[发明专利]一种结合LBP特征提取和surf特征提取方法的图像匹配方法

权利要求书

1. 一种结合LBP特征提取和surf特征提取方法的图像匹配方法，其特征在于：

步骤一：利用Hessian矩阵，高斯金字塔提取特征点，并确定方向；

步骤二：构建特征描述子；

步骤三：特征点匹配。

2.根据权利要求1所述的一种结合LBP特征提取和surf特征提取方法的图像匹配方法，其特征在于：

步骤一：利用Hessian矩阵，高斯金字塔提取特征点，并确定方向，包括：

构造高斯金字塔尺度空间，为保证图像的尺度不变性，首先对其进行高斯滤波，滤波后对每一个像素点进行Hessian 的计算得到图像的特征点；

利用非极大值抑制初步确定特征点，将经过hessian矩阵处理过的每个像素点与其3维领域的26个点进行大小比较，如果它是这26个点中的最大值或者最小值，则保留下来，当做初步的特征点；

精确定位极值点，采用三维线性插值法得到亚像素级的特征点，同时也去掉那些值小于一定阀值的点；

选取特征点的主方向，在特征点的领域统计60度扇形内所有点的水平harr小波特征和垂直haar小波特征总和，这样一个扇形得到了一个值，然后60度扇形以一定间隔进行旋转，最后将最大那个扇形的方向最为该特征点的主方向。

3.根据权利要求1所述的一种结合LBP特征提取和surf特征提取方法的图像匹配方法，其特征在于：

所述的步骤二：构建特征描述子，包括：

构造算法描述子，在特征点周围选取一个正方形框，框的边长为20s（s是所检测到该特征点所在的尺度）将该框分为16个子区域，每个子区域统计25个像素的水平方向和垂直方向的haar小波特征即Σdx, Σd|x|, Σdy, Σd|y|,这样每个小区域就有4个值，这样就得到了第一组16*4=64维向量；

以特征点为中心取一个9*9大小的图像区域，求取以它为中心的旋转不变LBP特征，亦可得到8*8=64维的第二组向量；

将此两组向量各自高斯加权后作为新的图像特征提取和图像匹配方法描述子。

4.根据权利要求1所述的一种结合LBP特征提取和surf特征提取方法的图像匹配方法，其特征在于：

步骤三：特征点匹配，包括：

关键点匹配，采用两幅图像关键点之间的距离作为相似性判定度量，即在特征点haar特征值和LBP特征值相同的前提下，最先匹配到的两个特征点为一对匹配点。