(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 20221095790 3.3
(22)申请日 2022.08.10
(71)申请人 哈尔滨理工大 学
地址 150040 黑龙江省哈尔滨市南岗区学
府路52号
(72)发明人 孙明晓 王潇 班喜程 栾添添
袁晓亮 李小岗 连厚鑫 谭政纲
(51)Int.Cl.
G06V 10/44(2022.01)
G06V 10/56(2022.01)
G06V 10/75(2022.01)
(54)发明名称
一种融合颜色和尺度特征的ORB图像匹配方
法
(57)摘要
针对传统ORB算法因忽略图像颜色信息, 对
光照变化的鲁棒性较差, 易造成误匹配的情况,
本发明公开了一种融合颜色和尺度特征的ORB图
像匹配方法。 所述方法包括: 首先使用颜色不变
量模型对彩色图像进行预处理, 求出图像的颜色
不变量, 以颜色不变量作为输入信息, 建立积分
图像, 采用盒式滤波器建立尺度空间, 使用快速
Hession矩阵检测极值点, 提取具有尺度不变性
的特征点, 然后使用rBRIEF算法得到特征描述
符, 最后采用汉明距离和改进RANSA C算法去除误
匹配点。 本发明在保证ORB算法特点的基础上, 改
善了ORB算法在颜色不同而对应灰度值相同区域
正确匹配率低的问题, 并且使算法具备尺度不变
性, 解决了特征点分布不均匀的情况, 提高了图
像发生尺度变化时匹配精度。
权利要求书3页 说明书11页 附图4页
CN 115187791 A
2022.10.14
CN 115187791 A
1.一种融合颜色和尺度特 征的ORB图像匹配方法, 其特 征在于, 包括以下步骤:
S1、 使用颜色不变量模型对待匹配的前后两帧彩色图像进行预处理, 求出图像各位置
的颜色不变量;
S2、 对待匹配的前后两帧彩色图像, 将计算得到的颜色不变量作为输入信息, 建立积分
图像, 采用盒式滤波器代替二阶高斯微分, 通过不断增大盒式滤波器的窗口大小构建图像
尺度空间;
S3、 对图像进行高斯滤波, 构建Hession矩阵, 在尺度空间上对使用快速Hessian矩阵局
部极值来确定图像的特 征点;
S4、 使用带有旋转 不变特性的rBRIEF算法提取 特征描述符;
S5、 使用汉明距离剔除部分错 误匹配点对, 完成对特 征点的粗匹配;
S6、 使用改进RANSAN算法进一步去除图像中的误匹配点对, 对特征点进行精匹配, 提 高
匹配精度;
所述的S1中, 根据颜色不变量模型, 对待匹配的前后两帧彩色图像进行预处理, 得到彩
色图像的颜色不变量H, 具体步骤为:
式中: E为光谱反射的成像结果, Eλ、 Eλ λ分别为物体光谱辐射模型的一阶微分和二阶微
分, λ表示波长, R∞( λ,x)表示反射 率;
彩色图像的RGB分量和(E,Eλ,Eλ λ)的关系近似为:
彩色图像的颜色不变量H为:
所述的S2中, 以颜色不变量作为输入, 采用盒式滤波器建立尺度空间, 具体步骤为:
定义图像f(x,y), 图像上任意 一点I(x,y), 对其进行高斯滤波, 如下式所示:
L(x,y, σ )=G(x,y, σ )*I(x,y) (4)
式中: σ 为尺度信息, G(x,y, σ )为固定的高斯核函数, *为高斯核函数卷积运算, I(x,y)
表示输入图像(相当于 H1(x,y)或H2(x,y));
对高斯滤波后的图像中的每个像素进行拉普拉斯运算, 拉普拉斯运算结果用Hession
矩阵表示, 如下式所示:
式中: Lxx(x,y, σ )、 Lxy(x,y, σ )、 Lyx(x,y, σ )、 Lyy(x,y, σ )分别代表在x方向的二阶导数, 在
x和y方向依次求偏导数, 在y和x方向依次求偏导数, 在y方向求二阶导数的高斯滤波 窗口,
使用不同尺寸的盒式滤波器, 在滤波的过程中完成尺度变化, 生成图像金字塔即是尺度 空
间;权 利 要 求 书 1/3 页
2
CN 115187791 A
2所述的S3中, 构建Hession矩阵, 利用近似Hession矩阵的局部极大值计算不同尺度下
特征点的位置, 具体步骤为:
为了减小计算代价, 采用Fast ‑Hession矩阵, 把高斯二阶偏导数近似化处理, 得到盒式
滤波器估计值Dxx、 Dxy、 Dyy, 考虑到使用盒式滤波器近似可能带来的误差, 设置一个大小为
0.9的补偿系数, 进 而可求得 Fast‑Hession矩阵的近似行列式表达式, 即:
Det(H)=Dxx·Dyy‑(0.9Dxy)2 (6)
图像特征点的尺度特征通过改变不同滤波窗口的尺寸来确定, 通过矩阵的行列式和特
征值来判别是否为极值点, 若Fast ‑Hessian矩阵的行列式值为正, 且两个特征值不同时为
正或为负, 则认定为极值 点;
所述的S4中, 使用带有旋转不变特性的rBRIEF算法提取特征描述符具体包括以下步
骤:
对于任意特征点, 在31x31邻域内位置为(xi,yi)的n对特征点集, 可以用2 ×n的矩阵来
表示:
利用特征点主方向θ和对应的旋转矩阵Rθ, 计算出Sθ来表示S:
这样就得到 了具有方向性的描述子:
gn(p, θ )=fn(p)|(xi,yi)∈Sθ (9)
式中:
为BRIEF的描述符;
所述的S5中, 使用汉明距离对特 征点粗匹配的具体步骤 包括以下内容:
将待匹配的两幅图像中选取两个二进制描述子g1、 g2, 对其进行异或运算, 计算g1、 g2之
间的汉明距离 Hdis12, 公式如下:
将Hdis12与预设定的阈值Hth进行比较, 若大于预设阈值, 则表示匹配成功, 否则匹配失
败;
所述的S6中, 在利用汉明距离粗匹配后, 使用改进RANSAN算法进一步去除图像中的误
匹配点对, 其具体步骤为:
求出前后两帧待匹配图像最近邻匹配对(Ai,Bi)、 (Aj,Bj)中特征点的匹配距 离l, 利用前
一帧图像A和后一帧图像B中匹配对与最近邻匹配对距离关系相似性来评价两点距离对应
关系, 评价 函数如下式:权 利 要 求 书 2/3 页
3
CN 115187791 A
3
专利 一种融合颜色和尺度特征的ORB图像匹配方法
安全报告 >
其他 >
文档预览
中文文档
19 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共19页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:39:45上传分享