[发明专利]基于分数阶微分的点特征跟踪方法

说明书

技术领域

本发明涉及一种基于分数阶微分的点特征跟踪方法。

背景技术

基于点特征跟踪方法中，点的检测和准确匹配是一个难点，主要是因为相机视角变化、图像质量低以及遮挡等原因形成。点的检测和匹配的关键是点特征表示和相似度度量。目前最新的点特征求取方法有SIFT、SURF和DAISY等。Lowe在1999年提出了尺度不变的特征点提取算法SIFT，通过计算特征点邻域的梯度直方图作为特征点的描述子，然后根据特征点的描述子进行匹配。但是，SIFT特征点计算复杂，维数高，实时性能差。

Herbert Bay提出了一种快速鲁棒的特征点检测算法(Speed Up Robust Feature，SURF)，是SIFT算法的改进，该方法的搜索策略是欧氏距离最短方法，通过计算相近的两个特征点的距离来判断是否匹配。SURF方法通过减少向量维数提高了匹配的实时性，但是某些实际的图像匹配点并不是描述子向量之间距离最近的点，如果采用向量距离最近的点作为两幅图像的特征匹配点，则会发生误匹配现象。2010年，Engin Tola提出了DAISY特征，通过和半径大小不同的高斯核函数卷积形成特征向量，在已知相机内外参的情况下三维重建结果优于SURF和SIFT方法的结果。然而，这些方法都是基于整数阶微分得到的特征向量，对于移动车载相机拍摄中的抖动和车速太快形成的轻微模糊或者是纹理信息不明显的区域点特征的信息描述并不准确。通过分析分数阶微分的幅频特性发现，当0＜w＜1时，在图像信号的高频成分被大幅提升的同时，信号中低频成分相应有所加强，且在甚低频段并不像一阶微分或者二阶微分一样对信号进行大幅度的线性衰减，而是进行一种非线性衰减。即对于二维图像信号的平滑区域或者纹理不明显区域，通过分数阶微分后，纹理细节信息并没有大幅度的被衰减，反而在一定程度上进行了非线性保留。因此，利用分数阶微分表示纹理细节丰富和纹理信息不明显的区域比整数阶微分更具优势。

发明内容

本发明的目的是克服现有技术存在的不足，提供一种基于分数阶微分的点特征跟踪方法。

本发明的目的通过以下技术方案来实现：

基于分数阶微分的点特征跟踪方法，包括以下步骤：

1)采用基于分数阶微分的方法检测点特征；

2)通过Kalman方法或者扩展方法预测下一帧点的位置；

3)在给定区域中搜索，并进行相似度度量，如果满足条件，则为对应的跟踪点；否则不存在对应的跟踪点，对于这样的点，如果在后续k帧范围内仍然没有对应的跟踪匹配点，则认为跟踪丢失，其中k＞2；如果跟踪正常，则更新点特征。

进一步地，上述的基于分数阶微分的点特征跟踪方法，所述采用基于分数阶微分的方法检测点特征，包括以下步骤：

(S101)对于图像中每个点，利用公式(1)计算出模板求解8个不同方向、不同尺度、不同阶次的微分方向图：

一元信号m阶分数阶微分的差分表达式：