專利名稱：基于分數(shù)階微分的點特征跟蹤方法
技術領域：
本發(fā)明涉及一種基于分數(shù)階微分的點特征跟蹤方法。
背景技術：
基于點特征跟蹤方法中，點的檢測和準確匹配是ー個難點，主要是因為相機視角變化、圖像質(zhì)量低以及遮擋等原因形成。點的檢測和匹配的關鍵是點特征表示和相似度度量。目前最新的點特征求取方法有SIFT、SURF和DAISY等。Lowe在1999年提出了尺度不變的特征點提取算法SIFT，通過計算特征點鄰域的梯度直方圖作為特征點的描述子，然后根據(jù)特征點的描述子進行匹配。但是，SIFT特征點計算復雜，維數(shù)高，實時性能差。Herbert Bay提出了ー種快速魯棒的特征點檢測算法(Speed Up Robust Feature, SURF)，是SIFT算法的改進，該方法的搜索策略是歐氏距離最短方法，通過計算相近的兩個特征點的距離來判斷是否匹配。SURF方法通過減少向量維數(shù)提高了匹配的實時性，但是某些實際的圖像匹配點并不是描述子向量之間距離最近的點，如果采用向量距離最近的點作為兩幅圖像的特征匹配點，則會發(fā)生誤匹配現(xiàn)象。2010年，Engin Tola提出了DAISY特征，通過和半徑大小不同的高斯核函數(shù)卷積形成特征向量，在已知相機內(nèi)外參的情況下三維重建結果優(yōu)于SURF和SIFT方法的結果。然而，這些方法都是基于整數(shù)階微分得到的特征向量，對于移動車載相機拍攝中的抖動和車速太快形成的輕微模糊或者是紋理信息不明顯的區(qū)域點特征的信息描述并不準確。通過分析分數(shù)階微分的幅頻特性發(fā)現(xiàn)，當O< w < I時，在圖像信號的高頻成分被大幅提升的同時，信號中低頻成分相應有所加強，且在甚低頻段并不像ー階微分或者ニ階微分ー樣對信號進行大幅度的線性衰減，而是進行一種非線性衰減。即對于ニ維圖像信號的平滑區(qū)域或者紋理不明顯區(qū)域，通過分數(shù)階微分后，紋理細節(jié)信息并沒有大幅度的被衰減，反而在一定程度上進行了非線性保留。因此，利用分數(shù)階微分表示紋理細節(jié)豐富和紋理信息不明顯的區(qū)域比整數(shù)階微分更具優(yōu)勢。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術存在的不足，提供一種基于分數(shù)階微分的點特征跟蹤方法。本發(fā)明的目的通過以下技術方案來實現(xiàn)基于分數(shù)階微分的點特征跟蹤方法，包括以下步驟I)采用基于分數(shù)階微分的方法檢測點特征；2)通過Kalman方法或者擴展方法預測下一幀點的位置；3)在給定區(qū)域中捜索，并進行相似度度量，如果滿足條件，則為對應的跟蹤點；否則不存在對應的跟蹤點，對于這樣的點，如果在后續(xù)k幀范圍內(nèi)仍然沒有對應的跟蹤匹配點，則認為跟蹤丟失，其中k > 2 ;如果跟蹤正常，則更新點特征。進ー步地，上述的基于分數(shù)階微分的點特征跟蹤方法，所述采用基于分數(shù)階微分的方法檢測點特征，包括以下步驟
(SlOl)對于圖像中每個點，利用公式⑴計算出模板求解8個不同方向、不同尺度、不同階次的微分方向圖—兀信號m階分數(shù)階微分的差分表達式
權利要求
1.基于分數(shù)階微分的點特征跟蹤方法，其特征在于包括以下步驟 .1)采用基于分數(shù)階微分的方法檢測點特征； .2)通過Kalman方法或者擴展方法預測下一幀點的位置； .3)在給定區(qū)域中捜索，并進行相似度度量，如果滿足條件，則為對應的跟蹤點；否則不存在對應的跟蹤點，對于這樣的點，如果在后續(xù)k幀范圍內(nèi)仍然沒有對應的跟蹤匹配點，則認為跟蹤丟失，其中k > 2 ;如果跟蹤正常，則更新點特征。
2.根據(jù)權利要求I所述的基于分數(shù)階微分的點特征跟蹤方法，其特征在于所述采用基于分數(shù)階微分的方法檢測點特征，包括以下步驟 (5101)對于圖像中每個點，利用公式⑴計算出模板求解8個不同方向、不同尺度、不同階次的微分方向圖 一元信號m階分數(shù)階微分的差分表達式
全文摘要
本發(fā)明涉及基于分數(shù)階微分的點特征跟蹤方法，采用基于分數(shù)階微分的方法檢測點特征；通過Kalman方法或者擴展方法預測下一幀點的位置；在給定區(qū)域中搜索，并進行相似度度量，如果滿足條件，則為對應的跟蹤點；否則不存在對應的跟蹤點，對于這樣的點，如果在后續(xù)k幀范圍內(nèi)仍然沒有對應的跟蹤匹配點，則認為跟蹤丟失，其中k＞2；如果跟蹤正常，則更新點特征。利用分數(shù)階微分表示紋理細節(jié)豐富和紋理信息不明顯的區(qū)域比整數(shù)階微分更具優(yōu)勢，針對不同方向和不同階次的分數(shù)階微分形成不同的微分梯度圖，并且分別與不同大小高斯核卷積形成不同尺度的卷積方向圖，確保了方向變化時點特征表示的較大變化，具有旋轉不變性、平移和尺度不變性。
文檔編號G06F17/13GK102693216SQ20121013910
公開日2012年9月26日 申請日期2012年5月8日 優(yōu)先權日2012年5月8日
發(fā)明者汪小東, 胡伏原, 袁金剛, 魯雪松 申請人:蘇州盛景空間信息技術有限公司