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: 202410373152X
申请人: 南京邮电大学
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.基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:包括,输入需要拼接的眼底图像集并进行图像预处理,获得眼底表征图像;

构建改进的图像尺度空间金字塔,并运用高斯差分金字塔技术比较眼底表征图像像素值初步判定极值点,定位关键像素点的位置与方向,采用改进特征向量生成特征描述符;

所述生成特征描述符的具体步骤包括,

根据眼底表征图像构建高斯金字塔,取每组图像金字塔的前三层计算差分图像,生成高斯差分金字塔,通过高斯差分金字塔与原图像卷积得到改进尺度空间图像,比较金字塔中区域内像素点的像素值判断极值点;

根据极值点的尺度不变性,分配方向基准给图像的各个局部特征,结合相邻像素点的尺度方向分布特性计算关键像素点的数值与方向,关键像素点的数值与方向计算公式如下:其中,I

选取关键点周围的像素点区域并划子区域,以每一个子区域的中心像素点为中心在子正方形中做最大内切十六边形,计算来自不同方向的特征向量作为子区域中心点的特征向量,将子区域的特征向量以距离为权重叠加在关键特征点上,生成关键点描述符;

通过KNN算法搜索每组眼底图像中关键点的最近邻与次近邻匹配点,消除误差匹配,保留优秀匹配对;

所述消除误差匹配包括以下步骤,

根据KNN算法对输入关键点描述符进行最近邻特征点与次近邻特征点的搜索;

计算特征点最近邻距离与次近邻距离的距离比值,根据不同图像计算得到正比阈值,相关计算公式如下:其中,R表示正比阈值,N表示特征点总数,w

当最近邻距离与次近邻距离的距离比值小于正比阈值时,则表示匹配点对符合特征点需求,接受匹配点对;

当最近邻距离与次近邻距离的距离比值大于正比阈值时,则表示匹配点对不符合特征点需求,将匹配点对剔除。

2.如权利要求1所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:所述图像预处理包括以下步骤,获取眼底图像数据集;

输入眼底图像并转化为灰度图像,求出眼底图像灰度直方图,计算灰度值变换表,根据给定眼底图像灰度直方图生成均匀分布的眼底图像直方图;

根据灰度值变换表计算均匀分布的眼底图像直方图中各像素中心周围的像素点灰度值与空域值,对像素点灰度值与空域值进行加权平均,进行双边滤波过滤增强,得到眼底表征图像。

3.如权利要求2所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:所述生成均匀分布的眼底图像直方图包括以下步骤,将眼底图像转化为灰度图像,并扫描原始灰度图像的每一个像素点,得出眼底图像灰度直方图;

计算眼底图像灰度直方图的累积分布函数,计算公式如下:其中,n表示一幅图像的像素点数目,l表示灰度级总数,n根据直方图灰度值均匀原理和累积分布函数计算映射函数,计算公式如下:根据映射函数计算出每个像素点经过映射后的数值,生成均匀分布的眼底图像直方图。

4.如权利要求2所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:所述双边滤波过滤增强的具体步骤包括,输入经过直方图均匀后的眼底图像,针对每张图像像素点计算双边滤波器中的点距权重与点值权重,计算公式如下:其中,W

根据点距权重与点值权重计算图像上每个点的融合权重,计算公式如下:其中,W

通过每个像素点周边像素的加权平均值来计算过滤后的像素强度,计算公式如下:其中,I'

5.如权利要求1所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:所述判断极值点的具体步骤包括,通过二维高斯函数与原眼底图像进行卷积构建展示多尺度参数下综合信息的图像尺度空间,使用高斯函数对图像降采样,生成图像金字塔模型;

截取每张图像高斯金字塔前三层,将三层高斯金字塔依次相减得到两层高斯差分金字塔;

将差分金字塔图像的像素点数值与周围相邻尺度范围内的像素点数值进行比较,判断得到极值点。

6.基于改进特征描述符和KNN搜索的眼底图像特征点匹配系统,基于权利要求1~5任一所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法,其特征在于:所述系统包括图像预处理模块、特征点检测模块、特征描述符生成模块以及特征匹配模块;

图像预处理模块用于获取眼底图像,转化为灰度图像,进行直方图均衡化和双边滤波增强,得到眼底表征图像;

特征点检测模块用于获得改进的尺度空间和高斯差分金字塔技术,比较像素点值判断关键像素点,计算点的位置和方向信息;

特征描述符生成模块用于围绕关键点划分子区域,计算每个子区域的特征向量,并结合距离权重叠加生成关键点的特征描述符;

特征匹配模块用于采用KNN近邻搜索算法找到每个关键点的最近邻匹配点和次近邻匹配点,计算距离比值消除误匹配。

7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~5任一所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法的步骤。

8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~5任一所述的基于改进特征描述符和KNN搜索的眼底图像特征点匹配方法的步骤。