一种图像特征提取方法技术

本发明专利技术提供一种图像特征提取方法，涉及图像处理技术领域

【技术实现步骤摘要】
一种图像特征提取方法


[0001]本专利技术涉及图像处理
，尤其涉及一种图像特征提取方法
。

技术介绍

[0002]ORB
‑
SLAM3
融合了
ORB
‑
SLAM2
和
VIORB
算法优势，能够使用单目
、
双目和
RGB
‑
D
相机进行视觉
、
视觉惯性和多地图的
SLAM
算法，性能比较优异
。
[0003]但现有的
ORB
‑
SLAM3
算法的
ORB
图像特征提取方法在特征提取时，没有充分考虑图像中纹理的分布情况
。
在进行特征提取过程中，采用固定的网格尺寸将图像进行等分，然后在每个区域提取固定数量的特征点
。
这样，在纹理丰富区域，由于特征点数量的限制，预设值可能限制了可选取的特征点数量，导致有价值的特征信息丢失；在纹理稀疏的区域，预设值可能导致提取的特征点过多，强行提取特征可能会引入稳定性不佳的噪声
。
[0004]因此，需要对现有的
ORB
‑
SLAM3
算法中的
ORB
图像特征提取方法进行改进，提供一种新的图像特征提取方法，使提取的特征点更能反映图像的特征
。

技术实现思路

[0005]本专利技术的目的是提供一种图像特征提取方法，以解决现有<br/>ORB
‑
SLAM3
中的图像特征提取方法没有充分考虑图像中纹理的分布情况，导致其提取的特征点无法精准反映图像特征的问题
。
[0006]为了实现上述目的，本专利技术提供了一种图像特征提取方法
。
图像特征提取方法包括以下步骤：对待提取图像进行纹理分析，根据纹理分析的结果确定网格尺寸和
/
或确定网格内特征点提取数量
N
cell
；当根据纹理分析的结果确定网格尺寸时，根据网格尺寸对待提取图像进行网格区域划分；当根据纹理分析的结果确定网格内特征点提取数量
N
cell
时，利用角点检测器对网格内的特征点进行提取，提取到的特征点的数量记为
N
，判断
N
是否大于
N
cell
；当
N&gt;N
cell
时，对提取到的特征点进行筛选，筛选得到的特征点作为网格输出的特征点；当
N≤N
cell
时，提取到的特征点直接作为网格输出的特征点
。
[0007]进一步地，对待提取图像进行纹理分析的方法具体包括：选择像素点
Q
作为中心像素；以
Q
为中心，半径为
R1，选取一个圆形区域，圆形区域设有
M
个采样点，即像素点；将每个像素点的灰度值与中心点灰度值进行比较，如果像素点的灰度值大于或等于中心点的灰度值，则该像素点对应的二进制置为1；否则置0；将
M
个像素点得到的二进制码按照顺序排列，得到
M
位二进制数；将
M
位二进制数转换成十进制数，用该十进制数标记该中心像素；每个像素点的
LBP
计算公式如下：
[0008][0009]其中，
(x
Q
,y
Q
)
为中心像素，
G
Q
为中心像素灰度值，
G
M
为采样点灰度值，
S
为符号函数，可表示为：
[0010][0011]旋转
LBP
由如下公式
(3)
确定：
[0012]LBP(x
Q
,y
Q
)
r
＝
min{Rotation(LBP(x
Q
,y
Q
),i)|i
＝
0,1...M
‑
1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0013]其中，
Rotation(LBP(x
Q
,y
Q
),i)
指二进制
LBP
算子沿顺时针方向旋转
i
次，
LBP(x
Q
,y
Q
)
r
表示对
LBP(x
Q
,y
Q
)
进行旋转；利用公式
(1)
‑
(3)
计算待提取图像上每个像素的旋转
LBP
值；对每个像素旋转
LBP
特征值进行统计，形成
LBP
直方图；对
LBP
直方图相加求和，得到待提取图像的纹理直方图总和
H
P
。
[0014]进一步地，根据纹理分析的结果确定网格尺寸的方法具体包括：将纹理直方图总和除以直方图的行数，得到待提取图像的
LBP
直方图平均值
H
mean
；采用以下公式计算待提取图像采用的网格尺寸：
[0015][0016]其中，
W
为网格尺寸；
W
max
为最大网格尺寸；
W
min
为最小网格尺寸；
H
min
为待提取图像
LBP
直方图最小值；
H
max
为待提取图像
LBP
直方图最大值；
a
和
b
均为设定的线性函数系数；
H
mean
为
LBP
直方图平均值，代表待提取图像纹理平均分布情况
。
[0017]进一步地，根据纹理分析的结果确定网格内特征点提取数量
N
cell
的方法具体包括：利用公式
(1)
‑
(3)
计算网格内每个像素的旋转
LBP
值，统计所有像素的旋转
LBP
特征值的直方图，通过对直方图求和得到网格的纹理直方图总和
H
cell
；采用以下公式计算网格内特征点提取数量
N
cell
：
[0018][0019]其中，
N
cell
为网格内特征点提取数量，
N
p
为待提取图像的提取特征点数量，
H
cell
为网格的纹理直方图总和，
H
P
为待提取图像的纹理直方图总和
。
[0020]进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像特征提取方法，其特征在于，所述图像特征提取方法包括以下步骤：对待提取图像进行纹理分析，根据纹理分析的结果确定网格尺寸和
/
或确定网格内特征点提取数量
N
cell
；当根据纹理分析的结果确定网格尺寸时，根据所述网格尺寸对待提取图像进行网格区域划分；当根据纹理分析的结果确定网格内特征点提取数量
N
cell
时，利用角点检测器对网格内的特征点进行提取，提取到的特征点的数量记为
N
，判断
N
是否大于
N
cell
；当
N&gt;N
cell
时，对提取到的特征点进行筛选，筛选得到的特征点作为网格输出的特征点；当
N≤N
cell
时，提取到的特征点直接作为网格输出的特征点
。2.
根据权利要求1所述的图像特征提取方法，其特征在于，所述对待提取图像进行纹理分析的方法具体包括：选择像素点
Q
作为中心像素；以
Q
为中心，半径为
R1选取一个圆形区域，圆形区域设有
M
个采样点，即像素点；将每个像素点的灰度值与中心点灰度值进行比较，如果像素点的灰度值大于或等于中心点的灰度值，则该像素点对应的二进制置为1；否则置0；将
M
个像素点得到的二进制码按照顺序排列，得到
M
位二进制数；将
M
位二进制数转换成十进制数，用该十进制数标记该中心像素；每个像素点的
LBP
计算公式如下：其中，
(x
Q
,y
Q
)
为中心像素，
G
Q
为中心像素灰度值，
G
M
为采样点灰度值，
S
为符号函数，可表示为：旋转
LBP
由如下公式
(3)
确定：
LBP(x
Q
,y
Q
)
r
＝
min{Rotation(LBP(x
Q
,y
Q
),i)|i
＝
0,1...M
‑
1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
其中，
Rotation(LBP(x
Q
,y
Q
),i)
指二进制
LBP
算子沿顺时针方向旋转
i
次，
LBP(x
Q
,y
Q
)
r
表示对
LBP(x
Q
,y
Q
)
进行旋转；利用公式
(1)
‑
(3)
计算待提取图像上每个像素的旋转
LBP
值；对每个像素旋转
LBP
特征值进行统计，形成
LBP
直方图；对
LBP
直方图相加求和，得到待提取图像的纹理直方图总和
H
P
。3.
根据权利要求2所述的图像特征提取方法，其特征在于，所述根据纹理分析的结果确定网格尺寸的方法具体包括：将所述纹理直方图总和除以直方图的行数，得到待提取图像的
LBP
直方图平均值
H
mean
；采用以下公式计算待提取图像采用的网格尺寸：
其中，
W
为网格尺寸；
W
max
为最大网格尺寸；
W
min
为最小网格尺寸；
H
min
为待提取图像
LBP
直方图最小值；
H
max
为待提取图像
LBP
直方图最大值；
a
和
b
均为设定的线性函数系数；
H
mean
为
LBP
直方图平均值，代表待提取图像纹理平均分布情况
。4.
根据权利要求2所述的图像特征提取方法，其特征在于，所述根据纹理分析的结果确定网格内特征点提取数量
N
cell
的方法具体包括：利用公式
(1)
‑
(3)
计算网格内每个像素的旋转
LBP
值，统计网格内所有像素的旋转
LBP
特征值的直方图，通过对直方图求和得到网格的纹理直方图总和
H
cell
；采用以下公式计算网格内特征点提取数量
N
cell
：其中，
N
cell
为网格内特征点提取数量，
N
p
为待提取图像的提取特征点数量，
H
cell
为网格的纹理直方图总和，
H
P
为待提取图像的纹理直方图总和
。5.
根据权利要求1所述的图像特征提取方法，其特征在于，所述对提取到的特征点进行筛选的方法包括按顺序执行的以下步骤：
S1、
将网格图像的初始节点视为1；
S2、
将1个节点分裂为4个节点，统计每个节点内的特征点数量；当特征点数量为0时，将该节点删除；当特征点数量等于1时，该节点停止分裂，保存该节点的特征点；当特征点数量大于1时，该节点等待分裂，保存该节点信息；
S3、
判断保留的节点数与网格内特征点提取数量
N
cell
的关系；当保留的节点数小于
N
cell
时，执行
S4
；当保留的节点数大于或等于
N
cell
时，执行
S5
；
S4、
对等待分裂的节点执行
S2
；其中，当存在多个等待分裂的节点时，按照特征点数量从大到小的顺序对等待分裂的节点进行分裂；每对1个等待分裂的节点执行
S2
后，...

【专利技术属性】
技术研发人员：刘振宇，王晶，王德生，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：