[发明专利]基于FAST-SURF的移动端实时特征检测匹配方法

摘要

本发明提供一种基于FAST‑SURF的移动端实时特征检测匹配方法，包括以下步骤：步骤一，对采集的图片建立特征库：对图片上的特征点建立KD‑tree，形成特征库数据；步骤二，读入图像，并将图像转换成灰度图，计算灰度图上每个点的灰度值；步骤三，采用改进的FAST算法检测特征点；步骤四，采用简化的SURF算法对特征点建立描述符；步骤五，将描述符与特征库中的特征点进行匹配。该方法采用改进的FAST算法检测特征点，再采用简化的SURF算法计算特征点的方向，并建立特征描述符，然后将建立好的特征点描述符与数据库中的特征描述符进行匹配，处理图像花费时间短，在移动端能实时处理自然特征检测与匹配。

主权项

1.一种基于FAST‑SURF的移动端实时特征检测匹配方法，其特征在于，包括以下步骤：步骤一，对采集的图片建立特征库：对图片上的特征点建立KD‑tree，形成特征库数据；步骤二，读入图像，并将图像转换成灰度图，计算灰度图上每个点的灰度值；步骤三，采用改进的FAST算法检测特征点，具体步骤如下：以待测点P为圆心，选取半径为3的圆，将圆周上的16个像素点分别用1、2、... 、15、16进行标记；设待测点P的灰度值为I_p、圆上每个像素点的灰度值为I_x、灰度阈值为t、圆周上连续N个像素点组成的集合为S，其中x＝1、2、... 、15、16，N＝9；若圆周上任意一个像素点x满足条件：I_x＞I_P+t或者I_x＜I_P‑t，则以待测点P为对称中心，将圆内的点分成对称的点对d_i‑d_i’，若点对d_i‑d_i’满足条件|I_p‑d_i|＜t，|I_p‑d_i’|＜t，则待测点P为角点，即特征点，否则不是；若圆周上任意一个像素点x不满足条件：I_x＞I_P+t或者I_x＜I_P‑t，则选取下一个待测点；步骤四，采用简化的SURF算法对特征点建立描述符，具体为：一，计算特征点的方向，以特征点为圆心，半径为3的圆计算特征点的方向，具体为，1.以特征点为圆心，选取半径为3的圆形区域，将圆心角为的扇形绕圆心旋转，每次旋转15°，得到24个扇形区域；2.采用边长为2的滤波器，计算每个扇形区域内的每个点在x轴方向的Haar小波响应和y轴方向的Haar小波响应，并以特征点为中心的二阶高斯函数值对x轴方向的Haar小波响应和y轴方向的Haar小波响应分别进行加权，加权后的x轴方向的Haar小波响应和y轴方向的Haar小波响应分别作为扇形区域内的点在扇形区域内沿横坐标x轴方向的水平响应和沿纵坐标y轴方向的垂直响应；3.将每个扇形区域内所有点的水平响应和垂直响应分别相加，得到一个局部向量，在24个扇形区域中，长度最长的局部向量作为特征点的方向，记特征点的方向角为θ；二，建立描述符，以特征点为中心，选取9×9的区域，并分成9个3×3的子域，每个子域计算得到4个数据，产生一个36维的向量作为特征点的描述符，具体为，1.以特征点为中心，选取9×9的区域，并分成9个3×3的子域；2.采用边长为2的滤波器，分别计算每个子域的水平方向Haar小波响应h^x_i,j和垂直方向Haar小波响应h^y_i,j，其中i＝1,2,、、、,4，j＝1,2,、、、,9，并以特征点为中心的二阶高斯函数值分别对水平方向Haar小波响应h^x_i,j和垂直方向Haar小波响应h^y_i,j进行加权，得到加权后的水平方向Haar小波响应h^X_i,j和垂直方向Haar小波响应h^Y_i,j，分别对水平方向Haar小波响应h^x_i,j和垂直方向Haar小波响应h^y_i,j进行旋转变换，得到在特征点方向上的分量旋转变换公式分别为其中w为以特征点为中心的二阶高斯权值，θ为特征点的方向角；3.对于每个子域，分别计算出则每个子域就产生一个4维描述向量将9个子域产生的描述向量连接起来，得到长度为36的描述向量，即36维的描述符；步骤五，将描述符与特征库中的特征点进行匹配。