專利名稱：基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法。
背景技術(shù)：
基于點(diǎn)特征跟蹤方法中，點(diǎn)的檢測(cè)和準(zhǔn)確匹配是ー個(gè)難點(diǎn)，主要是因?yàn)橄鄼C(jī)視角變化、圖像質(zhì)量低以及遮擋等原因形成。點(diǎn)的檢測(cè)和匹配的關(guān)鍵是點(diǎn)特征表示和相似度度量。目前最新的點(diǎn)特征求取方法有SIFT、SURF和DAISY等。Lowe在1999年提出了尺度不變的特征點(diǎn)提取算法SIFT，通過(guò)計(jì)算特征點(diǎn)鄰域的梯度直方圖作為特征點(diǎn)的描述子，然后根據(jù)特征點(diǎn)的描述子進(jìn)行匹配。但是，SIFT特征點(diǎn)計(jì)算復(fù)雜，維數(shù)高，實(shí)時(shí)性能差。Herbert Bay提出了ー種快速魯棒的特征點(diǎn)檢測(cè)算法(Speed Up Robust Feature, SURF)，是SIFT算法的改進(jìn)，該方法的搜索策略是歐氏距離最短方法，通過(guò)計(jì)算相近的兩個(gè)特征點(diǎn)的距離來(lái)判斷是否匹配。SURF方法通過(guò)減少向量維數(shù)提高了匹配的實(shí)時(shí)性，但是某些實(shí)際的圖像匹配點(diǎn)并不是描述子向量之間距離最近的點(diǎn)，如果采用向量距離最近的點(diǎn)作為兩幅圖像的特征匹配點(diǎn)，則會(huì)發(fā)生誤匹配現(xiàn)象。2010年，Engin Tola提出了DAISY特征，通過(guò)和半徑大小不同的高斯核函數(shù)卷積形成特征向量，在已知相機(jī)內(nèi)外參的情況下三維重建結(jié)果優(yōu)于SURF和SIFT方法的結(jié)果。然而，這些方法都是基于整數(shù)階微分得到的特征向量，對(duì)于移動(dòng)車載相機(jī)拍攝中的抖動(dòng)和車速太快形成的輕微模糊或者是紋理信息不明顯的區(qū)域點(diǎn)特征的信息描述并不準(zhǔn)確。通過(guò)分析分?jǐn)?shù)階微分的幅頻特性發(fā)現(xiàn)，當(dāng)O< w < I時(shí)，在圖像信號(hào)的高頻成分被大幅提升的同時(shí)，信號(hào)中低頻成分相應(yīng)有所加強(qiáng)，且在甚低頻段并不像ー階微分或者ニ階微分ー樣對(duì)信號(hào)進(jìn)行大幅度的線性衰減，而是進(jìn)行一種非線性衰減。即對(duì)于ニ維圖像信號(hào)的平滑區(qū)域或者紋理不明顯區(qū)域，通過(guò)分?jǐn)?shù)階微分后，紋理細(xì)節(jié)信息并沒(méi)有大幅度的被衰減，反而在一定程度上進(jìn)行了非線性保留。因此，利用分?jǐn)?shù)階微分表示紋理細(xì)節(jié)豐富和紋理信息不明顯的區(qū)域比整數(shù)階微分更具優(yōu)勢(shì)。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)存在的不足，提供一種基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法。本發(fā)明的目的通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法，包括以下步驟I)采用基于分?jǐn)?shù)階微分的方法檢測(cè)點(diǎn)特征；2)通過(guò)Kalman方法或者擴(kuò)展方法預(yù)測(cè)下一幀點(diǎn)的位置；3)在給定區(qū)域中捜索，并進(jìn)行相似度度量，如果滿足條件，則為對(duì)應(yīng)的跟蹤點(diǎn)；否則不存在對(duì)應(yīng)的跟蹤點(diǎn)，對(duì)于這樣的點(diǎn)，如果在后續(xù)k幀范圍內(nèi)仍然沒(méi)有對(duì)應(yīng)的跟蹤匹配點(diǎn)，則認(rèn)為跟蹤丟失，其中k > 2 ;如果跟蹤正常，則更新點(diǎn)特征。進(jìn)ー步地，上述的基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法，所述采用基于分?jǐn)?shù)階微分的方法檢測(cè)點(diǎn)特征，包括以下步驟
(SlOl)對(duì)于圖像中每個(gè)點(diǎn)，利用公式⑴計(jì)算出模板求解8個(gè)不同方向、不同尺度、不同階次的微分方向圖—兀信號(hào)m階分?jǐn)?shù)階微分的差分表達(dá)式
權(quán)利要求
1.基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法，其特征在于包括以下步驟 .1)采用基于分?jǐn)?shù)階微分的方法檢測(cè)點(diǎn)特征； .2)通過(guò)Kalman方法或者擴(kuò)展方法預(yù)測(cè)下一幀點(diǎn)的位置； .3)在給定區(qū)域中捜索，并進(jìn)行相似度度量，如果滿足條件，則為對(duì)應(yīng)的跟蹤點(diǎn)；否則不存在對(duì)應(yīng)的跟蹤點(diǎn)，對(duì)于這樣的點(diǎn)，如果在后續(xù)k幀范圍內(nèi)仍然沒(méi)有對(duì)應(yīng)的跟蹤匹配點(diǎn)，則認(rèn)為跟蹤丟失，其中k > 2 ;如果跟蹤正常，則更新點(diǎn)特征。
2.根據(jù)權(quán)利要求I所述的基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法，其特征在于所述采用基于分?jǐn)?shù)階微分的方法檢測(cè)點(diǎn)特征，包括以下步驟 (5101)對(duì)于圖像中每個(gè)點(diǎn)，利用公式⑴計(jì)算出模板求解8個(gè)不同方向、不同尺度、不同階次的微分方向圖 一元信號(hào)m階分?jǐn)?shù)階微分的差分表達(dá)式
全文摘要
本發(fā)明涉及基于分?jǐn)?shù)階微分的點(diǎn)特征跟蹤方法，采用基于分?jǐn)?shù)階微分的方法檢測(cè)點(diǎn)特征；通過(guò)Kalman方法或者擴(kuò)展方法預(yù)測(cè)下一幀點(diǎn)的位置；在給定區(qū)域中搜索，并進(jìn)行相似度度量，如果滿足條件，則為對(duì)應(yīng)的跟蹤點(diǎn)；否則不存在對(duì)應(yīng)的跟蹤點(diǎn)，對(duì)于這樣的點(diǎn)，如果在后續(xù)k幀范圍內(nèi)仍然沒(méi)有對(duì)應(yīng)的跟蹤匹配點(diǎn)，則認(rèn)為跟蹤丟失，其中k＞2；如果跟蹤正常，則更新點(diǎn)特征。利用分?jǐn)?shù)階微分表示紋理細(xì)節(jié)豐富和紋理信息不明顯的區(qū)域比整數(shù)階微分更具優(yōu)勢(shì)，針對(duì)不同方向和不同階次的分?jǐn)?shù)階微分形成不同的微分梯度圖，并且分別與不同大小高斯核卷積形成不同尺度的卷積方向圖，確保了方向變化時(shí)點(diǎn)特征表示的較大變化，具有旋轉(zhuǎn)不變性、平移和尺度不變性。
文檔編號(hào)G06F17/13GK102693216SQ20121013910
公開日2012年9月26日 申請(qǐng)日期2012年5月8日 優(yōu)先權(quán)日2012年5月8日
發(fā)明者汪小東, 胡伏原, 袁金剛, 魯雪松 申請(qǐng)人:蘇州盛景空間信息技術(shù)有限公司