一种融合边缘特征的自适应图像匹配算法制造技术

本发明专利技术请求保护一种融合边缘特征的自适应图像匹配算法，该算法包括步骤：S1，对于图像的灰度图转换规则进行修改，将原始图像转换为边缘图；S2，引入了ORB算法进行提取特征点，并对其进行改进，加入尺度空间；S3，使用SURF算法的描述子进行特征点描述；S4，提出了改进的自适应性快速最近邻逼近搜索函数库FLANN算法进行匹配；S5，在自适应性匹配中引入随机抽样一致性RANSAC算法对错误匹配点对进行剔除；S6，基于光照、尺寸和旋转等不同场景下，对于SIFT算法、SURF算法和一种融合边缘特征的自适应图像匹配算法进行图像匹配对比，实验结果表明，较原SURF算法匹配时间缩短20％

【技术实现步骤摘要】
一种融合边缘特征的自适应图像匹配算法


[0001]本专利技术属于机器人视觉领域，特别是一种基于ORB+SURF算法改进的融合边缘特征图像匹配方法。

技术介绍

[0002]随着科学技术的发展，计算机视觉技术已逐步运用于移动机器人V
‑
SLAM、医疗和视频图像拼接等多个领域。在现阶段大量关于计算机视觉的问题都是围绕图像配准展开的，其中特征点的检测与匹配也是实现图像匹配、图像融合和三维成像等的基础。
[0003]基于特征点的图像配准算法，首先需提取出图像中的特征点，然后再建立图像之间的配准关系。Moravec提出了特征点这个概念和角点检测算法，但该算法并不具备抗干扰性、尺度不变性、旋转不变性。随后，Harris、Lindeberg等通过计算包含图像信息的2
×
2矩阵的特征值来构建角点特征，并将图像和高斯核函数进行卷积构建图像尺度空间，从而使得图像具有尺度不变性。DavidG.Lowe提出了尺度不变特征变换(scale invariant feature transform,SIFT)算法，该算法具有高鲁棒性、抗干扰能力强和尺度不变性等优点，但因特征描述向量具有128维，存在数据复杂度高且算法运行时间长等缺点。Bay在SIFT的基础上提出了特征向量为64维的SURF算法，该算法虽降低了描述符维度且具有旋转和尺度不变性，但当纹理单一或目标较小时，将无法获得充足的特征点或正确匹配特征点对较少。宋佳乾等利用Canny边缘检测方法对高斯差分(Difference of Gaussian，DOG)特征提取算子进行改进，借助图像的梯度特征进行特征描述，由于该算法仅依靠欧式距离测量的方法完成特征匹配，使得匹配准确度下降。陈伟等以FAST角点取代SURF斑点提取特征点，然后使用SURF描述子进行特征点描述，解决了传统SURF算法计算时间长问题，但在尺度不变性方面匹配精度很低。
[0004]现有技术包括：一种具有尺度不变性的ORB特征点匹配方法(专利申请号：201510193048.3，专利公开号：CN104850851A)。该方法采用SURF算法提取特征点，需预设Hessian阈值且具有无法准确预知特征点数的缺点，易受光照变化等环境的影响，过多的特征点会导致特征点检测计算量大、耗时严重等问题，较少的特征点则会导致匹配准确率较低；采用K近邻算法进行特征点对匹配，需要设定最近邻匹配距离/次近邻匹配距离>0.6的匹配点对进行剔除，该方法无法准确确定一合适阈值来剔除错误匹配点对，致使错误匹配点对较多，匹配时间较高，且该方法不具备自适应性。
[0005]本专利技术引入边缘检测的方法，去除了光照变化对特征点检测的影响，然后通过改进ORB算法进行特征点提取，可以通过预设特征点数来确定特征检测后的特征点数目，缩短特征提取时间，提高匹配准确率；然后使用改进的自适应FLANN算法进行图像匹配，通过大量实验验证预设阈值在0
‑
1区间内阈值与匹配正确率及点数的关系，确定在0
‑
0.3区间内，特征点对为优秀特征点对并保留，0.3
‑
0.8之间内特征点对为待匹配特征点对，再通过引入RANSAC算法将FLANN算法筛选出来的待匹配点对进行错误匹配点对的剔除，这样有效解决了匹配算法需预设阈值的缺点，实现算法的自适应性，并对较多的匹配点对进行了筛选，提
高匹配准确率，而且缩短了匹配时间。
[0006]经过检索，申请公开号CN104850851A，一种具有尺度不变性的ORB特征点匹配方法，其特征在于包括以下步骤：步骤S1：输入待检测图像，对图像进行改进的SURF特征点检测，并确定特征点坐标；步骤S2：对所述步骤S1中的图像建立图像金字塔；步骤S3：去除靠近图像边缘的特征点；步骤S4：计算剩余特征点的质心方向；步骤S5:计算ORB特征点描述子；步骤S6：采用K近邻算法进行特征点匹配；步骤S7：筛选特征点匹配对并输出检测后的图像。本专利技术将具有尺度不变性的SURF与ORB结合，引入图像金字塔，对ORB特征点匹配算法进行改进，使之具有尺度不变性，同时又保留了ORB运算速度快的特点。
[0007]现有技术包括：一种航天器自主导航快速图像匹配方法(专利申请号：201710564153.2，专利公开号：CN107481273A)。该方法在原SURF算法的基础上建立棋盘分割模型，并引入RANSAC算法对错误特征点对进行剔除，缺点在于仍需预设Hessian阈值来提取特征点，在光照变化等影响下无法保证匹配准确率，且在匹配阶段使用提取描述向量的欧式距离小于某个特定阈值来代表匹配成功，该方法匹配准确率较低，且不具备自适应性。
[0008]本专利技术通过引入边缘检测的方法，去除了光照变化对特征点检测的影响，然后通过改进ORB算法进行特征点提取，可以通过预设特征点数来确定特征检测后的特征点数目，缩短特征提取时间，提高匹配准确率；然后使用改进的自适应FLANN算法进行图像匹配，再通过引入RANSAC算法将FLANN算法筛选出来的待匹配点对进行错误匹配点对的剔除，经过双重筛选来进一步提高匹配准确率，通过改进的自适应FLANN算法实现算法了的自适应性，并对较多的匹配点对进行了筛选，提高匹配准确率的可靠性。

技术实现思路

[0009]本专利技术旨在解决以上现有技术的问题。提出了一种融合边缘特征的自适应图像匹配算法。本专利技术的技术方案如下：
[0010]一种融合边缘特征的自适应图像匹配算法，其包括以下步骤：
[0011]进行边缘特征检测，将原始图像转换为边缘特征图；
[0012]利用改进ORB算法进行图像边缘特征点提取，该算法可通过预设特征点数来确定最优的前n个特征点；通过引入图像金字塔方法，使特征点在特征描述后具有尺度不变性；
[0013]然后利用SURF描述子进行特征点描述；
[0014]使用改进的自适应FLANN算法进行图像匹配，改进的自适应FLANN算法改进在于：通过大量实验验证预设阈值在0
‑
1区间内阈值与匹配正确率及点数的关系，确定在0
‑
0.3区间内，特征点对为优秀特征点对，0.3
‑
0.8之间内特征点对为待匹配特征点对，再通过引入RANSAC算法将FLANN算法筛选出来的待匹配点对进行错误匹配点对的剔除；
[0015]最后将完成剔除后的匹配点对与经自适应FLANN算法保留的优秀匹配点对融合，完成匹配。
[0016]进一步的，所述进行边缘特征检测，将原始图像转换为边缘特征图，具体包括：
[0017]采用Sobel算子对像素邻点的灰度加权差进行边缘检测，得到边缘特征图。
[0018]进一步的，所述ORB算法包含加速段测试的特征(Features from Accelerated Segment Test，FAST)快速特征提取特征点的检测方法与二进制鲁棒独立基本特征(Binary Robust Independent Elementary Feature本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合边缘特征的自适应图像匹配算法，其特征在于，包括以下步骤：进行边缘特征检测，将原始图像转换为边缘特征图；利用改进ORB算法进行图像边缘特征点提取，该算法可通过预设特征点数来确定最优的前n个特征点；通过引入图像金字塔方法，使特征点在特征描述后具有尺度不变性；然后利用SURF描述子进行特征点描述；使用改进的自适应FLANN算法进行图像匹配，改进的自适应FLANN算法改进在于：确定预设阈值在0
‑
1区间内阈值与匹配正确率及点数的关系，确定在0
‑
0.3区间内，特征点对为优秀特征点对，0.3
‑
0.8之间内特征点对为待匹配特征点对，再通过引入RANSAC算法将FLANN算法筛选出来的待匹配点对进行错误匹配点对的剔除；最后将完成剔除后的匹配点对与经自适应FLANN算法保留的优秀匹配点对融合，完成匹配。2.根据权利要求1所述的一种融合边缘特征的自适应图像匹配算法，其特征在于，所述进行边缘特征检测，将原始图像转换为边缘特征图，具体包括：采用Sobel算子对像素邻点的灰度加权差进行边缘检测，得到边缘特征图。3.根据权利要求1所述的一种融合边缘特征的自适应图像匹配算法，其特征在于，所述ORB算法包含加速段测试的特征FAST快速特征提取特征点的检测方法与二进制鲁棒独立基本特征BRIE特征描述子两部分，在FAST算法中特征点的定义为：如果一个像素与其周围一定范围内并且一定数量的像素不在同一区域，则该像素有可能是一个特征点；对于图像而言，如果像素的灰度值远大于或远小于周围一定范围内并且一定数量的像素灰度值，则该点可能成为特征点。4.根据权利要求3所述的一种融合边缘特征的自适应图像匹配算法，其特征在于，所述使用改进ORB算法进行图像边缘特征点提取，具体包括：采用灰度质心法对FAST提取出的角点添加方向信息，为后续的特征描述提供了旋转不变性；采用建立图像金字塔的方法，在特征点判断时加入与相邻尺度的图像进行比较，使特征点具有尺度不变性。5.根据权利要求4所述的一种融合边缘特征的自适应图像匹配算法，其特征在于，所述采用灰度质心法对FAST提取出的角点添加方向信息，具体包括：S21，将待检测点P(x,y)的灰度值计为I
p
；以待检测点P为圆心，三个像素点距离为半径，呈现出一个离散化的圆，圆周上有十六个像素点；S22指定一个阈值τ，将待检测点P与圆周上十六个特征点进行比较，如果有连续N个点的像素灰度值均比I
p
+τ要大或者比I
p
‑
τ要小的话则判定该点为特征点。6.根据权利要求5所述的一种融合边缘特征...

【专利技术属性】
技术研发人员：韩冷，汪佳伟，张毅，孙霞，李红英，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：