买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：一种生成KeyNet亚像素级特征点的局部梯度拟合方法，属于图像处理领域，利用KeyNet网络，在每个尺度平面内检测输入图像的所有像素级精度特征点，生成各尺度平面的响应强度图；对于每个像素级精度特征点，计算该特征点及其相邻八个点响应强度之间的梯度关系，拟合出该特征点的亚像素级坐标，从而将KeyNet特征点的定位精度由像素级提升至亚像素级。本发明的亚像素级最高误差为0.030个像素，平均误差为0.019个像素。对于SIFT算法仅检测到3对正确匹配点对的图像匹配任务，本发明能检测到41对正确的匹配点。本发明对SIFT算法难以匹配的低质量航拍图像进行匹配，显著提升图像匹配性能。

主权项：1.一种生成KeyNet亚像素级特征点的局部梯度拟合方法，对于一幅输入图像，在KeyNet的每个尺度平面内检测所有的像素级精度特征点，生成该尺度平面的响应强度图；对于每个特征点，通过该特征点及其相邻八个点响应强度之间的梯度关系，拟合出该特征点的亚像素级坐标；其特征在于步骤如下：第一步：输入一幅灰度图像Q，大小是w×h，w和h分别是图像Q的长和宽；第二步：KeyNet检测输出所有像素级特征点；将图像Q送入一个训练好的KeyNet网络，其尺度因子设置为θi,i＝1，...，N，N为不同尺度的数目，N取3～8的任意整数；KeyNet网络在N个尺度平面内检测所有的像素级特征点，得到每个尺度平面的特征点数量为mi,i＝1，...，N；第三步：生成像素级特征点响应强度图；对于第i个尺度平面，利用尺度平面内所有像素点的响应强度，生成该尺度平面的响应强度图Ri,i＝1，...，N，尺寸为w×θi×h×θi；第四步：在某个尺度平面i内，计算mi个像素级特征点的亚像素级偏移量，i＝1，...，N；设当前特征点为pj,j＝1,...,mi，对应响应强度图Ri上的像素级坐标为x0,y0；通过在x0,y0点处进行Taylor展开将离散特征点拟合为二维连续函数，并使该函数的导数等于0，求取亚像素级偏移量x-x0,y-y0，记为具体计算公式如下： 式中，C为各像素级坐标在响应强度图Ri上对应的响应强度值；根据当前特征点pj与其相邻八个点x0+1,y0、x0-1,y0、x0,y0+1、x0,y0-1、x0+1,y0+1、x0-1,y0-1、x0+1,y0-1、x0-1,y0+1的响应强度之间的差分，计算式1中的一阶、二阶局部梯度如下: 第五步：生成亚像素级特征点；若1-6式计算得到的特征点偏移量或的绝对值大于0.5，说明函数极值点已经偏移至当前特征点x0,y0的邻近点其中表示向下取整；将此邻近点切换为新的x0,y0，再次进行第四步的计算；如果邻近点切换次数大于5次或者超出响应强度图Ri的边界，则舍弃当前特征点pj；若偏移量与均小于0.5，则根据像素级坐标x0,y0、偏移量以及尺度因子θi，生成当前特征点pj在灰度图像Q上的亚像素级精度坐标如下： 第六步：输出灰度图像Q的全部亚像素级特征点集合

全文数据：

权利要求：

百度查询： 大连理工大学 一种生成KeyNet亚像素级特征点的局部梯度拟合方法