[发明专利]一种高鲁棒性的实时特征提取方法及系统

权利要求书

1.一种高鲁棒性的实时特征提取方法，其特征在于，包括以下步骤：

S1，特征点检测：利用特征检测方法检测图像中的特征点，然后利用Harris特征点评分方法对检测出的特征点进行二次筛选，得到特征点及其响应值；再通过非极大值抑制方法筛选确定最终特征点；其中，利用特征检测方法检测图像中的特征点时，利用图像特征点数目对特征点检测的阈值进行自适应调整；

S2，特征点描述：利用二项式滤波对原始图像进行滤波处理，然后利用经滤波处理后的图像数据及最终特征点生成描述符。

2.根据权利要求1所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S1包括以下步骤：

S11，FAST特征检测：对于图像上的任意像素点，如果该像素点周围邻域内存在设定数量的不相似像素点，则认为这个像素点是一个特征点；

S12，Harris特征点评分：利用Harris特征点评分方法对检测出的特征点进行二次筛选，得到特征点及其响应值；

S13，非极大值抑制：通过非极大值抑制方法筛选确定最终特征点。

3.根据权利要求2所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S11包括以下步骤：

S111，对于灰度图像上的任意一个像素p，测得其亮度值为Ip，同时设定阈值t；

S112，以p为圆心，K为半径做圆，得到圆周上M个像素的像素值；

S113，如果M个像素中，有个连续的不相似像素点，则认为这个像素点是特征点；其中，不相似像素点指亮度值超过阈值t或者均低于阈值t的像素点，K为整数且3≤K≤4，M为整数且16≤M≤20，表示向上取整运算。

4.根据权利要求3所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S12包括以下步骤：

S121，对于一个点，将滑动窗口向x方向和y方向两个方向移动时，对滑动窗口内像素变化量分别进行评估；其中，x方向沿图像水平方向设置，y方向沿图像竖直方向设置；

S122，寻找一个特征点响应函数R，使用响应函数R对该点的像素变化量进行评估；其中，响应函数R使用滑动窗口内的x方向和y方向上像素变化量进行计算，并且能够区分像素点属于边缘、特征点或非边缘非特征点三种情况。

5.根据权利要求4所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S13包括以下步骤：

S131，以特征点为中心选取一个固定大小的邻域，在邻域中找到响应值最大的点；

S132，若响应值最大的点是当前邻域中的极大值，则将其作为最终的特征点输出；否则将其丢弃掉，不作为特征点输出。

6.根据权利要求1至5任一项所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S2包括以下步骤：

S21，二项式滤波：对原始图像进行滤波处理；

S22，灰度质心计算：对所有最终特征点进行旋转估计，，计算特征点的灰度质心矩；

S23，特征点方向计算：利用特征点的灰度质心矩，计算特征点方向θ，为所有特征点赋予方向信息；

S24，描述符生成：利用特征点方向θ，先对特征点邻域的点对进行旋转，再在旋转后的点对上进行BRIEF描述符计算。

7.根据权利要求6所述的一种高鲁棒性的实时特征提取方法，其特征在于，步骤S22中，选择特征点p为圆心,取p点周围圆形邻域Q，通过邻域内每个点的像素值计算灰度质心矩，计算公式为：

其中，特征点p为坐标系原点，m₀₀为邻域内所有像素点的像素值总和，x为邻域内的像素点的x轴坐标，y为领域内的像素点的y轴坐标，I_x，y为像素点(x，y)的像素值，m₁₀为x方向的图像一阶矩，m₀₁为y方向的图像一阶矩，x_p为特征点p的x轴坐标，y_p为特征点p的y轴坐标。