[发明专利]一种基于DT-SUSAN-Brute-Force的图像匹配算法

权利要求书

1.本发明特征在于：(1)确定4个矩形区域的门限阈值；(2)确定核心点USAN区域面积；(3)确定3像素灰度和；(4)确定亚像素精确化；(5)确定特征点间的欧式距离；具体包括以下五个步骤：

步骤一：确定4个矩形区域的门限阈值t₁、t₂、t₃、t₄：

将图像转换为灰度图像，用f×f大小的模板，标准差为δ大小的高斯滤波器对处理过的灰度图像进行滤波，之后根据图像的对比度反复设置门限阈值，并结合差阈值Th进行检测；将图像分为4个矩形区域：

式中，m表示为对应矩形的个数，a表示为比例系数，为常数，t表示为门限阈值，n表示为实验重复的次数，i表示为计数参数，I_imax表示为每个矩形区域中最大的i个灰度值，I_imin表示为每个矩形区域中最小的i个灰度值；选择4个门限阈值的最小值作为整幅图像门限阈值，将对应的门限阈值取整，选取对应的差阈值Th；

步骤二：确定核心点USAN区域面积n(r₀)：

确定SUSAN角点检测的相似比较函数c(r,r₀)：

式中，r表示为圆模板的非核心点，r₀表示为圆模板的核心点，I(r₀)表示为圆模板核心点灰度值，I(r)表示为圆模板非核心点灰度值；确定圆模板内除核心点外所有的36个点的c(r,r₀)值，并对其求和，得到核心点USAN区域面积n(r₀)：

步骤三：确定3像素灰度和g：

|(d₁+d₃)-|d₂+d₄||＞Th

若像素点的USAN区域面积n(r₀)≤g，且2组不相邻特征方向3像素的灰度和大于差阈值Th，且R(r₀)大于圆模板面积的1/4，则将该点记录为角点存到角点集合；其中，g表示几何阈值，R(r₀)表示初始角点响应函数；

步骤四：确定亚像素精确化：

将角点集合的点进行区域定位，搜索到各个角点位置区域的所有角点，利用角点集合的对称分布特性确定角点集合的质心坐标作为此位置角点的坐标：

式中，(x^*,y^*)表示质心坐标，x^*表示质心的横坐标，y^*表示质心纵坐标，x₁、x₂、x₃、…、x_n分别表示为非质心点的横坐标，y₁、y₂、y₃、…、y_n分别表示为非质心点的纵坐标；用质心坐标取代其所在位置的角点集合，并作为这个角点位置的角点坐标，则该质心坐标达到亚像素精度；

步骤五：确定特征点间的欧式距离dist:

式中，p表示特征向量的维数，a表示特征向量，b表示与a不相重合的特征向量；确定图像中最小的欧式距离与次近邻距离之比P:

式中，d₀表示最小欧式距离，d₁表示次近邻距离；筛选出小于阈值的两对角点，则将其作为最佳匹配。