【技术实现步骤摘要】
数字图像处理与计算机视觉。
技术介绍
图像匹配是计算机数字图像处理以及计算机视觉的中最重要的一个环节。它被广泛的应用于3维重建、物体跟踪、物体识别、图像拼接等一系列的技术当中。目前最常用的图像匹配时算法是SIFT、SURF、ORB等。 其基本流程是先计算图像中的特征点，然后对特征点基于周边领域进行描述。它们具有一系列的优点：比如对图像噪声不敏感，对旋转不敏感，对缩放不敏感，对视角不敏感等等。而这些算法也具有一系列的缺点。比如：SIFT SURF 计算速度太慢，而ORB 等算法又依赖的机器学习，在应用之前需要对各种场景做特别的训练，以达到更好的匹配效果。我们提出基于八边形滤波器组的快速图像匹配算法，他具备上述算法的优点，同时没有它们的缺点。 它是一种新的图像匹配算法，具有鲁棒性高，计算速度快，切不依赖于机器学习等优点。
技术实现思路
本算法分为3个主要部分，特征提取，特征描述，特征匹配。特征检测我们提出通过计算一个八边形区域和其周边区域的亮度对比来检测特征，也即是检测出各不同大小的斑块该滤波器可以使用斜积分图像来实现 ； 依赖于上述积分图像可以容易的计算八边形滤波器组；通过八边形滤波器组对原始图像进行滤波操作可以获得如下两个金字塔数据结构；其中左边金字塔用于特征描述，右边金字塔用于特征检测。通过计算右边金字塔中的极值点以确定特征点的位置与尺度。特征描述特征描述依赖于图像局部梯度位置与方向。通过特征点的位置与尺度，将其映射到上图左边...
【技术保护点】
基于八边形滤波器组的特征检测:1)波器组的初始滤波器边长为5，且第n个滤波器的边长为: L=5*2(n/3‑1/3)，尺度金字塔分4组每组6层；2)边缘点使用在原始图像上计算自适应尺度的Hessian矩阵进行滤除。
【技术特征摘要】
1.基于八边形滤波器组的特征检测:
1)波器组的初始滤波器边长为5，且第n个滤波器的边长为: L=5*2(n/3-1/3)，尺度金字塔分4组每组6层；
2)边缘点使用在原始图像上计算自适应尺度的Hessian矩阵进行滤除。
2.基于八边形滤波器组的特征描述:
1)该特征描述依赖于4个八变形区域所计算的梯度，并对梯度方向进行编码，其编码方式依据该方向属于一下具体的区间，其对应关系为：（0~pi/4,0000）, （p...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。