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