一種視覺導(dǎo)航中的特征提取與匹配方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種視覺導(dǎo)航中的特征提取與匹配方法，采用二維最大熵閾值分割法提取出特征區(qū)域；將特征區(qū)域的外接方形區(qū)域進(jìn)行圖像歸一化處理；將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。該方案中通過特征點(diǎn)的匹配來獲取匹配點(diǎn)的數(shù)量，以該數(shù)量作為篩選條件，獲得匹配點(diǎn)最多的特征區(qū)域完成了特征區(qū)域的匹配，更進(jìn)一步得到實(shí)際匹配對(duì)，增加了紋理細(xì)密且單一的導(dǎo)航圖像在發(fā)生切變等仿射變換條件下的匹配點(diǎn)。
【專利說明】一種視覺導(dǎo)航中的特征提取與匹配方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像分析及處理方法，具體地說是一種視覺導(dǎo)航中的特征提取與匹配方法。

【背景技術(shù)】
[0002]導(dǎo)航是指運(yùn)動(dòng)體按照預(yù)先給定的任務(wù)命令，根據(jù)已知的地圖信息做出全局路徑規(guī)劃，并在行進(jìn)過程中，不斷感知周圍的局部環(huán)境信息，做出各種決策，隨時(shí)調(diào)整自身的姿態(tài)與位置，引導(dǎo)自身安全行駛，直至目標(biāo)位置。慣性導(dǎo)航方式是最常見的導(dǎo)航方式，但是由于本身器件固有精度限制及外界環(huán)境影響會(huì)有一定誤差存在，并會(huì)在導(dǎo)航過程中累加并影響最終結(jié)果，尤其對(duì)于內(nèi)部濕滑或含有物料的管道，極易因?yàn)榇蚧鴮?dǎo)致位置估計(jì)錯(cuò)誤，從而無法正確定位事故點(diǎn)。而對(duì)于無人機(jī)及小行星探測(cè)器，外界環(huán)境對(duì)慣性導(dǎo)航的干擾也是一項(xiàng)不可忽略的問題。
[0003]視覺導(dǎo)航具有功耗小、信息量大的特點(diǎn)，可以避免慣性導(dǎo)航自身及外在影響所導(dǎo)致的誤差。視覺導(dǎo)航是采用CCD攝像頭拍攝路面圖像，運(yùn)用機(jī)器視覺等相關(guān)技術(shù)識(shí)別路徑，實(shí)現(xiàn)自動(dòng)導(dǎo)航的一種新興導(dǎo)航方法。視覺導(dǎo)航依據(jù)視覺圖像，利用圖像處理、計(jì)算機(jī)視覺、模型識(shí)別等相關(guān)技術(shù)獲取運(yùn)動(dòng)體的運(yùn)動(dòng)信息和空間位置信息。由于視覺導(dǎo)航通常采用被動(dòng)工作方式，設(shè)備簡單、成本低、經(jīng)濟(jì)性好、應(yīng)用范圍較廣，在理論上具有最佳引導(dǎo)柔性，因此近年來發(fā)展非常迅速實(shí)現(xiàn)導(dǎo)航。
[0004]視覺導(dǎo)航既適用于室內(nèi)環(huán)境，也適用于室外環(huán)境，兩者都必須區(qū)分探測(cè)目標(biāo)與背景。為了將障礙與背景分開，所需的圖像計(jì)算量很大，導(dǎo)致系統(tǒng)的實(shí)時(shí)性較差?？刹捎靡恍﹫D像處理方法，其中包括:使用Hough變換從圖像中提取直線形式的道路邊界，并通過對(duì)比探測(cè)到的道路信息與機(jī)器人內(nèi)部存儲(chǔ)的地圖，修正偏差，實(shí)現(xiàn)導(dǎo)航，這種方法可以提高導(dǎo)航的魯棒性。也可以把圖像分解成為目標(biāo)、背景、平地、不平地四類，并根據(jù)分解后的結(jié)果，將環(huán)境信息歸類于平原模式和目標(biāo)模式，然后針對(duì)不同的模式采用不同的環(huán)境表示方法和導(dǎo)航方式。
[0005]現(xiàn)有視覺導(dǎo)航主要分為兩種方法:一種是利用人工設(shè)置的路標(biāo)，如車輛自動(dòng)駕駛、機(jī)器人自主尋徑等，這種方法需要視覺環(huán)境中存在人為設(shè)置的路標(biāo)，而對(duì)于經(jīng)常磨損的管道、無人進(jìn)入的戈壁和外太空來說，人為設(shè)置路標(biāo)不能實(shí)現(xiàn)。另一種是直接對(duì)視覺圖像進(jìn)行分析，提取自然場(chǎng)景特征并進(jìn)行匹配。這種方法對(duì)所拍攝圖像內(nèi)容沒有嚴(yán)格路標(biāo)要求，但希望其能對(duì)圖像間的分辨率差異、仿射變換、亮度變化有一定的不變性。
[0006]當(dāng)前的視覺導(dǎo)航中的特征提取與匹配方法主要分為兩種:一種是對(duì)特征區(qū)域進(jìn)行匹配，一種是對(duì)特征點(diǎn)進(jìn)行匹配。特征區(qū)域匹配方法即從圖像中提取有特點(diǎn)的區(qū)域進(jìn)行匹配:使用閾值分割、迭代法、熵方法等方法將特征區(qū)域提取出來，使用相關(guān)匹配等方法對(duì)特征區(qū)域進(jìn)行匹配。對(duì)于特征區(qū)域來說，所占像素越多，形狀越豐富，匹配效果越好，但是在固定大小的圖像中這樣的特征區(qū)域數(shù)量有限，出現(xiàn)匹配錯(cuò)誤所帶來的誤差不可忽略。同時(shí)切變等仿射變換將會(huì)改變特征區(qū)域形狀，將會(huì)出現(xiàn)大量匹配錯(cuò)誤。特征點(diǎn)匹配方法即使用角點(diǎn)匹配方法提取出圖像中的顏色突變點(diǎn)并匹配，或使用SURF、SIFT等方法，提取出圖像中函數(shù)最小值的像素點(diǎn)并進(jìn)行匹配。這些方法得到大量的匹配點(diǎn)，但當(dāng)遇到仿射變換尤其是切變等仿射變換會(huì)使匹配點(diǎn)大量減少，相對(duì)于特征區(qū)域匹配的優(yōu)勢(shì)無法明顯體現(xiàn)出來。
[0007]中國專利文獻(xiàn)CN103226820A中公開了一種改進(jìn)的二維最大熵分割夜視圖像融合目標(biāo)檢測(cè)算法，首先通過對(duì)二維直方圖的改進(jìn)，選取權(quán)值利用該直方圖計(jì)算最大熵和對(duì)紅外和微光圖像分割，但是二維最大熵閾值分割法適用于目標(biāo)占整體圖像像素較多并且目標(biāo)與背景有較大差異的圖像，對(duì)于管道內(nèi)部、戈壁、小行星表面的圖像，目標(biāo)較小，紋理與背景相似，分割后的結(jié)構(gòu)噪聲較大，導(dǎo)致匹配錯(cuò)誤率較高。
[0008]在中國專利文獻(xiàn)CN102722731A中公開了一種基于改進(jìn)SIFT算法的高效圖像匹配方法，利用SIFT算子對(duì)輸入的參考圖像和待匹配圖像進(jìn)行特征點(diǎn)提取，結(jié)合Harris算子對(duì)SIFT提取的特征點(diǎn)進(jìn)行優(yōu)化以篩選具有代表性的角點(diǎn)作為最終的特征點(diǎn)，對(duì)SIFT特征描述符進(jìn)行降維處理，獲取參考圖像和待匹配圖像的64維特征向量描述符，利用最近鄰/次緊鄰算法對(duì)參考圖像和待匹配圖像進(jìn)行初始匹配，并采用隨機(jī)采樣一致性算法剔除其中的錯(cuò)誤匹配，從而實(shí)現(xiàn)圖像的精匹配。但是對(duì)于紋理細(xì)密且單一的導(dǎo)航圖像會(huì)發(fā)生切變等仿射變換，降低了匹配精度。


【發(fā)明內(nèi)容】

[0009]為此，本發(fā)明所要解決的技術(shù)問題在于現(xiàn)有的特征提取即匹配方法對(duì)于紋理與背景相似的圖像分割后噪聲大、匹配精度低的技術(shù)問題，從而提出一種適用于紋理與背景相似的圖像的特征提取與匹配方法。
[0010]為解決上述技術(shù)問題，本發(fā)明的提供一種視覺導(dǎo)航中的特征提取與匹配方法，包括如下步驟:
[0011]采用二維最大熵閾值分割法提取出特征區(qū)域；
[0012]將提取后的特征區(qū)域的外接方形區(qū)域進(jìn)行圖像歸一化處理；
[0013]將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
[0014]優(yōu)選地，所述采用二維最大熵閾值分割法提取出特征區(qū)域后，還包括:過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。
[0015]優(yōu)選地，采用二維最大熵閾值分割法提取出特征區(qū)域的過程中，包括:
[0016]將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域；
[0017]計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)；
[0018]根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除；
[0019]計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
[0020]優(yōu)選地，根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除的過程包括:
[0021]對(duì)于遠(yuǎn)離對(duì)角線的二維函數(shù)點(diǎn)，像素點(diǎn)和鄰域均值差值較大，該像素點(diǎn)相對(duì)于周圍鄰域像素點(diǎn)來說為突變像素點(diǎn)，將其忽略。
[0022]優(yōu)選地，將提取后的特征區(qū)域進(jìn)行圖像歸一化處理的過程為將分割后的特征區(qū)域的外接方形使用歸一化方法進(jìn)行歸一化處理，包括:
[0023]計(jì)算方形的重心，移動(dòng)重心，消除位移所帶來的影響；
[0024]將圖像沿X方向進(jìn)行切變，消除X方向的切變影響；
[0025]將圖像沿y方向進(jìn)行切變，消除y方向的切變影響；
[0026]將圖像沿xy方向進(jìn)行切變，消除縮放帶來的影響。
[0027]優(yōu)選地，采用SIFT算法得到特征點(diǎn)的特征向量的過程，包括
[0028]獲取特征點(diǎn)，然后對(duì)所述特征點(diǎn)進(jìn)行篩選，得到有效特征點(diǎn)；
[0029]統(tǒng)計(jì)該特征點(diǎn)周圍圖像的梯度，形成梯度方向直方圖；
[0030]生成特征向量。
[0031]優(yōu)選地，進(jìn)行匹配時(shí)以各特征向量的歐式距離來作為相似性的判定度量。
[0032]另外，一種視覺導(dǎo)航中的特征提取與匹配系統(tǒng)，包括:
[0033]特征區(qū)域提取單元:采用二維最大熵閾值分割法提取出特征區(qū)域；
[0034]歸一化處理單元:將提取后的特征區(qū)域外接方形進(jìn)行圖像歸一化處理；
[0035]匹配單元:將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
[0036]優(yōu)選地，所述特征區(qū)域提取單元，還包括過濾子單元，過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。
[0037]優(yōu)選地，所述特征區(qū)域提取單元，包括:
[0038]鄰域建立子單元:將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域；
[0039]函數(shù)建立子單元:計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)；
[0040]去噪子單元:根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除；
[0041]分割子單元:計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
[0042]本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)，
[0043](I)本發(fā)明提供一種視覺導(dǎo)航中的特征提取與匹配方法，包括采用二維最大熵閾值分割法提取出特征區(qū)域；將提取后的特征區(qū)域的外接方形進(jìn)行圖像歸一化處理；將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。該方案中，在進(jìn)行特征匹配時(shí)，將特征點(diǎn)匹配和特征區(qū)域匹配相結(jié)合，對(duì)SIFT算法進(jìn)行了改進(jìn)，由于SIFT算法是針對(duì)特征點(diǎn)進(jìn)行匹配，本方案中通過特征點(diǎn)的匹配來獲取匹配點(diǎn)的數(shù)量，以該數(shù)量作為篩選條件，獲得匹配點(diǎn)最多的特征區(qū)域完成了特征區(qū)域的匹配，將特征點(diǎn)匹配和特征區(qū)域匹配有效的結(jié)合在一起，增加了紋理細(xì)密且單一的導(dǎo)航圖像在發(fā)生切變等仿射變換條件下的匹配點(diǎn)，大量的匹配對(duì)可以進(jìn)一步進(jìn)行篩選，對(duì)于精確導(dǎo)航有很大意義。
[0044](2)本發(fā)明所述的特征提取與匹配方法，將提取后的特征區(qū)域外接方形進(jìn)行圖像歸一化處理，由于SIFT算法對(duì)切變等仿射變換敏感，因此可以使用圖像歸一化消除仿射變換。圖像歸一化是往往用于單個(gè)主體的圖像，而紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化，因此先使用二維最大熵閾值分割法提取出主體突出的小特征區(qū)域。通過先使用二維最大熵閾值分割法提取特征區(qū)域，再采用歸一化處理的方式，不僅避免了二維最大熵閾值分割法僅適用于目標(biāo)占整體圖像像素較多并且目標(biāo)與背景有較大差異的圖像的問題，也克服了紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化的問題，消除了仿射變換。
[0045](3)本發(fā)明所述的特征提取與匹配方法，所述采用二維最大熵閾值分割法提取出特征區(qū)域后，還包括過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。由于圖像紋理細(xì)密，使用二維最大熵閾值分割法得出的特征區(qū)域中會(huì)有僅僅幾個(gè)像素組成的的特征區(qū)域，這些特征區(qū)域特征不明顯，易造成匹配錯(cuò)誤，因此選擇較大的區(qū)域作為進(jìn)行下一步處理的區(qū)域，去除小像素點(diǎn)的特征區(qū)域，減少匹配錯(cuò)誤，也提高了匹配速度，減少了數(shù)據(jù)處理量。
[0046](4)本發(fā)明所述的特征提取與匹配方法，采用二維最大熵閾值分割法提取出特征區(qū)域的過程中，所有二維函數(shù)點(diǎn)集中在對(duì)角線附近，說明一致性和相關(guān)性較強(qiáng)，屬于目標(biāo)或背景區(qū)域。遠(yuǎn)離對(duì)角線的點(diǎn)，像素點(diǎn)和鄰域均值差距較大，該像素點(diǎn)相對(duì)于周圍相鄰像素來說是一個(gè)突變像素，因此可以認(rèn)為該像素點(diǎn)是噪聲或者邊界部分而將其忽略，這樣二維最大熵閾值分割法就具備了一定的抗噪聲性能。

【專利附圖】

【附圖說明】
[0047]為了使本發(fā)明的內(nèi)容更容易被清楚的理解，下面根據(jù)本發(fā)明的具體實(shí)施例并結(jié)合附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明，其中
[0048]圖1是本發(fā)明所述的視覺導(dǎo)航中的特征提取方法與匹配方法的流程圖；
[0049]圖2是本發(fā)明所述的視覺導(dǎo)航中的特征提取方法與匹配系統(tǒng)的結(jié)構(gòu)框圖。

【具體實(shí)施方式】
[0050]實(shí)施例1:
[0051]本實(shí)施例中提供一種視覺導(dǎo)航中的特征提取與匹配方法，包括如下步驟:
[0052](I)采用二維最大熵閾值分割法提取出特征區(qū)域。二維最大熵閾值分割法是一種特征區(qū)域提取的常規(guī)方法，使用二維最大熵閾值分割法提取出主體突出的小特征區(qū)域:計(jì)算圖片中每一個(gè)點(diǎn)的熵的值，確定分割閾值使得圖片熵達(dá)到最大。在此過程中，為了提高二維最大上閾值分割法的抗噪聲性能，會(huì)對(duì)像素點(diǎn)進(jìn)行去噪處理。將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域；計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)。根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除，所有二維函數(shù)點(diǎn)集中在對(duì)角線附近，說明一致性和相關(guān)性較強(qiáng)，屬于目標(biāo)或背景區(qū)域；對(duì)于遠(yuǎn)離對(duì)角線的二維函數(shù)點(diǎn)，像素點(diǎn)和鄰域均值差值較大，該像素點(diǎn)相對(duì)于周圍鄰域像素點(diǎn)來說為突變像素點(diǎn)，將其忽略。二維最大熵閾值分割法通過計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
[0053](2)將提取后的特征區(qū)域進(jìn)行圖像歸一化處理。通過將分割后的特征區(qū)域的外接方形使用歸一化方法進(jìn)行歸一化處理，使用提取的特征區(qū)域的外接方形進(jìn)行歸一化，可以減少運(yùn)算量，降低算法的復(fù)雜度。采用將提取后的特征區(qū)域的外接方形進(jìn)行圖像歸一化處理的方式，包括:
[0054]a)計(jì)算方形的重心，移動(dòng)重心，消除位移所帶來的影響；
[0055]b)將圖像沿X方向進(jìn)行切變，消除X方向的切變影響；
[0056]c)將圖像沿y方向進(jìn)行切變，消除y方向的切變影響；
[0057]d)將圖像沿xy方向同時(shí)進(jìn)行切變，消除縮放帶來的影響。這一步是從兩
[0058]個(gè)方向同時(shí)進(jìn)行的，相當(dāng)于等比例縮放。
[0059]圖像歸一化是往往用于單個(gè)主體的圖像，而紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化，因此先使用二維最大熵閾值分割法提取出主體突出的小特征區(qū)域，再通過圖像歸一化來消除仿射變換。
[0060](3)將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，SIFT算法是一種特征匹配時(shí)常規(guī)采用的方式，通過獲取特征點(diǎn)進(jìn)行特征點(diǎn)之間的匹配。選擇兩幅圖像，這兩幅圖像是相鄰時(shí)刻獲取的兩幅圖像，針對(duì)每幅圖像已經(jīng)進(jìn)行了上述區(qū)域分割和歸一化處理，使用SIFT算法，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與相鄰的第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
[0061]SIFT算法獲取特征向量的過程包括:獲取特征點(diǎn)，然后對(duì)所述特征點(diǎn)進(jìn)行篩選，得到有效特征點(diǎn)；統(tǒng)計(jì)該特征點(diǎn)周圍圖像的梯度，形成梯度方向直方圖；生成特征向量。進(jìn)行匹配時(shí)以各特征向量的歐式距離來作為相似性的判定度量。
[0062]該方案中，在進(jìn)行特征匹配時(shí)，將特征點(diǎn)匹配和特征區(qū)域匹配相結(jié)合，對(duì)SIFT算法進(jìn)行了改進(jìn)，由于SIFT算法是針對(duì)特征點(diǎn)進(jìn)行匹配，本方案中通過特征點(diǎn)的匹配來獲取匹配點(diǎn)的數(shù)量，以該數(shù)量作為篩選條件，獲得匹配點(diǎn)最多的特征區(qū)域完成了特征區(qū)域的匹配，將特征點(diǎn)匹配和特征區(qū)域匹配有效的結(jié)合在一起，增加了紋理細(xì)密且單一的導(dǎo)航圖像在發(fā)生切變等仿射變換條件下的匹配點(diǎn)，大量的匹配對(duì)可以進(jìn)一步進(jìn)行篩選，對(duì)于精確導(dǎo)航有很大意義。同時(shí)，使用二維最大熵閾值分割法對(duì)圖像進(jìn)行處理，也為管道健康程度分析或地面地形環(huán)境分析提供了相應(yīng)的數(shù)據(jù)。針對(duì)管道內(nèi)部圖像，戈壁、小行星表面圖像之間圖像相似、紋理細(xì)密單一的特點(diǎn)，對(duì)SIFT進(jìn)行改進(jìn)，實(shí)現(xiàn)視覺導(dǎo)航中的特征提取與匹配:使用二維最大熵閾值分割法提取出特征區(qū)域，結(jié)合圖像歸一化得到校正后的圖像，使得SIFT算法匹配特征區(qū)域并提取出更多的匹配點(diǎn)。
[0063]實(shí)施例2:
[0064]本實(shí)施例中提供一種視覺導(dǎo)航中的特征提取與匹配方法，在上述實(shí)施例的基礎(chǔ)上，在所述采用二維最大熵閾值分割法提取出特征區(qū)域后，還包括過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域的步驟。由于圖像紋理細(xì)密，使用二維最大熵閾值分割法得出的特征區(qū)域中會(huì)有僅僅幾個(gè)像素組成的的特征區(qū)域，這些特征區(qū)域特征不明顯，易造成匹配錯(cuò)誤，因此選擇較大的區(qū)域作為進(jìn)行下一步處理的區(qū)域，去除小像素點(diǎn)的特征區(qū)域，可以減少匹配錯(cuò)誤，也提高了匹配速度，減少了數(shù)據(jù)處理量。
[0065]本實(shí)施例中提供一種視覺導(dǎo)航中的特征提取與匹配方法，主要環(huán)節(jié)的具體設(shè)計(jì)如下:
[0066](I)基于二維最大熵閾值分割法
[0067]由于SIFT算法對(duì)切變等仿射變換敏感，因此可以使用圖像歸一化消除仿射變換。圖像歸一化是往往用于單個(gè)主體的圖像，而紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化，因此先使用二維最大熵閾值分割法提取出主體突出的小特征區(qū)域:計(jì)算圖片中每一個(gè)點(diǎn)的熵的值，確定分割閾值使得圖片熵達(dá)到最大。二維最大熵閾值分割法將每個(gè)像素以及該像素周圍的8個(gè)相鄰像素作為一個(gè)鄰域，位于不同鄰域的像素，即使像素值相同，鄰域均值也不會(huì)相同，這樣可以將兩者區(qū)分開來。對(duì)于灰度級(jí)為L的圖像，除圖像邊緣像素夕卜，其中每一個(gè)像素都有其相對(duì)應(yīng)的由9個(gè)像素組成的鄰域，這樣可以形成LXL種不同的像素-均值對(duì)，這樣的像素對(duì)最終組成了一個(gè)二維函數(shù)。所有二維函數(shù)點(diǎn)集中在對(duì)角線附近，說明一致性和相關(guān)性較強(qiáng)，屬于目標(biāo)或背景區(qū)域。遠(yuǎn)離對(duì)角線的點(diǎn)，像素點(diǎn)和鄰域均值差距較大，該像素點(diǎn)相對(duì)于周圍8個(gè)像素來說是一個(gè)突變像素，因此可以認(rèn)為該像素點(diǎn)是噪聲或者邊界部分而將其忽略，這樣二維最大熵閾值分割法就具備了一定的抗噪聲性能。計(jì)算屬于目標(biāo)或背景區(qū)域的像素熵并使其最大，即可得出分割閾值。
[0068]所述采用二維最大熵閾值分割法提取出特征區(qū)域后，還包括過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。由于圖像紋理細(xì)密，使用二維最大熵閾值分割法得出的特征區(qū)域中會(huì)有僅僅幾個(gè)像素組成的的特征區(qū)域，這些特征區(qū)域特征不明顯，易造成匹配錯(cuò)誤，因此選擇較大的區(qū)域作為進(jìn)行下一步處理的區(qū)域，通過去除小像素點(diǎn)的特征區(qū)域，減少匹配錯(cuò)誤。
[0069](2)特征區(qū)域后的圖像歸一化處理，提取將分割后的特征區(qū)域的外接方形使用歸一化方法進(jìn)行歸一化。每一個(gè)特征區(qū)域的外接方形都是一個(gè)有單個(gè)主體的圖像，對(duì)這種圖像的歸一化效果最好。歸一化步驟如下:
[0070]a)計(jì)算方形的重心，移動(dòng)重心，消除位移所帶來的影響。
[0071]b)將圖像沿X方向進(jìn)行切變，消除X方向的切變影響。
[0072]c)將圖像沿y方向進(jìn)行切變，消除y方向的切變影響。
[0073]d)同時(shí)將圖像沿xy方向進(jìn)行切變，消除縮放所帶來的影響。
[0074]此步驟中，將提取后的特征區(qū)域進(jìn)行圖像歸一化處理，由于SIFT算法對(duì)切變等仿射變換敏感，因此可以使用圖像歸一化消除仿射變換。圖像歸一化是往往用于單個(gè)主體的圖像，而紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化，因此先使用二維最大熵閾值分割法提取出主體突出的小特征區(qū)域。通過先使用二維最大熵閾值分割法提取特征區(qū)域，再采用歸一化處理的方式，不僅避免了二維最大熵閾值分割法僅適用于目標(biāo)占整體圖像像素較多并且目標(biāo)與背景有較大差異的圖像的問題，也克服了紋理細(xì)密的圖像主體不突出，無法直接使用圖像歸一化的問題，消除了仿射變換。
[0075](3)將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，使用SIFT匹配每一個(gè)歸一化后的特征區(qū)域與另一幅圖上的歸一化后的特征區(qū)域，匹配的過程如下:
[0076]a)DoG尺度空間生成與特征點(diǎn)檢索:使用高斯函數(shù)形成不同尺度空間圖像，相減得到高斯差分尺度空間DoG。計(jì)算不同尺度下的DoG算子的響應(yīng)值可以擬合出該點(diǎn)在不同尺度下的DoG算子的響應(yīng)曲線，從而求得極值點(diǎn)所在尺度空間，若該極值點(diǎn)是相鄰尺度相鄰像素點(diǎn)的極值，則該點(diǎn)為特征點(diǎn)。
[0077]b)極值點(diǎn)篩選。由于歸一化后的圖像有明顯黑色邊緣，需要對(duì)特征點(diǎn)進(jìn)行篩選，得到有效特征點(diǎn)。
[0078]c)特征點(diǎn)方向。統(tǒng)計(jì)該特征點(diǎn)周圍圖像的梯度:以特征點(diǎn)為中心，統(tǒng)計(jì)4.5倍尺度為半徑的區(qū)域中每個(gè)像素點(diǎn)的圖像梯度模值和方向并分類形成形成梯度方向直方圖。取峰值方向和大于80%峰值的方向?yàn)樘卣鼽c(diǎn)主方向和輔方向。將特征區(qū)域按照主方向和輔方向旋轉(zhuǎn)為同一個(gè)方向。
[0079]d)特征向量生成。將以特征點(diǎn)為中心的鄰域高斯加權(quán)后均分為4x4個(gè)區(qū)域，統(tǒng)計(jì)每個(gè)區(qū)域中的梯度方向直方圖。
[0080]e)對(duì)比兩幅圖像中各特征點(diǎn)的特征向量的歐式距離來作為相似性的判定度量。取匹配點(diǎn)最多的兩幅特征區(qū)域作為匹配區(qū)域，其中的特征點(diǎn)為匹配特征點(diǎn)。
[0081]本方案中的特征提取和匹配方法，對(duì)SIFT算法進(jìn)行改進(jìn)，將特征點(diǎn)的匹配和特征區(qū)域的匹配進(jìn)行了融合，增加了紋理細(xì)密且單一的導(dǎo)航圖像在發(fā)生切變等仿射變換條件下的匹配點(diǎn)，大量的匹配對(duì)可以進(jìn)一步進(jìn)行篩選，對(duì)于精確導(dǎo)航有很大意義。同時(shí)，使用二維最大熵閾值分割法對(duì)圖像進(jìn)行處理，也為管道健康程度分析或地面地形環(huán)境分析提供了相應(yīng)的數(shù)據(jù)。此外，還通過歸一化處理的方式消除了仿射變換，提高了 SIFT算法的精度。
[0082]實(shí)施例3:
[0083]本實(shí)施例中還提供使用上述方法的一種視覺導(dǎo)航中的特征提取與匹配系統(tǒng)，包括如下部分:
[0084]特征區(qū)域提取單元:采用二維最大熵閾值分割法提取出特征區(qū)域；
[0085]歸一化處理單元:將提取后的特征區(qū)域進(jìn)行圖像歸一化處理；
[0086]匹配單元:采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
[0087]其中，所述特征區(qū)域提取單元，還包括過濾子單元，過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。
[0088]進(jìn)一步地，所述特征區(qū)域提取單元，包括:
[0089]鄰域建立子單元:將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域；
[0090]函數(shù)建立子單元:計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)；
[0091]去噪子單元:根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除；
[0092]分割子單元:計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
[0093]優(yōu)選地，上述去噪子單元，還包括對(duì)于遠(yuǎn)離對(duì)角線的二維函數(shù)點(diǎn)，像素點(diǎn)和鄰域均值差值較大，該像素點(diǎn)相對(duì)于周圍鄰域像素點(diǎn)來說為突變像素點(diǎn)，將其忽略。
[0094]進(jìn)一步優(yōu)選地,所述歸一化處理單元,還包括:
[0095]第一消除子單元:計(jì)算方形的重心，移動(dòng)重心，消除位移所帶來的影響；
[0096]第二消除子單元:將圖像沿X方向進(jìn)行切變，消除X方向的切變影響；
[0097]第三消除子單元:將圖像沿y方向進(jìn)行切變，消除y方向的切變影響；
[0098]第四消除子單元:將圖像沿xy方向進(jìn)行切變，消除縮放帶來的影響。
[0099]進(jìn)一步地，匹配單元還包括:
[0100]有效特征點(diǎn)獲取子單元:獲取特征點(diǎn)，然后對(duì)所述特征點(diǎn)進(jìn)行篩選，得
[0101]到有效特征點(diǎn)；
[0102]直方圖形成單元:統(tǒng)計(jì)該特征點(diǎn)周圍圖像的梯度，形成梯度方向直方圖；
[0103]特征向量生成單元:生成特征向量。
[0104]判定度量單元:進(jìn)行匹配時(shí)以各特征向量的歐式距離來作為相似性的判定度量。
[0105]本實(shí)施例中的特征提取與匹配系統(tǒng)，針對(duì)管道內(nèi)部圖像，戈壁、小行星表面圖像之間圖像相似、紋理細(xì)密單一的特點(diǎn)，對(duì)SIFT進(jìn)行改進(jìn)，實(shí)現(xiàn)視覺導(dǎo)航中的特征提取與匹配，使用二維最大熵閾值分割法提取出特征區(qū)域，結(jié)合圖像歸一化得到校正后的圖像，使得SIFT算法匹配特征區(qū)域并提取出更多的匹配點(diǎn)。
[0106]顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無需也無法對(duì)所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。
【權(quán)利要求】
1.一種視覺導(dǎo)航中的特征提取與匹配方法，其特征在于，包括如下步驟: 采用二維最大熵閾值分割法提取出特征區(qū)域； 將提取后的特征區(qū)域的外接方形區(qū)域進(jìn)行圖像歸一化處理； 將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
2.根據(jù)權(quán)利要求1所述的特征提取與匹配方法，其特征在于，所述采用二維最大熵閾值分割法提取出特征區(qū)域后，還包括:過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。
3.根據(jù)權(quán)利要求1或2所述的特征提取與匹配方法，其特征在于，采用二維最大熵閾值分割法提取出特征區(qū)域的過程中，包括: 將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域； 計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)； 根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除； 計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
4.根據(jù)權(quán)利要求1-3任一所述的特征提取與匹配方法，其特征在于，根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除的過程包括: 對(duì)于遠(yuǎn)離對(duì)角線的二維函數(shù)點(diǎn)，像素點(diǎn)和鄰域均值差值較大，該像素點(diǎn)相對(duì)于周圍鄰域像素點(diǎn)來說為突變像素點(diǎn)，將其忽略。
5.根據(jù)權(quán)利要求1-4任一所述的特征提取與匹配方法，其特征在于，將提取后的特征區(qū)域進(jìn)行圖像歸一化處理的過程為將分割后的特征區(qū)域的外接方形使用歸一化方法進(jìn)行歸一化處理，包括: 計(jì)算方形的重心，移動(dòng)重心，消除位移所帶來的影響； 將圖像沿X方向進(jìn)行切變，消除X方向的切變影響； 將圖像沿y方向進(jìn)行切變，消除y方向的切變影響； 將圖像沿xy方向進(jìn)行切變，消除縮放帶來的影響。
6.根據(jù)權(quán)利要求1-5任一所述的特征提取與匹配方法，其特征在于，采用SIFT算法得至1J特征點(diǎn)的特征向量的過程，包括 獲取特征點(diǎn)，然后對(duì)所述特征點(diǎn)進(jìn)行篩選，得到有效特征點(diǎn)； 統(tǒng)計(jì)該特征點(diǎn)周圍圖像的梯度，形成梯度方向直方圖； 生成特征向量。
7.根據(jù)權(quán)利要求1-6任一所述的特征提取與匹配方法，其特征在于，進(jìn)行匹配時(shí)以各特征向量的歐式距離來作為相似性的判定度量。
8.—種視覺導(dǎo)航中的特征提取與匹配系統(tǒng)，其特征在于，包括: 特征區(qū)域提取單元:采用二維最大熵閾值分割法提取出特征區(qū)域； 歸一化處理單元:將提取后的特征區(qū)域外接方形進(jìn)行圖像歸一化處理； 匹配單元:將各個(gè)圖像歸一化處理后的外接方形區(qū)域作為待匹配的特征區(qū)域，采用SIFT算法得到特征點(diǎn)的特征向量，將第一幅圖像中的每個(gè)特征區(qū)域內(nèi)的各個(gè)特征點(diǎn)與第二幅圖像中的每個(gè)特征區(qū)域內(nèi)的特征點(diǎn)進(jìn)行匹配，獲取匹配點(diǎn)的個(gè)數(shù)，選擇匹配點(diǎn)的個(gè)數(shù)最多的兩個(gè)特征區(qū)域作為匹配區(qū)域，其中匹配的特征點(diǎn)作為匹配特征點(diǎn)。
9.根據(jù)權(quán)利要求8所述的特征提取與匹配系統(tǒng)，其特征在于，所述特征區(qū)域提取單元，還包括過濾子單元，過濾掉包含的像素點(diǎn)小于預(yù)設(shè)閾值的特征區(qū)域。
10.根據(jù)權(quán)利要求8或9所述的特征提取與匹配系統(tǒng)，其特征在于，所述特征區(qū)域提取單元，包括: 鄰域建立子單元:將每個(gè)像素點(diǎn)和其相鄰像素點(diǎn)作為一個(gè)鄰域； 函數(shù)建立子單元:計(jì)算鄰域內(nèi)的像素均值，形成像素-均值對(duì)，建立二維函數(shù)； 去噪子單元:根據(jù)二維函數(shù)點(diǎn)的位置進(jìn)行噪聲去除； 分割子單元:計(jì)算屬于目標(biāo)或背景區(qū)域的像素的熵值并使其最大，得出分割閾值。
【文檔編號(hào)】G06T7/00GK104134209SQ201410344863
【公開日】2014年11月5日 申請(qǐng)日期:2014年7月18日 優(yōu)先權(quán)日:2014年7月18日
【發(fā)明者】劉振強(qiáng), 張玉, 李新生, 范力遙, 董啟強(qiáng), 鐘根元, 丁飛, 王峰, 張培林, 苑曉微, 蔣麗, 楊志, 杜巖 申請(qǐng)人:北京國電富通科技發(fā)展有限責(zé)任公司