申请/专利权人：渤海大学

申请日：2023-08-17

公开（公告）日：2023-11-10

公开（公告）号：CN117036737A

主分类号：G06V10/46

分类号：G06V10/46;G06V10/56;G06V10/86

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明提供一种基于信息熵、GMS与LC显著检测的特征提取与匹配方法，涉及机器视觉技术领域。该方法首先针对两张待匹配图像，基于图像RGB三个通道的信息熵，得到像素级融合的灰度图像；并基于LC算法将灰度图像中冗余像素剔除；然后建立图像金字塔，采用FAST算法来检测灰度图像中的特征点；利用BRIEF算法来计算每一个特征点的描述子；并采用汉明距离暴力匹配进行特征匹配，将当前帧的描述子信息与前一帧图像缓存的描述子信息进行匹配；最后使用改进的GMS算法将错误匹配进行剔除，使用高斯核对GMS算法的统计结果加权，优化匹配结果，最终输出匹配结果。该方法提高了匹配正确率，得到了稳定的、高质量的特征点匹配。

主权项：1.一种基于信息熵、GMS与LC显著检测的特征提取与匹配方法，包括以下步骤：步骤1、对两张待匹配图像分别进行图像处理；步骤2、分别将每张图像的RGB三个通道所有像素点的像素值分别进行遍历统计，得到各像素值的数量；步骤3、计算每张图像RGB三个通道的信息熵，进而计算各个通道的权重，最终基于信息量的大小将RGB图像融合输出，得到像素级融合的灰度图像；步骤4、基于LC算法将灰度图像中冗余像素剔除；步骤5、建立图像金字塔，采用FAST算法来检测灰度图像中的特征点；步骤6、利用BRIEF算法来计算每一个特征点的描述子，然后对于每一个特征点，都得到了一个128的二进制编码；步骤7、采用汉明距离暴力匹配进行特征匹配，将当前帧的描述子信息与前一帧图像缓存的描述子信息进行匹配；步骤8、使用改进的GMS算法将错误匹配进行剔除，使用高斯核对GMS算法的统计结果加权，优化匹配结果，最终输出匹配结果。

全文数据：

权利要求：

百度查询： 渤海大学 基于信息熵、GMS与LC显著检测的特征提取与匹配方法

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