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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD