基于SURF特征对巡检图与基准图的配准方法技术

本发明专利技术涉及一种基于SURF特征对巡检图与基准图的配准方法，包括：对目标区域进行巡检图和基准图的采集；使用SURF算法以分别对图像中的特征进行提取；将特征提取后的特征点分别进行欧氏距离排序，计算巡检图与基准图所有SURF特征点之间的欧氏距离，找出最小距离值；将特征提取后的巡检图与基准图并行排列，在配准线平均值附近进行配准点对的第二次筛选；对筛选出的匹配点对，计算仿射变换矩阵，并利用该矩阵完成巡检图与基准图的配准。本发明专利技术通过使用SURF特征对巡检图与基准图进行配准，SURF算子具有尺度、旋转不变性，而且对于图像噪声、光线变化、仿射变形等有很强的鲁棒性，所以针对巡检图与基准图中相同的物体，能够进行准确的特征描述子提取。

Registration Method of Patrol Map and Baseline Map Based on SURF Features

【技术实现步骤摘要】
基于SURF特征对巡检图与基准图的配准方法
本专利技术涉及图像识别及配准
，尤其涉及一种基于SURF特征对巡检图与基准图的配准方法。
技术介绍
随着计算机技术的快速发展，目标识别技术已经迅速的发展成为一种非常重要的工具和手段，其应用范围也越来越广。然而由于螺母手轮等相关零部件目标受到环境、拍摄角度及自身情况影响，通常难以用解析式表达，使得对其识别成为一项非常艰巨的任务。到目前为止，研究者针对螺母手轮相关零部件目标识别，主要是针对理想情况下，正面拍摄的螺母手轮相关零部件进行识别，主要应用的方法为圆形Hough变换检测螺母手轮相关零部件内圆，颜色分割出零部件位置。对于真正的无人机巡检空对地拍摄的大型机械上的螺母手轮相关零部件的识别，却少之又少，而且零部件缺失相关的判断也很少。中国专利公开号：CN103635169A公开了一种缺陷检测系统，包括：图像处理单元、缺陷检测单元以及图像显示单元，其中，该图像处理单元被构造成获取吸收性物品的形态图像，该吸收性物品的形态图像示出了在多个步骤的每一步骤中的吸收性物品加工后的形态，该缺陷检测单元被构造成基于由图像处理单元获取的形态图像而检测加工后的吸收性物品是否存在缺陷部位，该图像显示单元被构造成当由缺陷检测单元检测出吸收性物品的缺陷部位时显示加工后的吸收性物品的图像。由此可见，所述检测系统存在以下问题：第一，所述检测系统只应用于流水线，通过固定产品的位置，检测零部件质量是否符合规定，无法在户外做到准确的检测；第二，所述检测系统仅使用相机对摆放位置固定的零件进行图像采集，当产品摆放不齐或产品位置发生变化时，无法将实际采集的图像与基准图像进行配准，检测效果不理想；第三，所述检测方法无法对图像的边缘进行处理，导致其无法对零件的形状进行精准判断；第四，所述检测系统在针对缺陷进行检测时，仅通过形态图像的对比来判定零件是否出现缺陷或丢失，检测结果不精准。
技术实现思路
为此，本专利技术提供一种基于SURF特征对巡检图与基准图的配准方法，用以克服现有技术中由于无法配准导致检测精度低的问题。为实现上述目的，本专利技术提供一种基于SURF特征对巡检图与基准图的配准方法,包括：步骤A：在巡检时使用无人机对目标区域进行巡检图和基准图的采集；步骤B：通过使用SURF算法以分别对巡检图和基准图中的特征进行精准提取；步骤C：将特征提取后的巡检图和基准图中的特征点分别进行欧氏距离排序，用欧氏距离法作为相似性度量，计算巡检图与基准图所有SURF特征点之间的欧氏距离，找出最小距离值；步骤D：将特征提取后的巡检图与基准图并行排列，根据特征点欧氏距离的得出的匹配点对，进行配准线距离的度量，在配准线平均值附近进行配准点对的第二次筛选；步骤E：对最终筛选出的匹配点对，根据其各自在图像中的位置，计算仿射变换矩阵，并利用该矩阵完成巡检图与基准图的配准。进一步地，所述步骤A中的巡检图与基准图采用同一摄像头拍摄，以保证采集到的图像保持相同的格式和大小。进一步地，所述步骤B中SURF算法对巡检图和基准图进行特征提取的方法包括：步骤B1：构建Hessian矩阵，生成巡检图和基准图中所有的兴趣点，以对图像中稳定的边缘点特征进行提取；步骤B2：构建尺度空间，使用滤波器处理影像并利用高斯差侦测影像中尺度不变的特征点，所述尺度空间由N组L层组成，且各组间图像的尺寸一致。步骤B3：对图像中的特征点进行定位，将经所述Hessian矩阵处理后的各像素点与二维图像空间和尺度空间邻域内的26个点进行比较，以初步定位出关键点，再经过滤除能量较弱的关键点以及错误定位的关键点，以筛选出最终的稳定特征点；步骤B4：通过统计特征点圆形邻域内的haar小波特征以对特征点的主方向进行分配，在特征点的圆形邻域内，统计60°扇形内所有点的水平、垂直haar小波特征总和，求和后，旋转扇形并对旋转后扇形区域内haar小波特征值进行统计，统计后再次旋转扇形并重新统计直至全部扇形内的haar小波特征值统计完成，统计完成后将haar小波特征总和值最大的扇形方向作为该特征点的主方向；步骤B5：生成特征点描述子量值，在特征点周围取44个矩形区域，且取得矩形区域的方向为沿所述特征点的主方向；各子区域统计25个像素相对主方向的水平方向和垂直方向的haar小波特征；步骤B6：对特征点进行匹配，通过计算两特征点之间的欧式距离以确定匹配度，欧氏距离越短，则两个特征点的匹配度越好。进一步地，所述步骤B1中使用Hessian矩阵侦测特征点，使用尺度σ的行列式值对特征点进行侦测以达到尺度上的不变，所述在尺度σ的Hessian矩阵如式(1)所示：其中H(p,σ)为Hessian矩阵，σ为所述Hessian矩阵的尺度，p为给定图形中的一点且p＝(x,y)，其中矩阵内Lxy(p,σ)等函数为二阶微分后的灰阶图像。进一步地，所述步骤B2中使用了方型滤波器取代高斯滤波器，以达到高斯糢糊的近似，其滤波器如式(2)所示：通过选用9×9作为方型滤波器的最底尺度，以使其滤波效果近似于σ＝1.2的高斯滤波器。进一步地，所述步骤B3中对图像特征点进行定位的方法包括：通过方型滤波器大小以决定影像的尺度，其中最底层的尺度，即初始尺度的方型滤波器大小为9×9，上层的滤波器尺度大于下层的滤波器尺度，且尺度的转换公式为:其中σapprox为指定层数的滤波器尺度，Currentfiltersize为电流滤波器尺寸，BaseFilterscale为基本滤波器规模，BaseFiltersize为基本滤波器尺寸；所述步骤B3还使用特征点Hessian矩阵的行列式值作为邻近资料插补以定位特征点。进一步地，所述步骤B5中haar小波特征为水平方向值、垂直方向值、水平方向绝对值以及垂直方向绝对值4个方向之和。进一步地，所述步骤B6中还加入了Hessian矩阵迹的判断，如果两个特征点的矩阵迹正负号相同，则所述两特征具有相同方向上的对比度变化，如果不同，则所述两特征点的对比度变化方向是相反的，并予以排除。进一步地，所述步骤D中配准线距离的度量方法选择欧氏距离法。与现有技术相比，本专利技术的有益效果在于，本专利技术通过使用SURF特征对巡检图与基准图进行配准，SURF算子具有尺度、旋转不变性，而且对于图像噪声、光线变化、仿射变形等有很强的鲁棒性，所以针对巡检图与基准图中相同的物体，能够进行准确的特征描述子提取。尤其，本专利技术采用的SURF特征中通过建立积分图像以构造近似Hessian矩阵以及构造尺度空间，能够对图像中的特征点进行精确定位。尤其，所述巡检图与基准图采用同一摄像头进行采集，这样，通过使用相同格式及大小的图片以提高在对其进行配准时的配准精度。尤其，在构建尺度空间时，使用了方形滤波器，通过使用方形滤波器，仅需计算位于滤波器方型的四个角落値即可，计算步骤简便，同时，使用方型滤波器可利用积分图大幅提高运算速度，提高了本专利技术所述方法的配准效率。尤其，本专利技术在对图像进行配准时采用欧式距离法对特征点进行排序，通过使用欧氏距离法作为相似性度量，能够简单快速的对特征点进行配准。尤其，在特征点配准后，同样使用欧氏距离法对匹配点对进行度量，这样，能够对匹配点对进行筛选，进一步提高了所述方法的配准效率尤其，本专利技术所述方法还包括仿射矩阵计算，通过对筛选出的匹本文档来自技高网...

【技术保护点】
1.一种基于SURF特征对巡检图与基准图的配准方法,其特征在于，包括：步骤A：在巡检时使用无人机对目标区域进行巡检图和基准图的采集；步骤B：通过使用SURF算法以分别对巡检图和基准图中的特征进行精准提取；步骤C：将特征提取后的巡检图和基准图中的特征点分别进行欧氏距离排序，用欧氏距离法作为相似性度量，计算巡检图与基准图所有SURF特征点之间的欧氏距离，找出最小距离值；步骤D：将特征提取后的巡检图与基准图并行排列，根据特征点欧氏距离的得出的匹配点对，进行配准线距离的度量，在配准线平均值附近进行配准点对的第二次筛选；步骤E：对最终筛选出的匹配点对，根据其各自在图像中的位置，计算仿射变换矩阵，并利用该矩阵完成巡检图与基准图的配准。

【技术特征摘要】
1.一种基于SURF特征对巡检图与基准图的配准方法,其特征在于，包括：步骤A：在巡检时使用无人机对目标区域进行巡检图和基准图的采集；步骤B：通过使用SURF算法以分别对巡检图和基准图中的特征进行精准提取；步骤C：将特征提取后的巡检图和基准图中的特征点分别进行欧氏距离排序，用欧氏距离法作为相似性度量，计算巡检图与基准图所有SURF特征点之间的欧氏距离，找出最小距离值；步骤D：将特征提取后的巡检图与基准图并行排列，根据特征点欧氏距离的得出的匹配点对，进行配准线距离的度量，在配准线平均值附近进行配准点对的第二次筛选；步骤E：对最终筛选出的匹配点对，根据其各自在图像中的位置，计算仿射变换矩阵，并利用该矩阵完成巡检图与基准图的配准。2.根据权利要求1所述的基于SURF特征对巡检图与基准图的配准方法，其特征在于，所述步骤A中的巡检图与基准图采用同一摄像头拍摄，以保证采集到的图像保持相同的格式和大小。3.根据权利要求1所述的基于SURF特征对巡检图与基准图的配准方法，其特征在于，所述步骤B中SURF算法对巡检图和基准图进行特征提取的方法包括：步骤B1：构建Hessian矩阵，生成巡检图和基准图中所有的兴趣点，以对图像中稳定的边缘点特征进行提取；步骤B2：构建尺度空间，使用滤波器处理影像并利用高斯差侦测影像中尺度不变的特征点，所述尺度空间由N组L层组成，且各组间图像的尺寸一致。步骤B3：对图像中的特征点进行定位，将经所述Hessian矩阵处理后的各像素点与二维图像空间和尺度空间邻域内的26个点进行比较，以初步定位出关键点，再经过滤除能量较弱的关键点以及错误定位的关键点，以筛选出最终的稳定特征点；步骤B4：通过统计特征点圆形邻域内的haar小波特征以对特征点的主方向进行分配，在特征点的圆形邻域内，统计60°扇形内所有点的水平、垂直haar小波特征总和，求和后，旋转扇形并对旋转后扇形区域内haar小波特征值进行统计，统计后再次旋转扇形并重新统计直至全部扇形内的haar小波特征值统计完成，统计完成后将haar小波特征总和值最大的扇形方向作为该特征点的主方向；步骤B5：生成特征点描述子量值，在特征点周围取44个矩形区域，且取得矩形区域的方向为沿所述特征点的主方向；各子区域统计25个像素相对主方向的水平方...

【专利技术属性】
技术研发人员：赵戊辰，
申请(专利权)人：北京航天福道高技术股份有限公司，
类型：发明
国别省市：北京,11