[发明专利]增强图像特征二值描述子性能的方法

摘要

本发明提供了一种增强图像特征二值描述子性能的方法，首先确定特征点方向，为特征点设定一个可重复再现的方向；接着基于优化设计的采样模式构建特征的二值描述子，从采样点密度和高斯平滑范围重叠度方面优化设计采样模式，基于该采样模式选择位方差高，且位与位之间不关联的位串，这样有效地描述图像局部特征的独特性。本发明除具有速度快的特点外，还增强了图像在各种变化条件下的鲁棒性，能够实现高质量高速度的特征匹配。

主权项

一种增强图像特征二值描述子性能的方法，其特征在于包括下述步骤： 1）.确定特征点方向方法，步骤如下： 步骤1.1：对图像p采用SURF方法检测出特征点的位置和图像p的尺度s； 步骤1.2：在以特征点为中心、6s为半径的区域内对所有像素点进行高斯平滑去噪声处理； 步骤1.3：在所述区域内计算出沿图像p方向上的两个矩m_x，m_y， 其中I(x,y)表示图像上坐标为(x,y)处的灰度值；步骤1.4：构造一个从特征点到灰度重心的向量，如果重心与特征点的距离大于6s的5％，特征点的方向θ＝arctan2(m_y,m_x)，如果重心与特征点的距离小于6s的5％，采用最大梯度法确定特征点的方向； 2）.采样模式设计，步骤如下： 步骤2.1：采用均匀对称圆形采样模式作为初始模式，采样模式方向为对应特征点的方向； 步骤2.2：调整采样模式上同心圆之间的距离和采样点个数，使采样点密度处于75％到80％之间； 步骤2.3：在一个采样模式里，调整每个采样点的分布，使得平滑范围重叠度处于18％到20％之间； 3）.二值描述子生成，步骤如下： 步骤3.1：选择n双采样点(X_i,Y_i)组成集合S，N＜n≤351，1＜i＜n，N为描述子的期望维数，X_i、Y_i分别为第i对的两个像素点，S是一个2×n的矩阵，步骤3.2：每次测试结果依次组合在一起就构成了一个位串，由特征点方向θ得到旋转后的集合步骤3.3：对旋转后的采样点对集合进行测试，得到的描述子 其中I(X)是像素点X处的灰度值，I(Y)是像素点Y处的灰度值，得到的是一个包含n个位的位串；步骤3.4：继续增加测试，测试得到500个位串，每个位串有n个位； 步骤3.5：创建一个500行的矩阵，每一行对应一个n个位的位串； 步骤3.6：计算每列的平均值； 步骤3.7：对每一列按照方差由大到小排序，平均值为0.5的列为目标队列集合，也称为最早目标队列集合，均值非0.5的列为剩余队列集合； 步骤3.8：最早目标队列集合中方差最小的队列与剩余队列集合中按方差由大到小顺序选择的队列依次进行关联性计算，完成所有剩余队列的计算，得到关联性最低值和次最低值对应的两个剩余队列；若关联性最低值比关联性次最低值的比值小于50％，则将关联性最低值对应的队列加入到目标队列集合中构成新的目标队列集合，同时从剩余队列集合中剔除该队列；否则不加入到目标队列，再从最早目标队列集合中按方差由小到大的顺序选择对应的队列进行类似操作，直到新目标队列集合大小为N就终止，这就是所要得到的描述子，该描述子的维数为N；如果计算完所有最早目标队列后，最新目标队列集合大小还没有达到N，则首先选择最早加入到目标队列集合的队列与剩余队列依次进行关联性计算，选择关联性最低值小于次最低值50％的队列加入到目标队列中，同时从剩余队列中剔除；否则不加入到目标队列，再从次最早加入到目标队列集合的队列与剩余队列依次进行关联性计算。