System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于计算机视觉领域,涉及一种图像特征提取方法,具体涉及一种基于自适应提取阈值的图像特征提取方法,可应用于目标跟踪、三维重建等领域。
技术介绍
1、在计算机视觉领域中,特征提取主要解决图像间数据关联问题,通过对图像与图像之间的描述子进行准确匹配,为目标跟踪、三维重建等领域中的位姿估计、后端优化提供数据支持。在现有技术中orb图像特征提取方法由于其稳定性好和效率高的优点而被广泛应用,它改进了fast角点不具有方向性的问题,并采用速度极快的二进制描述子brief,使整个图像特征提取的环节大大加速,保证实时性的同时提高了算法的鲁棒性。但是该算法提取的特征点存在聚集现象,且当传感器受到遮挡或其他外界环境影响,图像可能出现模糊或光照突变,难以通过固定阈值高效提取稳定的特征点。
2、为了解决上述问题,需要对图像进行区域划分,对不同的区域分别提取特征点来保证特征点的均匀度;另一方面,需要使用动态阈值来代替传统方法中的固定阈值,提高对复杂环境的适应能力。例如,2021年申请公布号为cn113191370a,名称为“一种基于阈值自适应阈值调整的orb算法”的专利申请,公开了一种基于自适应阈值的orb特征提取方法,该方法依据图像大小计算出需要构建的图像金字塔层数,并在每层图像金字塔上设立特征点提取阈值,当提取的特征点数目满足阈值条件时,则终止该层图像特征点的提取,最后用四叉树算法剔除每层图像上的冗余特征点。该方法对图像进行了区域划分,并且采用自适应阈值进行特征提取,能够提高算法的运算效率和特征点的均匀度,但是该方法的提取阈值针对
技术实现思路
1、本专利技术的目的在于克服上述现有技术存在的缺陷,提出了一种基于自适应提取阈值的图像特征提取方法,用于解决现有技术中存在的对环境的适应能力较差和特征点响应值较低的技术问题。
2、为实现上述目的,本专利技术采取的技术方案包括如下步骤:
3、(1)初始化参数:
4、初始化质量阈值为α,亮度阈值为β,最小提取阈值为t′,图像金字塔的层数为m,m≥5,下采样因子为s,0<s<1;
5、(2)构建图像金字塔并对每层图像进行区域划分:
6、构建原始图像的分辨率从上到下依次增大的m层图像金字塔,并将每层图像划分成大小为wm×hm的p×q个矩形区域;
7、(3)计算每层图像中每个区域的自适应提取阈值:
8、通过每层图像中每个区域的灰度信息计算该区域的灰度平均值标准差和动态自适应阈值并判断是否成立,若是,将作为自适应提取阈值init,否则,判断是否成立,若是,通过所计算的原始图像的标准差σtotal确定全局阈值提取系数δ,并根据δ和每层图像中每个区域的otsu分割阈值计算自适应提取阈值init,否则,根据最小提取阈值t′和δ计算自适应提取阈值init;
9、(4)对每层图像中的每个区域进行特征提取:
10、采用fast角点提取算法,并通过自适应提取阈值init对每层图像中的每个区域提取特征点,得到第m层图像的特征点fm,其中第m层图像中第p行第q列个矩形区域的特征点为
11、(5)采用四叉树对每层图像的特征点进行筛选:
12、(5a)将每层图像作为四叉树的根节点,并将其分裂为4个子节点,然后判断每个子节点是否存在特征点,若是,当每个子节点中只存在一个特征点时,保留该子节点内的特征点,当每个子节点存在多个特征点,将该子节点分裂成4个子节点,并记录分裂后节点的深度d和节点总数nnodes后执行步骤(5b),否则删除该子节点;
13、(5b)根据每层图像的特征点数nm计算该层图像的最大分裂深度dmax,当每层图像节点总数nnodes与nm满足nnodes>nm、d与该层图像的最大分裂深度dmax满足d>dmax、或所有节点内都只剩一个特征点时,将所有节点中harris响应值最大的特征点作为筛选后的特征点;
14、(6)获取原始图像的特征提取结果:
15、计算每层图像筛选后的特征点的主方向和brief描述子fq(i),根据特征点的主方向和brief描述子fq(i)计算特征点的rbrief旋转描述子通过下采样因子s计算原始图像的特征提取结果f。
16、本专利技术与现有技术相比,具有以下优点:
17、1.本专利技术在对每层图像中的每个区域进行特征提取的过程中所采用的自适应提取阈值init,是通过每层图像中每个区域的灰度信息、全局阈值提取系数和每层图像中每个区域的otsu分割阈值或最小提取阈值进行自适应调整,既能最大限度地保留真实特征,也能考虑到图像全局和局部之间的差异性,避免了现有技术提取阈值是针对整幅图像而无法满足图像区域特征复杂程度不同带来的变化需求的缺陷,提高了对复杂环境的适应能力,进而有效提高了特征的匹配精度。
18、2.本专利技术在采用四叉树对每层图像的特征点进行筛选的过程中,根据每层图像的特征点数nm计算该层图像的最大分裂深度,在保证提取特征点数量的前提下,剔除冗余特征点,并保留响应值高的特征点,从而优化了特征点的空间分布,避免了现有技术通过循环降低提取阈值容易提取到响应值较低的特征点的缺陷,进一步提高了特征匹配精度。
本文档来自技高网...【技术保护点】
1.一种基于自适应提取阈值的图像特征提取方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤(2)中所述的构建图像金字塔并对每层图像进行区域划分,实现步骤为:
3.根据权利要求1所述的方法,其特征在于,步骤(3)中所述的每层图像中每个区域的灰度信息计算该区域的灰度平均值标准差和动态自适应阈值计算公式分别为:
4.根据权利要求1所述的方法,其特征在于,步骤(3)中所述的通过所计算的原始图像的标准差σtotal确定全局阈值提取系数δ,并根据δ和每层图像中每个区域的OTSU分割阈值计算自适应提取阈值iniT,否则,根据最小提取阈值T′和δ计算自适应提取阈值iniT,原始图像的标准差σtotal、全局阈值提取系数δ、每层图像中每个区域的OTSU分割阈值和特征提取自适应阈值iniT,计算公式分别为:
5.根据权利要求1所述的方法,其特征在于,步骤(5b)中所述的该层图像的最大分割深度Dmax,实现步骤为:
6.根据权利要求1所述的方法,其特征在于,步骤(6)中所述的计算每层图像筛选后的特征点的主方向和B
7.根据权利要求1所述的方法,其特征在于,步骤(6)中所述的计算原始图像的特征提取结果F,计算公式为:
...【技术特征摘要】
1.一种基于自适应提取阈值的图像特征提取方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤(2)中所述的构建图像金字塔并对每层图像进行区域划分,实现步骤为:
3.根据权利要求1所述的方法,其特征在于,步骤(3)中所述的每层图像中每个区域的灰度信息计算该区域的灰度平均值标准差和动态自适应阈值计算公式分别为:
4.根据权利要求1所述的方法,其特征在于,步骤(3)中所述的通过所计算的原始图像的标准差σtotal确定全局阈值提取系数δ,并根据δ和每层图像中每个区域的otsu分割阈值计算自适应提取阈值init,否则,根据最小提取阈值t′和δ计算自适应提取阈值init,原始图像的标准差...
【专利技术属性】
技术研发人员:李团结,王俊杰,宁宇铭,董航佳,李显涛,
申请(专利权)人:西安电子科技大学杭州研究院,
类型:发明
国别省市:
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。