申请/专利权人:东南大学
申请日:2019-11-19
公开(公告)日:2023-04-07
公开(公告)号:CN110991501B
主分类号:G06V10/75
分类号:G06V10/75
优先权:
专利状态码:有效-授权
法律状态:2023.04.07#授权;2020.05.05#实质审查的生效;2020.04.10#公开
摘要:本发明公开了一种基于Hessian矩阵的改进ORB特征点匹配方法,包括如下步骤:首先采用FAST算法对图像进行特征点初步提取,并对其进行非极大值抑制处理。然后采用SURF特征点提取中用到的Hessian矩阵对特征点进行优化提取,具体过程分为:对图像进行高斯滤波;分别计算每个初步提取特征点的Hessian矩阵判别式,若满足判别式取得局部最大值则保留;将该特征点的Hessian矩阵判别式与领域内的点Hessian矩阵判别式差值之和与设定的阈值进行比较,若大于设定阈值,则保留为最终的特征点,并通过灰度质心法确定特征点的方向。再通过改进BRIEF算法得到特征点的二进制特征描述符。最后根据汉明距离匹配来实现特征匹配。本发明能够寻找出更稳定的特征点,也一定程度提升了ORB算法的匹配精度。
主权项:1.一种基于Hessian矩阵的改进ORB特征点匹配方法,其特征在于:该方法包括如下步骤:S1:输入待配准图像和参考图像,采用FAST特征点判别方法对图像进行特征点粗提取,然后对提取到的特征点进行非极大值抑制处理,去除局部较密集的特征点;S2:对选取的特征点进行特征点选取,首先对图像进行高斯滤波,然后利用Hessian判别式判断该特征点处的响应是否为局部最大值,若是,则进入下一步判断,若否,则舍弃该特征点,再判断该特征点的Hessian矩阵判别式与相邻领域内的点的差值是否大于所设定的阈值,若是,则保留该特征点,若否,则舍弃该特征点,最后利用灰度质心法确定剩余特征点的特征方向;S3:计算特征点的特征描述符,通过rBRIEF算法计算特征点的二进制特征描述符;S4:根据待配准图像和参考图像得到的特征描述符,利用汉明距离进行特征匹配。
全文数据:
权利要求:
百度查询: 东南大学 一种基于Hessian矩阵的改进ORB特征点匹配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。