买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉理工大学

摘要：本发明公开了一种基于改进的SURF算法的车辆摄像头图像特征提取匹配方法，该方法包括以下步骤：1对获取的车辆摄像头图像进行特征检测；2基于KD树加速的多策略融合的特征粗匹配；3基于网格运动统计的特征精匹配。本发明方法在图像的特征提取上能够做到较为平均的分配，且KD树粗匹配和网格运动统计的精匹配在图像特征点的匹配上有效去除了错误匹配，提高了匹配的有效性，且鲁棒性以及准确性更高。

主权项：1.一种基于改进的SURF算法的车辆摄像头图像特征提取匹配方法，其特征在于，包括以下步骤：1对获取的车辆摄像头图像进行特征检测；1.1利用变尺寸的盒子滤波模板进行平滑处理得到图像金字塔；1.2利用积分图像计算特征矢量并引入基于Harr响应的统计方法确定特征点主方向；1.3沿特征点主方向取矩形区域，将该矩形区域均分为4×4个子块，对划分的4*4个子区域分别利用Harr小波计算响应值，统计全部子区域内的响应值形成64维特征矢量；1.4利用特征检测结果中保留的Hessian矩阵迹的正负号将特征点分为2类，对同一类别的特征点进行匹配，实现快速匹配；1.5根据特征点的分布进行均匀分布处理；2基于KD树加速的多策略融合的特征粗匹配；利用KD树搜索算法，双向匹配两幅图像之间的特征点，即利用阈值比率为0.8的比率检验法经过第一次筛选，得到第一幅图像到第二幅图像上的匹配特征点集合S1，以及第二幅图像到第一幅图像的特征点S2，对于S1和S2的所有匹配对，通过匹配点间的描述符欧氏距离计算d，若小于阈值，则取为正确的匹配对；对于正确的匹配对再进行双向交叉检验法，在两个方向上都搜索到相同的匹配对；若两个方向上均搜索到相同的匹配对，且互为最近邻点，则匹配正确；3基于网格运动统计的特征精匹配；设图像对{Ia,Ib}的特征数量分别为{N,M}，邻域{a,b}为匹配支持区域且特征点数分别为{n,m}；以匹配支持区域内的特征点作为匹配支持项，用两图之间最近邻特征匹配对的集合χ＝{x1,x2,…,xi,…,xN}表示，其中，|χ|＝N，且为匹配对xi邻域{a,b}内的匹配对子集，则去除原有匹配对xi的匹配支持项Si表示为：Si＝|χi|-1将粗匹配得到的匹配进行划分网格，由于匹配对定位的准确性与网格数量成正比，但过多的网格数量会导致网格中的特征点减少，因此通过运动区域K进行补偿达到最优的匹配质量；对已匹配的邻域进行聚类，网格单元对为： 利用上述得到的网格单元对的评价分数，将所有的网格单元划分到正误集合{T,F}中，判定准则表示为： 其中，τi为确保错误网格单元对被剔除的阈值，ni是图中网格单元内特征点的平均数量。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于改进的SURF算法的车辆摄像头图像特征提取匹配方法