[发明专利]一种基于BAKAZE-MAGSAC的视觉图像特征提取方法

说明书

本发明涉及基于BAKAZE‑MAGSAC的视觉图像特征提取方法，是一种对灾情视觉图像进行特征提取的方法，属于图像处理和机器学习领域，其特征在于采用如下步骤：(1)确定非线性扩散滤波；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定模型质量函数；(6)确定每个点为内点的概率。本发明有效的解决了图像发生尺度、模糊变化时，特征点不能被有效提取，导致提取特征点数量降低的问题，极大的改善了干扰噪声对于特征点提取的影响，同时提高了匹配时间效率和匹配精度。为灾情视觉图像进行特征提取领域提供了一种拥有较高分类准确率的方法。

技术领域

本发明涉及图像处理和机器学习领域，主要是一种对灾情视觉图像进行特征提取的方法。

背景技术

目前对于图像特征的提取，主要是采用对图像轮廓的模糊提取，滤除图像的干扰噪声，然后筛选出重点特征值。对于图像的特征提取，传统的方式有基于AKAZE算法的图像特征匹配和基于Relief算法的图像特征识别。对于基于AKAZE算法的图像特征匹配，由于其采用的是二进制描述符来描述图像的特征点，极易在图像发生尺度、模糊变化时，特征点提取数量不稳定急剧减少，特征点准确度同时降低，极易产生偏差。而采用Relief算法，由于其采用的是差异化帧扫描技术进行特征检测，标记边缘轮廓特征和模糊度辨识，对于非线性的干扰噪声，难以抑制，不易描述图像亮度在不同尺度空间的变化。图像尺度的改变、干扰噪声的不确定性，导致上述技术在实际的应用过程中，易产生特征点提取失败、干扰噪声遮挡的问题。从而影响图像特征的准确提取。

对于复杂图像的特征提取，关键点在于抑制、滤除图像的干扰噪声，提高图像发生尺度、模糊变化时的提取准确率。针对以上问题，提出了一种改进的基于BAKAZE-MAGSAC的视觉图像特征提取算法，通过构建出非线性尺度空间，极大的保留图像的边缘信息，有效的滤除图像中的干扰噪声，同时在特征粗匹配与精匹配的阶段分别利用特征点尺度信息约束和均方根误差约束来剔除错误匹配，从而提高匹配的时间效率和匹配精度。

发明内容

针对上述现有技术中存在的问题，本发明要解决的技术问题是提供一种基于BAKAZE-MAGSAC的视觉图像特征提取方法，其具体流程如图1所示。

技术方案实施步骤如下：

(1)确定非线性扩散滤波

式中，M表示图像亮度，t表示进化时间，c(x,y,t)表示传导函数，(x,y)表示像素点坐标，x表示像素点横坐标，y表示为像素点纵坐标。将以像素为单位的尺度参数σ_i转换为进化时间t_i：

式中，i为维度空间。

(2)确定图像的非线性尺度空间Lⁱ⁺¹：

Lⁱ⁺¹＝(I+τA(Lⁱ))Lⁱ

式中，L表示图像参数，I表示为单位矩阵，τ表示为时间步长，A(Lⁱ)表示为图像在维度i上的矩阵，A表示为矩阵，Lⁱ表示为图像L在维度i上的结果。在非线性尺度空间中，利用非极大值抑制法计算图像金字塔中每个像素点的Hessian矩阵值，同时将其与同层、上下邻层的p个像素点进行比较，寻找不同尺度归一化后的Hessian矩阵极大值。

(3)确定特征点主方向：

在梯度图像上以特征点为中心，半径r统计范围，取特征点领域的一阶微分L_x和L_y进行高斯赋权计算，然后选取θ大小的扇形区域绕原点旋转，并计算该区域内向量和，取最长方向为特征点的主方向。采用BRISK特征描述符对图像中的特征点进行描述。

(4)特征点匹配：