[发明专利]一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法

权利要求书

1.一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：包括如下步骤：

S1，读取待匹配的两幅图片，并对每一幅图片构建K层高斯金字塔；

S2，设定图像自适应局部阈值并进行FAST角点自适应提取；

S3，计算特征点方向和BRIEF描述子；

S4，提取图像LSD线特征，计算线段LBD描述子并进行线匹配；

S5，计算特征点的信息熵并基于二值化互信息阈值进行KNM匹配。

2.如权利要求1所述的应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：所述步骤S1中提取两幅图片，对每一幅图片进行高斯内核卷积，通过梯次下降采样构建K层高斯金字塔，按照尺度因子计算每层分配需要提取特征数。其中高斯内核计算公式如下：

式中，参数σ为正态分布标准差，实验中取固定值1.6。

3.如权利要求1所述的应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：所述步骤S2中的图片在FAST角点检测过程中将图像中每个像素设置不同的阈值。其中像素阈值λ的计算方法如下：

式中，I_max为待测角点圆周亮度最大的像素点，I_min为亮度最低像素点亮度，I_a为除去最大亮度和最小亮度后剩余的像素点亮度均值，δ为调整因子。

角点亮度自适应阈值计算如下：

式中，I_p为待测角点的亮度，I_pn为第n个像素的亮度。通过检测待测特征点圆周上第1，5，9，13个像素点的亮度，当有3个像素同时属于dark或者bright类，则该像素点可能是角点，否则排除，连续有3个像素点为候选角点，检测3个像素包围环内剩余6个像素亮度，若剩余6个像素亮度均为dark或者bright类，则该点为正确的角点。然后使用灰度质心法来计算特征点的方向。首先在一块小的图像中定义图像块的矩为：

通过矩可以找到图像块的质心：

连接图像的几何中心得到方向向量特征点的方向计算如下：

θ＝arctan(m₀₁/m₁₀)

4.如权利要求1所述的应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：所述步骤S3中用BRIEF对特征点建立描述符包括以下步骤，首先对图像进行高斯滤波，以特征点P为中心取邻域为S×S的窗口，在窗口内随机取N对满足高斯分布的点，并对2×N的点做高斯平滑；比较N对像素点的灰度值大小当p_x＜p_y，τ＝1，否则τ＝0。其中p_x，p_y分别为随机点的像素值；最后把N个二进制码串组成一个N维向量，灰度计算方法如下：

5.如权利要求1所述的应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：所述步骤S4中，计算图像像素梯度和水平线的角度，然后对图像梯度进行排序，利用区域增长算法合并像素形成线段支持域。通过对离散线段支持域进行矩形估计，使矩形域成为线段提取候选线段。计算矩形的的中心和主方向，对矩形域像素进行合并获取候选线段和LBD描述子。

6.如权利要求1所述的应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法，其特征在于：所述步骤S5中，取在步骤S3和S4中计算得到的一对特征点、线的坐标信息，通过截取特征点的邻域计算特征点、线的互信息。设定互信息阈值θ，如果当前对特征点的阈值信息大于阈值θ，特征点保留，否则放入待匹配池，当特征点数量到达目标数量循环结束。如果数量不够，从匹配池里继续筛选大于阈值的匹配点，其中n通过实验选取最优值。特征点互信息计算方法如下：

I(A,B)＝H(A)+H(B)-H(A|B)

式中，H(A)，H(B)是图像A和B的信息熵，H(A，B)是联合熵。图像信息熵可以由灰度分布计算得到，计算方法如下：

H(A,B)＝-p(x,y)log(p(x,y))

式中，x表示图像的灰度值x∈(0，1，2…255)，p(x)表示在灰度信息中灰度值为x的概率。在KNM匹配过程中选取K个互信息最相近的点，如果K个点之间的互信息值均值足够大，选取其中互信息最大的点做匹配点。