一种基于改进ORB算法的特征点匹配方法组成比例

本发明专利技术提供一种基于改进ORB算法的特征点匹配方法，包括下列步骤：步骤S1：在PANet网络中输入待匹配图像进行多目标识别，得到感兴趣区域的目标类别和预测框位置信息；步骤S2：通过全卷积神经网络进行像素级别的校正，得到目标像素点所属类别；步骤S3：用ORB算法进行特征点检测与描述，包括改进的FAST算法提取特征点和改进的BRIEF算法构造特征描述符，该步骤目的是实现待匹配图像的粗匹配；步骤S4：根据获得的轮廓信息，去除已匹配像素轮廓外的误匹配点。点。点。

【技术实现步骤摘要】
一种基于改进ORB算法的特征点匹配方法


[0001]本专利技术涉及图像处理和计算机视觉领域，具体涉及一种基于改进ORB算法的特征点匹配技术。

技术介绍

[0002]图像配准一直是图像处理领域的热点问题，其是微电子、现代遥感和精密测绘技术的综合性产物，在图像拼接、图像三维重建、目标检测与跟踪、目标自动定位、医学影像处理等领域中被广泛使用。简言之，图像配准就是依据某种规则衡量图像间的相似程度，其一般需要比较同一物体在不同时间、不同场景图像中的存在状态，从中找出相同或者相似信息进行匹配。图像配准方法自发展至今主要有3种，分别是基于灰度信息的图像配准方法、基于变换域的图像配准方法以及基于特征的图像配准方法。基于灰度信息的图像配准方法是根据图像的灰度信息来比较图像之间的相似程度，其原理简单，但对噪声较为敏感且计算量随图像尺度变化而变化，随着图像像素愈发清晰，该方法已逐渐被舍弃。基于变换域的图像配准方法是将图像进行频域变换，针对变换后的频谱信息进行分析匹配。该方法相比于基于灰度信息的图像配准方法抗噪性能较好，且实时性有明显提升。但当图像采集来源不一致时，匹配精度会大打折扣。基于特征的图像配准方法不再从全图对图像进行分析，而是将注意力转移到图像局部特征信息上来，针对图像特征进行相似度度量，常采用的特征有轮廓、角点、封闭区域等。该方法相比前两种方法具有抗噪性好、鲁棒性佳、对图形变化不敏感等优点，此外，由于不必再逐像素进行分析比对，配准计算量大大减少，算法运算速度得到显著提升。
[0003]基于特征的图像配准方法主要有三个步骤，分别是特征提取、特征描述和特征匹配。该方法首先检测关键点，然后通过构造局部特征向量进行特征描述，最后进行特征匹配。当前应用比较广泛的特征点提取算法主要有SIFT(Scale Invariant Feature Transform)、SURF(Speeded
‑
Up Robust Features)以及ORB(Oriented FAST and Rotated BRIEF)。SIFT算法计算两个相邻高斯尺度空间的DoG(Difference of Gaussian)响应值，其具有旋转不变性和尺度不变性，但该算法特征点提取与目标匹配时间过长，耗时较久。SURF算法基于SIFT算法进行优化，通过海塞(Hessian)矩阵和哈尔(Haar)小波相结合构造SURF特征描述子，该算法具有旋转不变性，但尺度不变的稳定性较差。该算法是SIFT算法的加速版本，但是其计算量仍然较大，无法满足算法的实时性处理需求。ORB算法首先通过FAST算法对图像中的特征点进行提取，再通过BRIEF算法计算出特征描述子。该算法与SIFT算法和SURF算法相比，运算速度比SURF算法快近10倍，比SIFT算法快100倍，在对实时性要求高的任务中发挥出色，具有压倒性优势。但ORB算法的抗噪鲁棒性不及SIFT算法，且其只具有旋转不变性而不具有尺度不变性，因此在很多图像配准任务中容易匹配出错，这导致该算法在实际使用中受限。
[0004]近些年来，机器视觉和自动导航技术得到飞速发展，其中的快速定位与地图重建技术对匹配精度提出了更严格的要求。考虑到PANet网络的优秀的检测与分割性能，不仅检
测精度高、分割效果良好，在目前的高性能设备上也完全能够满足实时性处理需求，同时还能较好地保持和还原目标的轮廓信息，故此本专利技术提出了一种基于PANet的改进ORB算法特征点匹配技术。

技术实现思路

[0005]为解决ORB算法尺度不变稳定性差、配准精度低等问题，本专利技术提出了一种基于PANet的改进ORB算法特征点匹配技术。该算法通过PANet网络识别目标并对匹配做出约束，因无需全图匹配，算法运算量大大降低，其在保证特征点提取速度的前提下，进一步提升原ORB算法的匹配精度。技术方案如下：
[0006]一种基于改进ORB算法的特征点匹配方法，包括下列步骤：
[0007]步骤S1：在PANet网络中输入待匹配图像进行多目标识别，得到感兴趣区域的目标类别和预测框位置信息；
[0008]步骤S2：通过全卷积神经网络进行像素级别的校正，得到目标像素点所属类别；
[0009]步骤S3：用ORB算法进行特征点检测与描述，包括改进的FAST算法提取特征点和改进的BRIEF算法构造特征描述符，该步骤目的是实现待匹配图像的粗匹配；
[0010]步骤S4：根据获得的轮廓信息，去除已匹配像素轮廓外的误匹配点。
[0011]进一步地，所述步骤S1中，PANet包括特征金字塔FPN、自下而上的路径增强、自适应特征池化以及全连接融合几个部分，方法如下：使用FPN融合底层特征图和对底层特征图进行上采样操作得到的特征图，加强特征提取，得到高分辨率、强语义的特征；利用自下而上的路径增强来缩短信息路径并使用低级特征增强特征金字塔；使用自适应特征池化恢复每个推荐区域与所有特征层级间被破坏的信息；使用全连接融合来增强Mask预测，以便捕捉每个推荐区域的不同视野，将不同视角的预测进行融合；
[0012]进一步地，所述步骤S2中，在上述使用PANet进行分类识别和目标框位置回归的同时对像素进行切割，训练时对感兴趣区域定义如下多任务损失函数：
[0013]L＝L
cls
+L
box
+L
mask
式中，L
cls
是类别损失函数，L
box
是框回归损失，L
mask
是平均二进制交叉熵损失，其中L
mask
由轮廓信息定义，该损失应用逐像素的sigmoid函数计算，每个类产生的分割信息的损失L
mask
之间不存在类竞争，输出分割信息需要借助分类层来对类别标签进行预测。
[0014]进一步地，所述步骤S3中改进的FAST算法提取特征点的方法如下：
[0015]步骤S311：设某像素中心点为p，在其周围半径为3的圆周上有16个像素点，分别是像素p1、像素p2、
…
、像素p16；
[0016]步骤S312：定义一个阈值ε；首先，计算像素点p1、像素点p9和中心像素点p的像素差，假如像素差绝对值均小于ε，则认为中心像素点p不是特征点；否则，将点p放入候选考察的特征点列表；
[0017]步骤S313：假如p是候选特征点，分别计算像素点p1、像素点p9、像素点p5、像素点p13和中心像素点之间的像素差；若其中至少有三个像素差绝对值超过阈值ε，则继续放入待考察的候选特征点列表中；否则，直接舍弃掉；
[0018]步骤S314：假如p是候选特征点，计算像素点p1到像素点p16与中心像素点p的像素差值，当这16个差值绝对值中至少有9个超过阈值时，认为该点p是特征点；否则，将其舍弃
掉；
[0019]步骤S315：对图像进行非极大值抑制NMS：计算特征点处的FAST得分值，，判断以像素点p为中心的邻域内是否存在多个特征点，若是，则分别计算每个特征点的F本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进ORB算法的特征点匹配方法，包括下列步骤：步骤S1：在PANet网络中输入待匹配图像进行多目标识别，得到感兴趣区域的目标类别和预测框位置信息；步骤S2：通过全卷积神经网络进行像素级别的校正，得到目标像素点所属类别；步骤S3：用ORB算法进行特征点检测与描述，包括改进的FAST算法提取特征点和改进的BRIEF算法构造特征描述符，该步骤目的是实现待匹配图像的粗匹配；步骤S4：根据获得的轮廓信息，去除已匹配像素轮廓外的误匹配点。2.根据权利要求1所述的特征点匹配方法，其特征在于，所述步骤S1中，PANet包括特征金字塔FPN、自下而上的路径增强、自适应特征池化以及全连接融合几个部分，方法如下：使用FPN融合底层特征图和对底层特征图进行上采样操作得到的特征图，加强特征提取，得到高分辨率、强语义的特征；利用自下而上的路径增强来缩短信息路径并使用低级特征增强特征金字塔；使用自适应特征池化恢复每个推荐区域与所有特征层级间被破坏的信息；使用全连接融合来增强Mask预测，以便捕捉每个推荐区域的不同视野，将不同视角的预测进行融合。3.根据权利要求1所述的特征点匹配方法，其特征在于，所述步骤S2中，在上述使用PANet进行分类识别和目标框位置回归的同时对像素进行切割，训练时对感兴趣区域定义如下多任务损失函数：L＝L
cls
+L
box
+L
mask
式中，L
cls
是类别损失函数，L
box
是框回归损失，L
mask
是平均二进制交叉熵损失，其中L
mask
由轮廓信息定义，该损失应用逐像素的sigmoid函数计算，每个类产生的分割信息的损失L
mask
之间不存在类竞争，输出分割信息需要借助分类层来对类别标签进行预测。4.根据权利要求1所述的特征点匹配方法，其特征在于，所述步骤S3中改进的FAST算法提取特征点的方法如下：步骤S311：设某像素中心点为p，在其周围半径为3的圆周上有16个像素点，分别是像素p1、像素p2、...、像素p16；步骤S312：定义一个阈值ε；首先，计算像素点p1、像素点p9和中心像素点p的像素差，假如像素差绝对值均小于ε，则认为中心像素点p不是特征点；否则，将点p放入候选考察的特征点列表；步骤S313：假如p是候选特征点，分别计算像素点p1、像素点p9、像素点p5、像素点p13和中心像素点之间的像素差；若其中至少有三个像素差绝对值超过阈值ε，则继续放入待考察的...

【专利技术属性】
技术研发人员：谢阳，苟文海，李桂林，魏晶晶，王煜东，张新辉，张倩倩，周义蛟，邵帅，万晓峰，唐雨琴，雷璐，王瑞，叶坤武，王博伦，
申请(专利权)人：中国电子科技集团公司第五十三研究所，
类型：发明
国别省市：