一种基于自适应阈值算法的ORB图像特征提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830335A(43)申请公布日2023.03.21(21)申请号202211311669.3(22)申请日2022.10.25(71)申请人南京喂啊游通信科技有限公司地址210033江苏省南京市栖霞区西岗办事处摄山星城天佐路1号139室(72)发明人王可东(74)专利代理机构北京科迪生专利代理有限责任公司11251专利代理师安丽(51)Int.Cl.G06V10/44(2022.01)G06V10/75(2022.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于自适应阈值算法的ORB图像特征提取方法(57)摘要本发明涉及一种基于自适应阈值算法的ORB图像特征提取方法，构建具有8层图像的金字塔；在每一层图像中进行阈值的计算；对于图像中的每个像素，在判断其是否为关键点之前，均进行阈值计算，如果差异较大，则对当前像素进行阈值计算，否则，就沿用上一个像素的阈值；将得到的阈值用于FAST关键点检测中，最终检测出图像中关键点的位置；在检测出的关键点的位置周围选取像素区域，利用灰度质心法计算像素区域的质心位置和特征主方向，确定BRIEF点对的坐标系，并用BRIEF描述子描述FAST关键点，得到图像有向的FAST关键点和ORB特征的完整信息；ORB特征的完整信息用于图像匹配，实现在光照变化的情况下，对图像特征的稳定提取。CN115830335ACN115830335A权利要求书1/1页1.一种基于自适应阈值算法的ORB图像特征提取方法，其特征在于，实现步骤如下：(1)对于一幅图像进行缩放，构建具有8层图像的金字塔；在每一层图像中进行阈值计算，所述计算方法如下：选取图像中的待检测像素(x0,y0)作为中心像素，其像素值为Icenter，选取和中心像素一定像素距离的N个像素，对这N个像素进行像素值排序，选取像素值Ii排序为3至N‑2的像素参与阈值计算，阈值T计算公式如下：其中：T为计算的阈值；Icenter为中心像素的像素值；为周围像素的平均像素值；k为修正阈值的系数；i为像素值排序的序号；(2)对于图像中的每个像素，先判断当前像素的像素值和上一像素的像素值是否有较大差异，如果差异较大，则对当前像素进行阈值计算，否则，就沿用上一个像素的阈值；将得到的阈值用于加速细分测试特征FAST关键点检测中，最终检测出图像中关键点的位置；(3)在检测出的关键点的位置周围选取像素区域，利用灰度质心法计算像素区域的质心位置和特征主方向，确定二进制鲁棒独立基本特征BRIEF点对的坐标系，并用BRIEF描述子描述FAST关键点，得到图像有向的FAST关键点和旋转的BRIEF描述子ORB特征的完整信息；ORB特征的完整信息用于图像匹配，实现在光照变化的情况下，对图像特征的稳定提取。2.根据权利要求1所述的一种基于自适应阈值算法的ORB图像特征提取方法，其特征在于：所述步骤(1)中，所选取的像素个数N不小于9，修正阈值的系数k选取为3。3.根据权利要求1所述的一种基于自适应阈值算法的ORB图像特征提取方法，其特征在于：所述步骤(2)中，当前像素和上一像素的像素值差的绝对值大于20的时候，则判定存在较大差异。2CN115830335A说明书1/5页一种基于自适应阈值算法的ORB图像特征提取方法技术领域[0001]本发明涉及一种基于自适应阈值算法的ORB图像特征提取方法，应用于电子信息中的图像特征识别领域，实现在光照变化的情况下，实现对图像特征的稳定提取。背景技术[0002]在2011年，Rublee等人融合了FAST(FeaturesfromAcceleratedSegmentTest，加速细分测试特征)关键点检测方法和BRIEF(BinaryRobustIndependentElementaryFeatures，二进制鲁棒独立基本特征)特征描述子，提出ORB(OrientedFastandRotatedBRIEF，有向的FAST关键点和旋转的BRIEF描述子)算法([1]RubleeE,RabaudV,KonoligeK,etal.ORB:AnefficientalternativetoSIFTorSURF[C]//InternationalConferenceonComputerVision.IEEE,2011:2564‑2571.)。ORB特征点在保留了旋转不变性和尺度不变性的基础之上，还大幅减少了计算量，效率相较于之前的SIFT(Scale‑InvariantFeatureTransform，尺度不变性特征)([2]LoweDG.DistinctiveImageFeaturesfromScale‑InvariantKeypoints[J].InternationalJournalo