基于图像全局特征及SURF算法的Visual Map快速匹配方法组成比例

基于图像全局特征及SURF算法的Visual Map快速匹配方法，本发明专利技术涉及SURF算法的Visual Map快速匹配方法。本发明专利技术是为了解决现有技术中基于图像的室内定位方法中图像匹配过程运算量大及消耗时间长的问题。通过以下技术方案实现的：步骤一、在Visual Map数据库建立过程中，获取每个图像的全局特征描述子；步骤二、得到每个图像的SURF特征点；步骤三、对用户输入图像，获取用户输入图像的全局特征描述子gist0和用户输入图像的SURF特征点；步骤四、将gist0与Visual Map数据库建立过程中获取每个图像的全局特征描述子进行比较，完成图像匹配。本发明专利技术应用于室内定位导航领域。

【技术实现步骤摘要】
基于图像全局特征及SURF算法的VisualMap快速匹配方法
本专利技术涉及SURF算法的VisualMap快速匹配方法。
技术介绍
随着智能手机的普及，定位及导航服务越来越受到人们的重视。现如今利用卫星定位的方法只解决了室外定位的问题，对室内环境下的定位效果则很不理想。近年来基于Wi-Fi的室内定位方法由于其实现简便而得到了比较广泛的应用，但目前的研究成果表明，其定位精度受室内人群疏密、墙壁遮挡与基础设施部署等因素的影响较大。综合定位精度与系统成本等因素考虑，视觉定位技术逐渐成为室内定位研究的另一个热点，并逐渐得到更多的关注。关于视觉定位方法的研究始于机器人定位领域，近年来，随着带有摄像头的智能手机的发展，基于图像的室内定位方法因其所需设备的简单易得而得到广泛的关注。基于图像的室内定位方法首先建立离线端的VisualMap，之后通过将用户所在位置的图像与VisualMap进行匹配，来找到数据库中与用户输入图像相匹配的若干图像，由此可以计算出移动设备的位置从而进行定位。通常该定位系统分为两步：建立VisualMap数据库的离线阶段，以及在线的图像匹配与定位阶段。VisualMap数据库是由采集的图像、图像所对应的地理位置信息、每个图像的全局特征描述子以及由SURF算法提取的图像特征点组成。在线阶段分为获得匹配的图像与位置计算两部分，图像匹配过程是后期进行定位过程的基础。由于定位空间的尺寸可能较大，因此离线阶段建立的VisualMap中图像的数目也可能较多，而在图像匹配过程中需要对数据库中全部图像进行遍历，直接将用户输入的图像与VisualMap中全部图像的特征点进行逐个比较，由于在基于图像的室内定位方法中图像匹配速度会受到VisualMap数据库中图像的数目、尺寸因素的影响，导致基于图像的室内定位方法中图像匹配过程运算量大，及消耗时间长。
技术实现思路
本专利技术是为了解决现有技术中基于图像的室内定位方法中图像匹配过程运算量大及消耗时间长的问题，而提出了基于图像全局特征及SURF算法的VisualMap快速匹配方法。上述的专利技术目的是通过以下技术方案实现的：步骤一、在VisualMap数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子；步骤二、采用64点SURF算法对步骤一所述的数据库中的每个图像进行特征点提取，得到每个图像的SURF特征点；SURF算法为加速鲁棒特征算法，全拼为SpeededupRobustFeatures；步骤三、对用户输入图像，采用步骤一和步骤二的方法，获取用户输入图像的全局特征描述子gist0和用户输入图像的SURF特征点；步骤四、将获取用户输入图像的全局特征描述子gist0与VisualMap数据库建立过程中获取每个图像的全局特征描述子进行比较，将相似度达到75％以上的图像提取出来进行SURF特征点的匹配，从提取出来的图像中获得用户输入图像特征点与VisualMap数据库中图像特征点一一对应的图像，从而完成图像匹配。专利技术效果本专利技术采用基于图像全局特征及SURF算法的VisualMap快速匹配方法，方法流程如图1所示。该方法首先是在离线阶段建立VisualMap时，采用图2中的方法来获取采集的每个图像的全局特征描述子，而后通过SURF算法提取得到每个图像的特征点。在对用户图像与VisualMap进行匹配时，先通过图像的全局特征比较图像的相似度，由此得到粗匹配的结果，之后将粗匹配获得的图像提取出来再对图像特征点进行比较，获得精确的匹配结果，使基于图像的室内定位方法中的图像匹配速度受到VisualMap数据库中图像的数目、尺寸因素的影响尽可能地小，减少了基于图像的室内定位方法中图像匹配过程的运算量，从而解决了基于图像的室内定位方法中图像匹配过程消耗时间长的问题，使基于图像的室内定位方法中图像匹配过程所消耗的时间减少了70％以上。附图说明图1为基于图像全局特征及SURF算法的VisualMap快速匹配方法的流程图；图2为计算图像的全局特征描述子的算法流程示意图；图3为利用Gabor滤波器对图像进行滤波的方法流程示意图，表示相乘运算。具体实施方式具体实施方式一：结合图1说明本实施方式，基于图像全局特征及SURF算法的VisualMap快速匹配方法具体是按照以下步骤进行的：步骤一、在VisualMap数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子，如图2；步骤二、采用64点SURF算法对步骤一所述的数据库中的每个图像进行特征点提取，得到每个图像的SURF特征点；SURF算法为加速鲁棒特征算法，全拼为SpeededupRobustFeatures；步骤三、对用户输入图像，采用步骤一和步骤二的方法，获取用户输入图像的全局特征描述子gist0和用户输入图像的SURF特征点；步骤四、将获取用户输入图像的全局特征描述子gist0与VisualMap数据库建立过程中获取每个图像的全局特征描述子进行比较，将相似度达到75％以上的图像提取出来进行SURF特征点的匹配，从提取出来的图像中获得用户输入图像特征点与VisualMap数据库中图像特征点一一对应的图像，从而完成图像匹配。具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤一中在VisualMap数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子；具体过程为：步骤一一、当原始图像是正方形时，则执行步骤一二；其中，所述原始图像为直接采集的图像或从拍摄的视频中截取的图像；当原始图像不是正方形时，从原始图像长边中点向两侧截取等于图像短边像素数的部分，保留一个正方形的图像，舍弃其余部分，再执行步骤一二；步骤一二、将图像大小按比例缩放至256*256像素，并转换成灰度图；步骤一三、利用Gabor滤波器对灰度图进行滤波，得到滤波后的灰度图的图像，如图3；步骤一四、将滤波后的灰度图的图像按4*4的网格分为16块，每块大小为64*64像素，对像素的灰度值采用4个尺度进行划分，灰度值取值范围为0～255，4个尺度范围分别为0～63、64～127、128～191和192～255，每个图像块中，分别沿8个不同方向统计灰度值落在4个尺度范围内的像素数目，采用一个行向量来表示统计结果，行向量即为每个图像的全局特征描述子gist；由于，图像块数目为4*4＝16，每个图像块中采用了4个尺度划分，各尺度对应方向数均为8，因此gist为一个(4*4)*(8*4)＝512维的行向量。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤四中将获取用户输入图像的全局特征描述子gist0与VisualMap数据库建立过程中获取每个图像的全局特征描述子进行比较，将相似度达到75％以上的图像提取出来进行SURF特征点的匹配，从提取出来的图像中获得用户输入图像特征点与VisualMap数据库中图像特征点一一对应的图像，从而完成图像匹配；具体过程为：步骤四一、逐一计算用户输入图像的全局特征描述子gist0与Visual本文档来自技高网...

【技术保护点】
基于图像全局特征及SURF算法的Visual Map快速匹配方法，其特征在于，基于图像全局特征及SURF算法的Visual Map快速匹配方法具体是按照以下步骤进行的：步骤一、在Visual Map数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子；步骤二、采用64点SURF算法对步骤一所述的数据库中的每个图像进行特征点提取，得到每个图像的SURF特征点；步骤三、对用户输入图像，采用步骤一和步骤二的方法，获取用户输入图像的全局特征描述子gist0和用户输入图像的SURF特征点；步骤四、将获取用户输入图像的全局特征描述子gist0与Visual Map数据库建立过程中获取每个图像的全局特征描述子进行比较，将相似度达到75％以上的图像提取出来进行SURF特征点的匹配，从提取出来的图像中获得用户输入图像特征点与Visual Map数据库中图像特征点一一对应的图像，从而完成图像匹配。

【技术特征摘要】
1.基于图像全局特征及SURF算法的VisualMap快速匹配方法，其特征在于，基于图像全局特征及SURF算法的VisualMap快速匹配方法具体是按照以下步骤进行的：步骤一、在VisualMap数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子；步骤二、采用64点SURF算法对步骤一所述的数据库中的每个图像进行特征点提取，得到每个图像的SURF特征点；步骤三、对用户输入图像，采用步骤一和步骤二的方法，获取用户输入图像的全局特征描述子gist0和用户输入图像的SURF特征点；步骤四、将获取用户输入图像的全局特征描述子gist0与VisualMap数据库建立过程中获取每个图像的全局特征描述子进行比较，将相似度达到75％以上的图像提取出来进行SURF特征点的匹配，从提取出来的图像中获得用户输入图像特征点与VisualMap数据库中图像特征点一一对应的图像，从而完成图像匹配；具体过程为：步骤四一、逐一计算用户输入图像的全局特征描述子gist0与VisualMap数据库中全部N个图像中I1,…,IN的全局特征描述子gist1,…,gistn之间的汉明距离，作为图像的相似度，如下式所示，simn＝∑(gist0-gistn)2(n＝1,2,…,N)式中，simn为第n对图像的相似度；N为正整数；gist0为用户输入图像中获得每个采集到的图像的全局特征描述子；gist1为VisualMap数据库中全部N个图像中第I1个图像的全局特征描述子；gistn为VisualMap数据库中全部N个图像中第IN个图像的全局特征描述子；I1为VisualMap数据库中全部N个图像中第1个图像；IN为VisualMap数据库中全部N个图像中第N个图像；汉明距离越小，即simn的值越小，两个图像的相似度越高；步骤四二、将步骤四一中得到的图像相似度达到75％以上的图像由小到大进行排序，将排在前M位的图像提取出来，作为基于图像全局特征进行粗匹配的图像，M取值范围为1≤M＜N的任意整数；步骤四三：从基于图像全局特征进行粗匹配的图像中通过64点的SURF算法获得用户输入图像特征点与VisualMap数据库中图像特征点一一对应的图像，从而完成图像匹配。2.根据权利要求1所述基于图像全局特征及SURF算法的VisualMap快速匹配方法，其特征在于，所述步骤一中在VisualMap数据库建立过程中，将直接采集的图像或从拍摄的视频中截取的图像作为数据库，对于数据库中的每个图像，获取每个图像的全局特征描述子；具体过程为：步骤一一、当原始图像是正方形时，则执行步骤一二；其中，所述原始图像为直接采集的图像或从拍摄的视频中截取的图像；当原始图像不是正方形时，从原始图像长边中点向两侧截取等于图像短边像素数的部分，保留一个正方形的图像，舍弃其余部分，再执行步骤一二；步骤一二、将图像大小按比例缩放至256*256像素，并转换成灰度图；步骤一三、利用Gabor滤波器对灰度图进行滤波，得到滤波后的灰度图；步骤一四、将滤波后的灰度图的图像按4*4的网格分为16块，每块大小为64*6...

【专利技术属性】
技术研发人员：马琳，张轶丞，谭学治，何晨光，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23