中，矩阵A(L
i
)始终保持不变，当循环结束后，算法将重新计算矩阵A(L
i
)的值。寻找不同尺度归一化后的Hessian矩阵极大值，确定Hessian矩阵H：
[0013][0014]式中，f表示为定义域内二阶连续可导多元函数，x1、x2、
…
、x
n
表示函数中的自变量参数。
[0015](3)确定特征点主方向：
[0016]利用M
‑
LDB描述符对图像进行描述，通过离散点采样获得散点的亮度值和水平方向和垂直方向的微分平均值，获得的运算符是由0和1构成的二值描述符，对图像分割网格像素，对网格像素进行尺度自适应，比例采样后进行求取平均值操作，确定特征点的主方向。
[0017](4)特征点匹配：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明特征在于：(1)构建非线性尺度；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定统计区域内点的支持可能性；(6)确定x
i
正确和错误时的均值和方差；(7)确定图像网格间的判断阈值；具体包括以下七个步骤：步骤一：构建非线性尺度步骤一：构建非线性尺度式中，L表示为图像亮度矩阵，t表示为时间参数，div表示散度函数，表示为图像梯度算子，c表示为传导函数，x表示为图像的横坐标，y表示为图像的纵坐标，I表示为单位矩阵；步骤二：确定图像的非线性尺度空间L
i+1,j+1
：L
i+1,j+1
＝(I+τ
j
A(L
i
))L
i+1,j
,j＝0,1,
…
,n
‑
1式中，i表示计数参数，j表示为计数参数，τ
j
表示为对应步长，A(L
i
)表示为图像L
i
的传导矩阵，n表示显性扩散步数，τ
max
表示满足显性扩散稳定性条件时的最大步长值；在整个循环过程中，矩阵A(L
i
)始终保持不变，当循环结束后，算法将重新计算矩阵A(L
i
)的值；寻找不同尺度归一化后的Hessian矩阵极大值，确定Hessian矩阵H：式中，f表示为定义域内二阶连续可导多元函数，x1、x2、
…
、x
n
表示函数中的自变量参数；步骤三：确定特征点主方向：利用M
‑
LDB描述符对图像进行描述，通过离散点采样获得散点的亮度值和水...

【专利技术属性】
技术研发人员：胡燕祝，王松，贺琬婧，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：