基于优化权重的SIFT图像特征匹配预处理方法技术

本发明专利技术公开了一种基于优化权重的SIFT图像特征匹配预处理方法，包括以下步骤：使用双目相机获取多种工况下的双目图像数据集；对所述双目图像数据集中的双目图像进行灰度化处理，获取灰度图像；对所述灰度图像进行边缘填充处理；引入局部增强因子和非线性变换因子，以对边缘填充处理后的灰度图像进行优化权重局部增强预处理，得到灰度增强图像。本发明专利技术通过对LCM算法进行改进，引入局部增强因子和非线性变换因子调节所述局部增强值，为灰度图像的局部增强提供了一种更好的预处理方法，能实现图像像素动态增强，获取更优的增强图像，使得特征匹配数目更多，图像特征匹配效果更好。

【技术实现步骤摘要】

本专利技术涉及图像特征点匹配，特别涉及一种基于优化权重的sift图像特征匹配预处理方法。

技术介绍

1、在计算机视觉和人工智能领域，图像匹配作为一个核心的研究课题，广泛应用于图像检索、目标跟踪、三维重建等领域。图像匹配方法分为基于灰度信息和基于特征信息两大类别，相比于基于灰度信息的方法，后者可应用于各种类型的图像，且能与其他图像处理技术结合使用，进一步提高图像匹配的效果。因此，基于特征信息的图像匹配成为了当前研究的热点。近年来，基于特征信息的图像匹配研究的侧重点在于特征点匹配，并着力于在复杂背景、偏视角、高噪声环境下能够提升匹配率，常用的图像特征匹配算法以改进的harris角点检测、尺度不变特征变换(sitf)、加速稳健特征(surf)等算法为主，且多数研究者都测重于改进特征点提取、描述符构建、误匹配剔除算法来提高特征匹配效果，却忽略了图像特征质量能直接影响特征点提取、描述符构建、特征点匹配的效果。因此，对于图像特征匹配，采用一种好的预处理算法来提高图像特征质量变得至关重要。

2、近年来，局部对比度增强(local contrast maxim本文档来自技高网...

【技术保护点】

1.一种基于优化权重的SIFT图像特征匹配预处理方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于优化权重的SIFT图像特征匹配预处理方法，其特征在于，在所述引入局部增强因子和非线性变换因子，以对边缘填充处理后的灰度图像进行优化权重局部增强预处理，得到灰度增强图像的步骤之后，还包括以下步骤：

3.如权利要求1所述的基于优化权重的SIFT图像特征匹配预处理方法，其特征在于，所述对所述灰度图像进行边缘填充处理的步骤中，具体包括：在所述灰度图像的行和列上分别填充边长为radius的正方形像素块，填充的像素值通过复制双目图像边缘的像素值进行对称填充，对图像边缘进...

【技术特征摘要】

1.一种基于优化权重的sift图像特征匹配预处理方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于优化权重的sift图像特征匹配预处理方法，其特征在于，在所述引入局部增强因子和非线性变换因子，以对边缘填充处理后的灰度图像进行优化权重局部增强预处理，得到灰度增强图像的步骤之后，还包括以下步骤：

3.如权利要求1所述的基于优化权重的sift图像特征匹配预处理方法，其特征在于，所述对所述灰度图像进行边缘填充处理的步骤中，具体包括：在所述灰度图像的行和列上分别填充边长为radius的正方形像素块，填充的像素值通过复制双目图像边缘的像素值进行对称填充，对图像边缘进行均匀处理；

4.如权利要求3所述的基于优化权重的sift图像特征匹配预处理方法，其特征在于，所述引入局部增强因子和非线性变换因子，以对边缘填充处理后的灰度图像进行优化权重局部增强预处理的步骤中，包括以下子步骤：

5.如权利要求4所述的基于优化权重的sift图像特征匹配预处理方法，其特征在于，所述获取需要进行局部增强的待处理局部像素块集的步骤中，具体包括：将待处理局部像素块a(i,j)从灰度图像的左上角(1,1)像素位置开始，在水平方向上，从左往右获取边长为radius的第一行正方形像素块，移动间距为radius，像素块依次命名为a(1,1)、a(2,1)、…、a(b,1)；下移一定距离，从灰度图像的(1,radius+1)像素位置开始，按照从左往右的方向，等间距获取第二行像素块，像素块依次命名为a(1,2)、a(2,2)、...、a(b,2)；再下移一定距离，从左往右获取一行像素块...

【专利技术属性】
技术研发人员：郑冬，龚识懿，杨泳，刘涛，徐昊，
申请(专利权)人：重庆电力高等专科学校，
类型：发明
国别省市：