matlab提取orb特征,一种改进的ORB特征匹配方法与流程

本发明涉及图像处理技术领域，具体涉及一种改进的ORB特征匹配方法。

背景技术：

图像匹配技术通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，分析相似性和一致性，寻求相似影像目标。图像匹配技术广泛应用在车牌识别、遥感影像、图像拼接、医疗图像诊断、人脸识别等领域。在图像配准算法中,特征提取及匹配的方法有很多,如:SUSAN算子、Harris算子、SIFT算子。其中SIFT算法是性能最为鲁棒的局部特征算法，但是其运算量较大，不能很好的满足实时性的要求。为此Ethan Rublee等于2011年提出ORB算法，ORB算法是建立在改进的FAST特征和改进的BRIEF特征之上，由于FAST特征和BRIEF特征都具有运算速度快的优点，因此ORB在运算速度上比SIFT快两个数量级。但是在匹配精度上，ORB算法弱于SIFT算法。

技术实现要素：

有鉴于此，本发明的目的在于提供一种改进的ORB特征匹配方法，提高ORB的匹配精度。

为实现上述目的，本发明采用如下技术方案：

一种改进的ORB特征匹配方法，包括以下步骤：

步骤S1:采用改进的FAST14-24方法进行角点的初步提取,得到角点；

步骤S2:根据得到的角点，采用Shi-Tomasi角点检测算法进行特征点优选，得到特征点；

步骤S3:利用灰度质心法对特征点集进行处理确定特征点的方向；

步骤S4:根据特征点集，采用类视网膜描述符提取算法，得到特征描述符；

步骤S5:根据得到的特征描述符，采用学习的方法来提取低相关性的采样点对的位置，得到优化的特征描述符；

步骤S6:根据得到的优化的特征描述符，使用汉明距离进行特征匹配。

进一步的，所述步骤S1具体为:取像素点p周围24个像素点为检测模板，p点的灰度值为Ip，设定阈值T，如果24个像素点中有连续14个像素点的灰度值大于Ip+T或小于Ip-T