【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< ...
【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>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,...
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。