[发明专利]一种图像特征提取方法及系统

说明书

本申请公开了一种图像特征提取方法及系统，该方法包括：根据原始图像构建图像金字塔；将图像金字塔中的每一层图像采用四叉树的方法划分为4个子块；对任一子块进行FAST特征点检测并计算其特征点描述子；根据FAST特征点和特征点描述子，生成每个子块改进后的ORB特征点；判断任一子块中FAST特征点的个数是否大于5；如果是，根据设定的四叉树最大划分深度，继续划分；否则停止划分；根据所有子块的总数，通过自适应阈值对每个子块提取改进后的ORB特征点。该系统包括：图像金字塔构建模块、划分模块、FAST特征点检测模块、特征点描述子计算模块、特征点生成模块、判断模块和提取模块。通过本申请，能有效提高图像提取的效率和特征点的匹配精度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像特征提取方法及系统。

背景技术

在图像处理技术领域，图像特征点匹配是许多计算机应用的第一步。图像特征点匹配即：匹配出两个不同视角的图像中的同一个物体。图像特征点匹配广泛应用于目标识别与跟踪、遥感图像处理、医学图像处理以及视觉SLAM(Simultaneous Localization andMapping，同步定位与地图构建)等领域。因此，如何对图像进行特征提取，从而高效地实现图像特征点匹配，是个重要的技术问题。

目前进行图像特征提取的方法通常是ORB(Oriented FAST and Rotated BRIEF，一种快速特征点提取和描述的算法)算法。ORB算法是建立在FAST特征检测算子和BRIEF特征描述算子基础之上的特征匹配算法。ORB算法中的特征描述算子采用基于像素点灰度值比较的方法，通过得到的二进制位串来描述特征。

然而，由于ORB算法中FAST特征检测算子缺乏对尺度变化的适应性，当进行特征检测的图像尺度发生变化时，其鲁棒性不如SIFT，检测效果较差，特征点提取速度较低，检测效率不够高。而且ORB算法对特征点的提取过于密集，容易造成特征点冗余和重叠，从而导致图像特征误匹配等问题，使得特征点匹配精度较低。

发明内容

本申请提供了一种图像特征提取方法及系统，以解决现有技术中图像特征提取方法使得特征点提取速度较低、特征点匹配精度较低的问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种图像特征提取方法，所述方法包括：

读取原始图像，并根据原始图像构建图像金字塔；

将所述图像金字塔中的每一层图像采用四叉树的方法划分为4个子块；

对任一子块进行FAST特征点检测；

对任一子块计算其特征点描述子；

根据FAST特征点和特征点描述子，生成每个子块改进后的ORB特征点；

判断所述任一子块中FAST特征点的个数是否大于5；

如果是，根据设定的四叉树最大划分深度，继续将所述图像金字塔中的每一层图像采用四叉树的方法划分为4个子块；

如果否，停止划分；

当所有子块停止划分后，根据所有子块的总数，通过自适应阈值对每个子块提取改进后的ORB特征点。

可选地，所述读取原始图像，并根据原始图像构建图像金字塔，包括：

利用公式和对原始图像进行高斯模糊，其中，G(x)为一维表达式，G(x，y)为二维表达式，x、y分别为原点到x轴、y轴的距离，σ为高斯函数G的标准差；

利用公式I′＝I/scaleFactor·k k＝1，2，…，nlevels，对原始图像进行下采样，将所述原始图像按比例缩小为nlevels幅图像，其中，I′为缩放后的图像，scaleFactor为比例因子，I为原图像，k为金字塔层数。