欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023104512864
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于信息熵的RGB特征匹配方法,其特征在于,包括以下步骤:

步骤S1.图像采集并基于RGB特征提取算法对图片灰度预处理:对输入的RGB图像进行预处理包括使用灰度化简化后续处理、高斯滤波降低图像噪声和图像梯度计算获取图像局部特征;

步骤S2.预处理后的图像利用基于信息熵的RGB特征提取算法对图像内特征信息进行采集,生成特征点描述子;

步骤S3.利用汉明距离进行特征粗匹配;

步骤S4.结合RGB特征描述子与PROSAC算法进行特征匹配;

步骤S5.输出图像特征匹配点和匹配关系。

2.根据权利要求1所述的一种基于信息熵的RGB特征匹配方法,其特征在于,步骤S1中基于RGB特征提取算法对图片灰度预处理,包括以下步骤:步骤S11.首先对输入的RGB图像进行预处理,包括使用灰度化简化后续处理、高斯滤波降低图像噪声和图像梯度计算获取图像局部特征;

步骤S12.特征点候选提取:采用FAST算法对候选的特征点进行提取,通过图像梯度水平和垂直方向的计算分析,对图像中的每个像素点进行特征点候选提取;

步骤S13.特征点候选筛选:对特征点通过非极大值抑制(NMS)进行筛选,具体对每个对于每个像素点,比较其与周围像素点的梯度大小,并保留梯度最大的点作为特征点;

步骤S14.采用自适应策略对候选特征点优化:根据特征点周围的像素点灰度值方差和平均值,自适应调整特征点阈值,保留具有代表性和区分度的特征点,然后对保留的特征点周围像素点建立梯度方向直方图,找到峰值位置,若检测的特征点峰值信息与周围点有区别,则确定该点为误检测点。

3.根据权利要求1所述的一种基于信息熵的RGB特征匹配方法,其特征在于,步骤S2中所述生成特征点描述子的具体步骤如下:步骤S21:将此时的图像特征信息表示为M×N×3的数组,RGB三通道从上至下排布,其次在图层内任意一点的邻域内随机选取一对点,进行随机采样,然后比较两对点pi=(xi,′ ′ ′yi)与pi=(xi ,yi)上采样点的像素大小,根据两者像素值大小进行0或1的赋值;

步骤S22:重复步骤S21,生成二进制编码即生成特征点描述子。

4.根据权利要求1所述的一种基于信息熵的RGB特征匹配方法,其特征在于,步骤S3中所述利用汉明距离进行特征粗匹配,包括以下内容:进行特征匹配的图像根据RGB特征提取算法输出相应的等长二进特征描述子,假定两者的字符串分别为a和b,则汉明距离为d(a,b),利用汉明距离计算公式进行计算;所得汉明距离越小,表示两个特征点或特征向量越相似,匹配的可能性就越大。

5.根据权利要求1所述的一种基于信息熵的RGB特征匹配方法,其特征在于,步骤S4中所述结合RGB特征描述子与PROSAC算法进行特征匹配,包括特征不匹配点的剔除和特征精匹配;

PROSAC根据汉明距离相似性布置一对匹配点,对两幅图像中的一对匹配目标模型H进行排序、采样和计算,最后通过目标模型验证剩余匹配点,从而去除不匹配点;如果将匹配点对的数量设为N,则汉明距离类似度变高,匹配点对的质量变高;汉明距离相似度降序的匹配点对集合被定义为由n组高质量匹配点对构成的集合序列M;通过采样计算得到的候选模型是F,设定内点误差阈值W、最大内点数N、最大迭代次数K;则PROSAC算法的具体步骤如下:步骤S41.按照降序排列汉明距离相似性匹配点对,获得匹配对集合UN;

步骤S42.选择UN中的n对高质量匹配点对以构成匹配对子集M;

′ ′

步骤S43.通过子集M,求解候选模型F,(x,y,1)和(x ,y ,1)被设置为立体图像对中的一′ ′ ′对正确重合点a(x,y)和点a (x ,y)的齐次坐标,并且M组匹配点对被代入方程中以获得f矩阵参数。

步骤S44:通过候选模型f和误差阈值W检测剩余的匹配点对,并且获得满足候选模型f的匹配点配对和满足候选模型f的匹配点对数;

步骤S45.基于结束条件判断迭代过程是否终止,重复过程步骤S42‑S45;结束条件:如果内部得分超过设置的最大内点数,或K次采样后的内点数与K‑1次采样后内点数相比没有增加。

6.根据权利要求1所述的一种基于信息熵的RGB特征匹配方法,其特征在于,步骤S5中所述输出图像特征匹配点和匹配关系,匹配关系通过矩阵表示,其中第i行第j列的元素表示第一幅图像中的第i个特征点与第二幅图像中的第j个特征点之间的匹配关系。