[发明专利]特征点的提取方法、图像的重建方法及装置

说明书

本申请提供了一种特征点的提取方法、图像的重建方法及装置，该特征点的提取方法包括：确定针对输入图像初步提取到的多个特征点的数量；在多个特征点的数量大于期望特征点数量时，基于空间划分方法对输入图像进行第一网格划分以得到K个第一网格，其中，K大于或等于期望特征点数量；确定K个第一网格中每个第一网格的特征点数量，在第一网格的特征点数量大于1时，基于第一网格中各个特征点距离第一网格的中心的距离确定各个特征点的统计置信度分数；基于各个特征点的统计置信度分数对第一网格的特征点进行筛选，以得到第一网格中统计置信度分数最高的特征点。本申请的技术方案能够提高特征点的分布均匀性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种特征点的提取方法、图像的重建方法及装置。

背景技术

在计算机视觉中，图像处理过程是极其重要的环节，而在图像处理过程中，特征点的提取是至关重要的步骤。由于特征点可以代表图像的内容，因此，特征点的提取广泛应用于运动目标跟踪、物体识别、图像配准、全景图像的拼接、三维重建等领域中。目前常用的特征点的提取方法容易出现特征点扎堆、分布不均匀的问题，尤其对于重复纹理场景，该问题较为严重。分布不均匀的特征点会直接影响后续图像处理结果的准确度。

发明内容

有鉴于此，本申请实施例提供了一种特征点的提取方法、图像的重建方法及装置，能够提高特征点的分布均匀性。

第一方面，本申请的实施例提供了一种特征点的提取方法，包括：确定针对输入图像初步提取到的多个特征点的数量；在多个特征点的数量大于期望特征点数量时，基于空间划分方法对输入图像进行第一网格划分以得到K个第一网格，其中，K大于或等于期望特征点数量；确定K个第一网格中每个第一网格的特征点数量，在第一网格的特征点数量大于1时，基于第一网格中各个特征点距离第一网格的中心的距离确定各个特征点的统计置信度分数；基于各个特征点的统计置信度分数对第一网格的特征点进行筛选，以得到第一网格中统计置信度分数最高的特征点。

在本申请某些实施例中，基于第一网格中各个特征点距离第一网格的中心的距离确定各个特征点的统计置信度分数，包括：基于第一网格中各个特征点距离第一网格的中心的距离，以及各个特征点的响应值，确定各个特征点的统计置信度分数。

在本申请某些实施例中，基于第一网格中各个特征点距离第一网格的中心的距离，以及各个特征点的响应值，确定各个特征点的统计置信度分数，包括：通过对第一网格中各个特征点距离第一网格的中心的距离的倒数以及各个特征点的响应值进行加权求和，确定各个特征点的统计置信度分数。

在本申请某些实施例中，第一网格划分是基于二叉树、四叉树或八叉树分割方法执行的。

在本申请某些实施例中，第一方面的特征点的提取方法还包括：基于预设的网格大小对输入图像进行第二网格划分，以得到T个第二网格，其中，T为大于1的整数；针对T个第二网格中每个第二网格进行特征点的初步提取，以得到多个特征点。

在本申请某些实施例中，第一方面的特征点的提取方法还包括：针对输入图像构建图像金字塔，其中，针对T个第二网格中每个第二网格进行特征点的初步提取，以得到多个特征点，包括：基于图像金字塔与初始阈值对第二网格进行极值点的提取；在极值点的数量为0时，基于第一规则和初始阈值得到第一更新阈值，其中，第一更新阈值小于初始阈值；基于图像金字塔与第一更新阈值重新对第二网格进行极值点的提取，其中，从第二网格中提取的极值点作为特征点。

在本申请某些实施例中，针对T个第二网格中每个第二网格进行特征点的初步提取，以得到多个特征点，还包括：在极值点的数量大于门槛值时，基于第二规则和初始阈值得到第二更新阈值，其中，第二更新阈值大于初始阈值；基于图像金字塔与第二更新阈值重新对第二网格进行极值点的提取。

在本申请某些实施例中，第一方面的特征点的提取方法还包括：对输入图像执行尺度金字塔池化操作，得到多个不同尺度空间的图像；在多个不同尺度空间的图像中计算第一网格中统计置信度分数最高的特征点对应的特征描述子。