1 论文标题：一种基于区域密度划分改进的ORB特征提取算法

2 作者信息：王 鹏：盐城工学院电气工程学院，江苏 盐城

3 出处和链接：王鹏. 一种基于区域密度划分改进的ORB特征提取算法[J]. 建模与仿真, 2023, 12(4): 4233-4245. https://doi.org/10.12677/MOS.2023.124386

4 摘要：原ORB算法在面对特征点分布不均匀的图像做特征提取时，常会出现特征点提取效率低，特征点冗余的问题，导致特征点在匹配时出现误匹配，甚至位姿丢失的情况。针对这一问题，提出了一种基于区域密度划分改进的ORB特征提取算法。首先对图像构造图像金字塔，确保图像的尺度不变性。其次用FAST特征点提取算法对图像进行特征点提取，提取完毕后，使用核密度估计方法，以每个特征点为中心，计算该点周围的密度值，并采用聚类算法将密度分布相似的特征点看成一簇，根据每一簇的特征点密度和图像平均密度的比值，将图像区域划分为三类，即特征点密集区域，特征点稀疏区域和特征点均匀区域。然后利用自适应四叉树法对三个区域图像进行分割，并根据每个区域的特征点密度计算阈值，达到特征点筛选均匀的目的。然后利用自适应非极大值抑制法对特征点进行最佳筛选，并使用BRIEF算法计算出特征点的描述子。最后进行特征点匹配。实验结果表明，本文算法相较于传统的ORB算法有效地减少了冗余特征点的数量，降低了特征点的重叠率，在特征匹配的精度和效率上有了明显的提升。

（投稿咨询请移步汉斯出版社公众号联系小编！）