[发明专利]一种应用于图像匹配的尺度不变特征点提取方法

说明书

一种应用于图像匹配的尺度不变特征点提取方法，解决了现有利用Fast特征点进行图像匹配精度不高的问题，属于图像匹配技术领域。本发明包括：计算图像中像素点的在不同尺度下的尺度区域值，建立尺度金字塔；在不同尺度下的每个像素点与周围8个像素点的尺度区域值进行比较，筛选出候选特征点，并计算图像在不同尺度下的尺度响应得分对筛选出的候选特征点进行非极大值抑制，筛选出尺度响应得分最大的候选特征点，并用当前尺度与上下尺度的响应得分进行插值计算，得到精确尺度，去掉偏移超过设定值的候选特征点，剩余的候选特征点为尺度不变特征点。对得到的尺度不变特征点结合Surf区域描述生成局部特征，对图像进行匹配实验得到匹配结果并分析。

技术领域

本发明涉及一种尺度不变特征点提取方法，属于图像匹配技术领域。

背景技术

尺度不变特征点提取主要的作用是与尺度区域特征结合在一起用于图像匹配或点云生成等领域。在运动估计、图像拼接、三维重建、自动驾驶都有着举足轻重的作用。由于图像生成过程于不同角度、平面、距离等因素，图像间存在一定仿射。这给特征点的尺度不变性提出要求，特征点位置与尺度的确定将影响后续尺度区域的划定带来极大影响，直接关系到匹配精度。同时除了图像间仿射之外，图像色差、亮度变化等给尺度不变特征点提取增加了难度，致使其很难有高的提取效果。

近年来研究人员提出了很多特征点提取算法。例如：DoG算子、Fast算法、harris算法、Forstner算子等。其中Fast特征点以高频率著称，但是没有尺度不变特性且实际匹配精度不佳；Harris同样存在没有尺度不变性对尺度敏感的问题；DoG算子存在计算量大的缺点。

发明内容

针对现有利用Fast特征点进行图像匹配精度不高的问题，本发明提供一种应用于图像匹配的尺度不变特征点提取方法。

本发明的一种应用于图像匹配的尺度不变特征点提取方法，所述方法包括：

S1：计算图像中像素点的在不同尺度下的尺度区域值，建立尺度金字塔，尺度金字塔的每一层对应一个不同尺度及各像素点在不同尺度下的尺度区域值，尺度值计算的范围是半径为当前尺度σ大小的圆域；

S2：在不同尺度下的每个像素点作为中心像素点与周围8个像素点的尺度区域值进行比较，筛选出候选特征点，并计算图像在不同尺度下的尺度响应得分；

S3：对S2筛选出的候选特征点进行非极大值抑制，筛选出尺度响应得分最大的候选特征点，并用当前尺度与上下尺度的响应得分进行插值计算，得到精确尺度，去掉偏移超过设定值的候选特征点，剩余的候选特征点为尺度不变特征点。

作为优选，所述S1中，像素点的尺度区域值为：

其中，B_sp为尺度圆的外接方形值，L_sp为尺度圆的内接方形值，I_sp为尺度区域值，所述尺度圆为以图像中某一像素点为中心、半径为设定的尺度值大小的圆形区域；

尺度σ的大小为：

σ＝1.2*2((o-1)/3)o＝1，2，…，10

其中，o表示为尺度金字塔的层数。

作为优选，所述S2包括：

S21：在每一层尺度金字塔中筛选出候选特征点；

在不同尺度下的每个像素点作为中心像素点，在半径为尺度值2倍大小的圆上选取8个像素点作为对比像素点，包括：水平2个像素点、竖直2个像素点、对角4个像素点，若索引的中心像素点的尺度区域值与周围的对比像素点的尺度区域值的差值存在连续6个大于阈值或小于阈值，则认为所述中心像素点在尺度σ下是特征点；

中心像素点的尺度区域值与对比像素点区域值的大小关系分类如式：