一种基于尺度预测的图像局部区域特征提取方法与流程

文档序号:12471217阅读:来源:国知局

技术特征:

1.一种基于尺度预测的图像局部区域特征提取方法,其特征在于其包括以下步骤:

步骤一:根据行星着陆过程中探测器相对于预定着陆点的位置、探测器体坐标系相对于在轨拍摄行星表面图像是的姿态及相机焦距、视场角等信息,对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征库中的搜索范围;

步骤二:根据探测器拍照时的位姿信息以及全局特征库中相应特征点的特征尺度,预测该特征在拍摄图像中的特征尺度;

步骤三:根据探测器拍照时的姿态信息以及全局特征库中相应特征点的方向信息,预测该特征在拍摄图像中的旋转角度;

步骤四:将拍摄的图像按照所预测的旋转角度旋转获得旋转图像;

步骤五:根据二次型求极大值方法仿照SURF检测原理以及预测的特征尺度生成特征检测模板;

步骤六:将特征检测模板与旋转图像卷积并在位置空间进行非极大值抑制从而实现特征提取。

2.根据权利要求1所述的一种基于尺度预测的图像局部区域特征提取方法,其特征在于所述步骤二的具体实现过程如下:

建立全局特征库拍摄图像时探测器与该特征的距离为d1,建立全局特征库拍摄图像时所用相机的焦距为f1,建立全局特征库拍摄图像时相机光心与特征点之间连线和光轴的夹角为α1,设全局特征库中的某特征的特征尺度为σ1,则该特征在下降段图像中会产生放缩变换,其尺度变换为

<mrow> <msub> <mi>&sigma;</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>d</mi> <mn>1</mn> </msub> <msub> <mi>f</mi> <mn>2</mn> </msub> <msub> <mi>cos&alpha;</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>d</mi> <mn>2</mn> </msub> <msub> <mi>f</mi> <mn>1</mn> </msub> <msub> <mi>cos&alpha;</mi> <mn>2</mn> </msub> </mrow> </mfrac> <msub> <mi>&sigma;</mi> <mn>1</mn> </msub> </mrow>

其中,下标2对应的参数表示相应物理量在下降段拍摄图像时的值,即:下降段拍摄图像时探测器与该特征的距离为d2,下降段拍摄图像时所用相机的焦距为f2,下降段拍摄图像时相机光心与特征点之间连线和光轴的夹角为α2

设探测器下降时的俯仰角为θ,偏航角为ψ,滚转角为则所述全局特征库中的某特征在下降段图像中会产生仿射变换,相应的椭圆长、短半轴为

a=σcosθ,

3.根据权利要求2所述的一种基于尺度预测的图像局部区域特征提取方法,其特征在于所述步骤三的具体实现过程如下:

所述全局特征库中的某特征在下降段图像中会产生旋转变换,旋转角度为

4.根据权利要求2所述的一种基于尺度预测的图像局部区域特征提取方法,其特征在于所述步骤五的具体实现过程如下:

首先根据所预测的特征尺度建立二阶高斯微分盒子滤波器Dxx、Dxy和Dyy,然后根据SURF原理建立求Hessian矩阵行列式最大值问题:

从而将上式转化为一个二次型优化问题:

约束条件:||I||≤1

其中,μ、ν分别为像元像线坐标,DSURF(μ,ν)为SURF特征检测子在(μ,ν)处的Hessian响应值,I为将图像中与盒子滤波器卷积的对应部分重新排列成的列向量,G为相应的盒子滤波器重新排列成的行向量;

通过进行二次型矩阵的特征值分解求取在仿射变换条件下的特征检测模板。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1