赵旭，张建伟,梁斌斌

（1.四川大学计算机学院，成都 610065；2.四川川大智胜软件股份有限公司，成都 610045）

0 引言

在计算机视觉处理中，特征指的是能够解决某种特定任务的信息。图像局部特征在目标识别、目标跟踪、目标匹配、三维重建、图像检索等应用中发挥着重要的作用。它是近20年来在计算机视觉领域中研究的热点问题之一，特征点是图像局部特征重要的一部分。目前存在着大量的特征点及角点算法，如：SIFT[1]、SURF、ORB（Oriented FAST and Rotated BRIEF）[2]、FAST、Shi-Tomasi等，其中具有代表性的算法是SIFT算法，这个经典的图像特征点算法具有很多优秀的性质，例如旋转不变性、多尺度等，但是复杂度高，耗时长，且已经申请了专利保护，本文选取了ORB算法作为目标特征点，ORB算法速度相当快，效果也不错，是开源的算法。这些算法本文统称为传统算法，传统算法在提取特征点时，会受到图像质量的影响，因为传统算法都是在灰度图上进行，算法的效果与图像对比度以及清晰程度关联很大，现实场景中图像可能受到噪声的影响，噪声的因素是多方面的，通常在实际应用中，受环境光照强度的影响，图像可能出现过曝、欠曝，导致图像对比度不稳定，这会影响后续算法，例如图像匹配、图像拼接等，导致以图像特征点算法为基础的系统不能很好的运行。而且采集的图像一般是三通道的彩色图像，传统方法也没有充分利用图像通道上的信息。

本文提出以神经网络的方法进行图像特征点提取，旨在提高特征点提取方法的鲁棒性，以适应宽泛的图像质量情况。……