[发明专利]一种基于阶阵列的BRIEF特征描述子

摘要

本发明在BRIEF特征描述子的基础上，选择多个特征点，并引入阶排列方法，提出一种改进的特征描述子OPoBRIEF。相对于传统的特征描述子，OPoBRIEF能够包含更多的局部特征信息，并且计算复杂性较低。通过特征描述子稳定性实验，表明OPoBRIEF比BRRIEF特征描述子具有更高的匹配正确率和更好的稳定性。而特征描述子旋转不变性的实验则表明，在旋转角度为10‑12°区间中，OPoBRIEF与SIFT效果相当，但明显优于ORB算法。

主权项

一种基于阶阵列的BRIEF特征描述子，其特征在于，定义一个经过高斯平滑后的图像块P，图像块的大小为S×S，随机在块中采样一对像素点进行比较，比较结果由下式决定。τ(p:x,y)=1ifI(p,x)<I(p,y)0otherwise---(1)]]>式(1)中，I(p,x)代表了第p个图像块中的像素点x＝(u,v)T的灰度值，I(p,y)则代表了第p个图像块中的像素点y＝(uy,vy)的灰度值通过对局部图像块进行多次采样形成一个采样组，组内采样点数为n(n>2)，进而引入采样点的阶排列的概念，提出OPoBRIEF描述子；首先对式(1)进行扩展，给定从基准图和测试图中提取特征关键点的集合为χ，且采样图像的分块区域都经过平滑处理，降低图像灰度值的噪声影响后，获得描述子；通过计算不同集合下采样组的相似关系来进行特征匹配，每组采样点中组内采样点的二值测试序列可以描述为f(x)={τ(L;{I(x(j,l))}l=1l=ns)∈Rd}j=1j=nd---(3)]]>其中，x∈χ,代表在经过平滑处理后的图像分块p上获得的采样组；ns代表采样组内用于进行二值测试的采样点的个数；nd代表了形成的二值序列的维度；代表了组内每对采样点的对比对；I(x)代表了采样点x的灰度像素值；Calonder所介绍的二值序列BRIEF特征描述子是ns＝2时的情况，即式(1)替换表示为τ(L;I(x(j,1)),I(x(j,2)))=1:I(x(j,1))<I(x(j,2))0:I(x(j,1))≥I(x(j,2))---(4)]]>用来形成二值序列串的描述子式也可以扩展到nd维，表示为f(x)={τ(L;{I(x(j,l))}l=1l=ns)∈Rd}j=1j=nd=Σ1≤j≤nd2j-1τ(L;I(x(j,1)),I(x(j,2)))---(5)]]>在OPoBRIEF中，阶排列是用在有多个采样点的情况；通过计算得到的阶排列来替换BRIEF描述子中的二值测试序列，则OPoBRIEF描述子对每个特征点的维度变化为nd×ns。