基于八邊形濾波器組的快速圖像匹配算法
【專利摘要】本發(fā)明是一種新的特征匹配算法，涉及計算機視覺與數(shù)字圖像處理領(lǐng)域。該算法基于局部層疊的八邊形濾波器模型。該模型聯(lián)合一種新提出的特征點方向計算方法，使得該算法比傳統(tǒng)的SIFT,SURF,ORB等算法更加快速。基于標準數(shù)據(jù)集的實驗顯示改算法比SIFT特征描述子的運算速度快速100左右，而他們的匹配性能相當。
【專利說明】基于八邊形濾波器組的快速圖像匹配算法

【技術(shù)領(lǐng)域】
[0001 ] 數(shù)字圖像處理與計算機視覺。

【背景技術(shù)】
[0002]圖像匹配是計算機數(shù)字圖像處理以及計算機視覺的中最重要的一個環(huán)節(jié)。它被廣泛的應(yīng)用于3維重建、物體跟蹤、物體識別、圖像拼接等一系列的技術(shù)當中。目前最常用的圖像匹配時算法是SIFT、SURF, ORB等。其基本流程是先計算圖像中的特征點，然后對特征點基于周邊領(lǐng)域進行描述。它們具有一系列的優(yōu)點:比如對圖像噪聲不敏感，對旋轉(zhuǎn)不敏感，對縮放不敏感，對視角不敏感等等。而這些算法也具有一系列的缺點。比如:SIFT SURF計算速度太慢，而ORB等算法又依賴的機器學習，在應(yīng)用之前需要對各種場景做特別的訓練，以達到更好的匹配效果。我們提出基于八邊形濾波器組的快速圖像匹配算法，他具備上述算法的優(yōu)點，同時沒有它們的缺點。它是一種新的圖像匹配算法，具有魯棒性高，計算速度快，切不依賴于機器學習等優(yōu)點。


【發(fā)明內(nèi)容】

[0003]本算法分為3個主要部分，特征提取，特征描述，特征匹配。
[0004]特征檢測
我們提出通過計算一個八邊形區(qū)域和其周邊區(qū)域的亮度對比來檢測特征，也即是檢測出各不同大小的斑塊該濾波器可以使用斜積分圖像來實現(xiàn)；
依賴于上述積分圖像可以容易的計算八邊形濾波器組；
通過八邊形濾波器組對原始圖像進行濾波操作可以獲得如下兩個金字塔數(shù)據(jù)結(jié)構(gòu)；其中左邊金字塔用于特征描述，右邊金字塔用于特征檢測。通過計算右邊金字塔中的極值點以確定特征點的位置與尺度。
[0005]特征描述
特征描述依賴于圖像局部梯度位置與方向。通過特征點的位置與尺度，將其映射到上圖左邊金字塔中；
其中四個區(qū)域作為采樣區(qū)域，而每個區(qū)域包含有16個采樣點。在每個采樣點上計算梯度信息，并對信息進行編碼；每個梯度方向編碼為4個bit，因而，特征描述符長度為256bito
[0006]特征匹配
兩個特征描述符之間的漢明碼距離小于40的為一個正確匹配。
【權(quán)利要求】
1.基于八邊形濾波器組的特征檢測: 1)波器組的初始濾波器邊長為5，且第η個濾波器的邊長為:L=5*2(n/3_1/3)，尺度金字塔分4組每組6層； 2)邊緣點使用在原始圖像上計算自適應(yīng)尺度的Hessian矩陣進行濾除。
2.基于八邊形濾波器組的特征描述: 1)該特征描述依賴于4個八變形區(qū)域所計算的梯度，并對梯度方向進行編碼，其編碼方式依據(jù)該方向?qū)儆谝幌戮唧w的區(qū)間，其對應(yīng)關(guān)系為:(0~pi/4，0000),(pi/4?pi/2, 0001)，(pi/2~pi3/4,0011) , (pi3/4~pi, 0111) , (pi~pi5/4,1111),(pi5/4~pi3/2, 1000)，(pi3/2~pi7/4, 1100)，(pi7/4~2pi, 1110); 2)最后整個特征描述符由64梯度方向編碼而成，這些梯度在尺度金字塔的特征點位置從上而下由粗到精的采樣而計算，每個方向編碼為4bit，特征描述符共256bit。
【文檔編號】G06T7/00GK104463854SQ201410685818
【公開日】2015年3月25日 申請日期:2014年11月26日 優(yōu)先權(quán)日:2014年11月26日
【發(fā)明者】劉怡光, 徐振宇 申請人:四川大學