[发明专利]一种基于四叉树结合ORB和SIFT的特征匹配方法

说明书

本发明涉及一种基于四叉树结合ORB和SIFT的特征匹配方法，采用自适应阈值的FAST特征点检测算法检测得到分布均匀的特征点，使用SIFT描述符对特征点进行描述，FLANN匹配器进行特征匹配，比例阈值法先对匹配对进行一次筛选，再使用角度旋转一致性对匹配对进行二次筛选，最后再使用RANSAC算法进行精匹配，使匹配的精度和鲁棒性得到了提高。

技术领域

本发明涉及一种基于四叉树结合ORB和SIFT的特征匹配方法，属于计算机视觉领域。

背景技术

随着科技的发展，计算机视觉越来越受到人们的关注，计算机视觉技术模拟人眼对图像进行分析和处理，以达到人类的视觉认知状态。图像匹配作为图像处理领域中的一个分支，是图像融合、图像矫正、图像拼接的关键步骤之一，也是三维重建、视觉SLAM的一个热门的研究点。在图像匹配的算法中，有很多种特征提取和匹配的算法，比如SIFT算法、SURF算法、Harris算法、ORB算法等。SIFT算法是其中性能最鲁棒的一种算法，但是由于其计算量大，并不能够满足一定的需求；ORB算法是一种检测速度非常快的算法，可以满足实时的要求，但是其鲁棒性以及匹配的精度要低于SIFT算法。

由于图像匹配无法做到绝对的正确的匹配，所以在匹配对中存在大量的误匹配，很多研究人员都致力于提高图像的匹配精度，基本都是在特征点提取、特征描述符以及匹配三个方面进行改进优化，从而提高图像匹配精度。特征点的提取有基于灰度信息的点特征提取算法，比如：Harris、SUSAN、FAST等，还有基于曲率的点特征提取算法，比如：SIFT、SURF等；特征描述符有基于梯度直方图的点特征描述符，比如：SURF、SIFT等，还有基于二进制位串的点特征描述符，比如：BRIEF、ORB、BRISK等；图像相似性度量的方法有基于欧几里得距离和基于汉明距离等。

发明内容

鉴于此，本发明的目的在于提出一种基于四叉树结合ORB和SIFT的特征匹配方法，采用自适应阈值的FAST特征点检测算法检测得到分布均匀的特征点，使用SIFT描述符对特征点进行描述，FLANN匹配器进行特征匹配，比例阈值法先对匹配对进行一次筛选，再使用角度旋转一致性对匹配对进行二次筛选，最后再使用RANSAC算法进行精匹配。使匹配的精度和鲁棒性得到提高。

一种基于四叉树结合ORB和SIFT的特征匹配方法，包括以下步骤：

步骤1：读取图像，对图像进行构建图像金字塔；

步骤2：根据图像金字塔每层图片的大小划分网格区域；

步骤3：在网格区域内进行自适应阈值的FAST特征点提取，并使用四叉树划分特征点；

步骤4：使用灰度质心法计算特征点方向；

步骤5：使用SIFT描述子对特征点进行描述；

步骤6：采用FLANN匹配器对两张图像上的特征点进行粗匹配；

步骤7：根据比例阈值筛选特征点粗匹配对；

步骤8：根据角度旋转一致性进行二次筛选特征点粗匹配对；

步骤9：对步骤8剩下的匹配点通过进行RANSAC算法迭代，并输出提纯后的匹配图像。

进一步的，所述步骤1中构建图像金字塔的步骤包括：

1)读取图像金字塔层数，遍历每一层图像；

2)读取当前层图像的缩放系数，对其进行高斯降采样；

3)对当前层图像进行扩充边界操作，对图像的边缘扩充19个像素，以便提取特征点。

进一步的，所述步骤2中根据图像金字塔每层图片的大小划分网格区域的步骤包括：

1)遍历图像金字塔每一层图像；