[发明专利]一种基于分形维数的图像特征提取系统及方法

权利要求书

1.一种基于分形维数的图像特征提取系统，其特征在于：其组成包括，

图像采集模块；

分形维数模块，用于计算采集的图像中每个像素点的分形维数，通过分形维数表征自然形态的特征；

图像分割模块，用于提取图像边缘特征，进行图像分割；

提取特征点模块，用于在每个分割区域中通过均匀化方法提取特征点并进行特征匹配；

判断模块，用于判断是否回到原位的模块，若是，则进行回环检测，之后进行位姿优化；若否，则进行位姿估计，之后进行位姿优化的步骤；

位姿优化模块，用于通过滤波与非线性优化算法处理SLAM过程中噪声的问题，从带有噪声的数据中估计整个系统的状态，以及这个状态估计的不确定性，以校正整个轨迹的形状；

数据关联模块，用于将相似图像关联；

地图构建模块，用于感知信息规划路线，通过预估的轨迹构建对应任务地图。

2.利用所述一种基于分形维数的图像特征提取系统进行的图像特征提取方法，其特征在于：所述方法通过以下步骤实现：

图像采集的步骤；

计算采集的图像中每个像素点的分形维数，通过分形维数表征自然形态的特征的步骤；

提取图像边缘特征，进行图像分割的步骤；

在每个分割区域中通过均匀化方法提取特征点并进行特征匹配的步骤；

判断是否回到原位的步骤；

若是，则进行回环检测，之后进行位姿优化以校正整个轨迹形状的步骤；

若否，则进行位姿估计，之后进行位姿优化以校正整个轨迹形状的步骤；

数据关联的步骤，即将相似图像关联；

构建地图的步骤，即感知信息规划路线，通过预估的轨迹构建对应任务地图；

至此，完成所述的基于分形维数的图像特征提取的过程。

3.根据权利要求2所述的一种基于分形维数的图像特征提取方法，其特征在于：所述的图像采集的步骤具体为，以相机作为外部传感器，对采集的图像信息进行读取同时做预处理操作；其中，选用RGBD相机作为视觉SLAM的传感器，SLAM，全称SimultaneousLocalization and Mapping，即同时定位与地图构建。

4.根据权利要求2或3所述的一种基于分形维数的图像特征提取方法，其特征在于：所述的计算采集的图像中每个像素点的分形维数，通过分形维数表征自然形态的特征的步骤包括计算分形维数与多重分形谱、局域分形特征；

所述的计算分形维数与多重分形谱包括：在各种不同步长大小情况下测量目标数量、绘制步长和数量之间的对数函数图并用最小二乘回归拟合数据点、利用回归线的斜率值作为FD的预测值；其中，多重分形视作分形的扩展，利用分形维数预测多重分形谱，通过盒子计数或小波方法实现；

所述的局域分形特征的过程为：

令f(x)为函数|f(x)－P(x－x0)|＜C|x－x0|a，f:R→R，a＞0，P为多项式且接近但不超过α，x∈B(x0，δ)，C为常数且大于0；则指数定义为：

α描述了函数f(x)的局域特性；奇异性指数α描述了图像局域奇异性，通过盒子维数计算得到：

首先计算方形区域i×i邻域V(i)，中心点为目标点，表达为I(x，y)，则：

其中i＝2n+1为邻域范围，邻域大小i与目标尺度相关，如果目标小，i≤3，α指数表达了目标图像奇异性；如果目标大，α指数表达了目标图像大尺度奇异性；α值大小与结构的分形维数相对应，其值接近2，并代表了像素的局域规律信息，当α≠2时，其点测度是规则的，其点周围信号变化的概率小；当α≠2时点局域有变化产生，比如当α2时，像素点周围梯度大，表示区域信号不连续。

5.根据权利要求4所述的一种基于分形维数的图像特征提取方法，其特征在于：所述的在每个分割区域中通过均匀化方法提取特征点并进行特征匹配的步骤包括，搭建平台进行仿真，在实验中选取不同数量段，从而确定特征点的数量范围。

6.根据权利要求2、3或5所述的一种基于分形维数的图像特征提取方法，其特征在于：所述的回环检测的步骤，是指相机传感器根据机器人的运动轨迹记录下图像信息，对这些轨迹图像进行计算比较，若相似度超过设定的阈值，则认为出现回环，即检测机器人是否进入同一地点；

在检测到回环之后，把找到的同一个点这样的信息传输给后端优化算法；之后，后端根据这些新的信息，把轨迹和地图调整到符合回环检测结果的状态；

其中，对这些轨迹图像进行计算比较是通过计算图像之间的数据相似性实现回环检测。