准确的描述梯度的变化程度。
[0055] ⑵权值W的确定
[0056] 联合权值算法，不仅考虑几何距离上的相似性，同样考虑颜色上的相似性，即将颜 色相似性添加到高斯权值函数中，利用联合权值wjPw。，wjPw。分别由式（11)和式（12) 表不：
[0057]
[0058]
(12)
[0059] 其中，《，表示距离相似性权重，w。表示色彩相似性权重；I表示HIS彩色空间强度 分量，I (i，j)为同一尺度上I (X，y)的相邻像素；σ d，σ。为调节相似性因子参数。
[0060] 实施例2
[0061] 为了说明实施例1中的算法的有效性，在实施例2中添加噪声后进行对比分析，添 加高斯噪声σ = 0. 02至测试图像作为待匹配图像，表1中给出具体的实验数据对比：
[0062] 表1实施例2中添加了噪声后对比结果
[0063]
[0064] 由表1中的结果可以看出，本发明的改进的SURF算法特征描述子，相比原始的算 法，能够对平滑区域的纹理特征进行较好地描述，因此可以得到较多的同名点对，并且提高 了最终匹配的正确性。
[0065] 实施例3
[0066] 为了提高描述子的鲁棒性，需要考虑光照对特征描述子的影响，本实施例在实施 例1的方法中增加了光照变化对结果的影响。由于受到相机饱和度的影响，图像中经常会 存在非线性光照变化，这会给平滑区域，尤其是深暗区域内的纹理关键点定位带来困难。 [0067] 因此，为了后续特征点能够有效匹配及应用，本实施例对待匹配图像进行预处理， 通过本发明算法，实现待匹配图像的增强，尤其是平滑区域或者光照不明显区域的纹理增 强。
[0068] 表2实施例3的数据对比结果
[0069]
[0070] 由表2中可以看出，经过本发明算法预处理后，待匹配图像中最终检测到的关键 点个数有明显提高，并且错误匹配数量有明显降低，改进后的特征描述子的正确匹配率得 到改善，高于原始的SURF算法1. 4%。
[0071] 实施例4
[0072] 实施例4中添加了旋转情况对匹配结果的影响。由于外界环境或其他因素的限 制，针对同一物体拍摄的视角会因此发生较大的变化，而描述该物体的特征描述子也会出 现不同，这就为后续的图像匹配带来一定的困难。因此，在本实施例中给出了两种不同视 角情况下，基于本发明算法改进的匹配实验结果如表3中所示。
[0073] 表3实施例4中的结果数据表
[0074]
[0075] 表3中可以显示，由于视角改变的程度不同，在视角2中检测到的同名点对的数量 较视角1相比，明显下降。说明了较大程度的视角改变会对局部点特征的有效匹配带来一 定程度的影响。由于本发明算法对方向直方图进行了重构，并且考虑了强度相似性在内的 联合权重因子，因此基于本文算法的改进后的特征描述子在正确匹配率上得到了一定的改 善。表3反映出，改进的SURF算法较原算法相比，在两个不同视角下的正确匹配率分别提 尚 1. 2 %和 0· 94 %。
[0076] 实施例5
[0077] 在实施例5中添加了缩放情况对匹配率的影响，由于拍摄相机距离目标物体的远 近程度不同，拍摄到的目标在图像中的呈现方式也不尽相同，同一目标物体的特征描述子 也不会有所不同，这就会给后续的图像匹配带来困难。因此，基于本发明改进算法，给出了 相机由远及近对同一目标物体拍摄的匹配实验结果，如表4所示。
[0078] 表4实施例5中的详细数据对比结果
[0079]
[0080] 由表4可知，改进的SURF算法的正确匹配率则高于原始SURF算法2. 2%。
[0081] 上述实施例2-5中的图像可以是实验中拍摄的任意图像，形式内容在本发明中不 作限制。
[0082] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种基于自适应分数阶微分SURF改进方法，SURF描述子以积分图像作为后续特征 点表示的基础，在计算主方向时利用移动扇形区域内的Haar小波响应，水平方向上的响应 为式（1)所示，竖直方向上的响应为式（2)所示： Vx= ([L integrai (x, y+1) -Lintegral (x, y) ] + [Lintegral (x+1, y+1) -Lintegral (x+1, y) ]) *wd (1) vy= ([L integral (x+1^ Y) _Lintegral (x, y) ] + [Lintegral (x+1, γ+1)-Lintegeal (x, y+l)])*wd (2) 其中，Lintf3gMl (x, y)表示积分图像L(x, y)在（x, y)位置上的数值，wd表示高斯权重； 其特征在于，利用分数阶差分的形式重新计算水平方向和竖直方向上的响应，水平方 向的响应如式（3)中所示，竖直方向的响应如式（4)中所示：2. 根据权利要求1所述的一种基于自适应分数阶微分SURF改进方法，其特征在于，分 数阶阶次的自适应选择算法，局部区域内采样点的梯度和方向可以由自适应分数阶差分表 示，对于二维图像信号L(x，y)，其局部自适应分数阶阶次的分数阶微分如式（5)和（6)表 示：其中，v;表示臂长方向上的自适应分数阶阶次集。3. 根据权利要求2所述的一种基于自适应分数阶微分SURF改进方法，其特征在于，不 规则区域内臂长的长度反映局部纹理的变化趋势，臂长说明了该纹理变化的主方向，利用 长臂长方向上的像素刻画纹理特性，梯度表示如式（7)和（8)所示：其中，分数阶阶次<的选择取决于水平方向和竖直方向上的较长的臂长。4. 根据权利要求3所述的一种基于自适应分数阶微分SURF改进方法，其特征在于，局 部不规则区域hp具有限制性，选取式（5)和式（6)的前三项系数，如果任何臂长方向上的 h p等于1，则式（7)和式⑶分别调整为式（9)和式（10):5. 根据权利要求1所述的一种基于自适应分数阶微分SURF改进方法，其特征在于，将 颜色相似性添加到高斯权值函数中，利用联合权值％和《。，^和《。分别由式（11)和式（12) 表不：其中，《,表示距离相似性权重，w。表示色彩相似性权重；I表示HIS彩色空间强度分量， I (i，j)为同一尺度上I (X，y)的相邻像素；σ d，σ。为调节相似性因子参数。
【专利摘要】本发明涉及一种基于自适应分数阶微分SURF改进方法，SURF描述子以积分图像作为后续特征点表示的基础，在计算主方向时利用移动扇形区域内的Haar小波响应，水平方向上的响应为式(1)所示，竖直方向上的响应为式(2)所示：<maths num="0001"></maths><maths num="0002"></maths>其中，Lintegral(x,y)表示积分图像L(x,y)在(x,y)位置上的数值，wd表示高斯权重；利用分数阶差分的形式重新计算水平方向和竖直方向上的响应，水平方向的响应如式(3)中所示，竖直方向的响应如式(4)中所示：<maths num="0003"></maths>本发明的SURF改进方法，保证描述子准确性、高辨识度和独特性同时，有效降低了其维度，满足了实时性要求。在加噪声、旋转和光照变化的情况下，检测的特征点数和匹配的点数比传统的SURF高得多，并且匹配的准确率也有所提高。
【IPC分类】G06K9/46
【公开号】CN105678303
【申请号】
【发明人】胡伏原, 李林燕, 姒绍辉, 付保川, 李宏
【申请人】苏州科技学院
【公开日】2016年6月15日
【申请日】2015年6月2日