[发明专利]一种特征质量评估方法及图像特征均匀提取方法

说明书

本发明提供一种特征质量评估方法，利用线特征的显著性、线特征的鲁棒性和虚拟线长度这三种指标对图像特征的质量进行评估，能够提取高质量的图像局部特征，并能够实现高精度的图像虚拟线特征匹配。本发明还公开一种图像特征均匀提取方法，基于特征质量评估和图像格网划分的策略，实现了特征在图像空间上的均匀分布。与现有最优技术UR‑SIFT相比，本发明的有效性和鲁棒性更好。

技术领域

本发明涉及摄影测量技术领域，具体涉及一种基于图像局部特征的特征质量评估方法及图像特征均匀提取方法。

背景技术

无人机图像特征初始检测的性能容易受到复杂地物环境的影响，导致特征在图像空间上的分布质量不高，由于图像几何畸变或特征点重叠等情况的存在，最终会影响图像匹配方法的可靠性。此外，检测到的特征数量也会影响图像误匹配剔除方法的有效性，若特征数量太少，图像之间将缺乏有效数量的匹配对应关系，若特征数量太多，则会影响图像匹配的计算效率，因此，在实际应用中，我们很难为包含不同信息量的图像设定一个固定的阈值，提取数量合适的特征点。

目前，大多数图像局部特征检测方法都没有考虑特征点的空间分布质量，仅有少数学者对此问题进行了讨论，例如，Song和Szymansk提出了一种基于非极大值抑制的SIFT特征均匀提取方法；Lingua等人提出了一种自适应的SIFT特征检测方法(A2SIFT)，用于提高SIFT特征在图像空间上的分布质量；Sedaghat等人提出了一种均匀且鲁棒的SIFT特征检测方法(UR-SIFT)，可以同时提高SIFT特征在图像空间和尺度上的分布质量；Sedaghat等人又在UR-SIFT的基础上，基于特征点的完备性约束，提出了一种能够适用于多种具有不同属性的图像特征检测器的特征提取方法；Hossein-Nejad和Nasri提出了一种基于特征点间距离约束的冗余特征去除方法(RKEM)，可以提高图像特征匹配的精度和计算效率。

然而，上述方法是针对基于点特征描述子的图像匹配而设计的，特征匹配的精度有限。

因此，设计一种新型的特征均匀提取方法具有重要意义。

发明内容

本发明的第一目的在于提供一种特征质量评估方法，具体技术方案如下：

一种特征质量评估方法，包括以下步骤：

步骤一、获取虚拟线长度；

步骤二、获取线特征的显著性和鲁棒性；

步骤三、根据步骤二所得线特征的显著性和鲁棒性采用表达式4)计算特征点的特征质量：

其中：S_m是第m个特征点的特征质量，Ent_m表是第m个特征点的显著性，Res_m表示第m个特征点的鲁棒性，M表示特征点数目，W_R表示图像特征鲁棒性的权重因子；

步骤四、判断特征点的特征质量的大小，特征质量越大，特征质量越高，反之，则特征质量越低。

以上技术方案中优选的，虚拟线长度选为10像素-200像素。

以上技术方案中优选的，获取线特征的显著性具体包括：

步骤1.1、通过表达式1)获取图像信息熵H：

步骤1.2、通过表达式2)获取线特征的显著性Ent：

其中：C_i是图像区域内第i个像素的灰度值在该图像区域中出现的概率，s为像素的总数量，Q表示特征点P_i邻域范围内的特征点的个数，H_q表示特征点P_i与第q个相邻点所构成的虚拟线段区域的图像信息熵。