当前位置: 首页 > 专利查询>北京大学专利>正文

一种低复杂度尺度金字塔提取图像特征的方法技术

技术编号:18941947 阅读:68 留言:0更新日期:2018-09-15 11:21
本发明专利技术所述的低复杂度尺度金字塔提取图像特征的方法,具体为:将原始输入图像经过滤波生成五组图像块构成尺度金字塔;将滤波生成的后四组图像块进行特征点检测,得到高尺度图像特征点列表;将滤波生成的第一组图像块进行分块预测处理后进行特征点检测;将从第一组图像上检测到的特征点进行特征选择和描述后合并到高尺度图像特征点列表中,生成原始输入图像最终的特征点列表。本发明专利技术能很好的减少尺度金字塔生成过程中的冗余计算,同时使用该技术生成的特征点数量相比原来没有明显差异,在特征生成后用于检索也能很好的保证了检索性能。使得CDVS标准能够更好的满足实际生活需求中对提取特征实时性的要求,还节省了更多的计算资源,降低了计算成本。

A low complexity scale method for extracting image features from Pyramid

The method of extracting image features from low-complexity scale pyramid of the invention is as follows: Five groups of image blocks are formed from the original input image by filtering; the last four groups of image blocks generated by filtering are detected by feature points, and a list of high-scale image feature points is obtained; and the first group of images generated by filtering is formed by filtering. After block prediction, feature points are detected; feature points detected from the first group of images are selected and described, and then merged into the high-scale image feature points list to generate the final feature points list of the original input image. The method can reduce the redundant calculation in the process of scale pyramid generation, and the number of feature points generated by the technique has no obvious difference compared with the original, and the retrieval performance can be well guaranteed after the feature generation. CDVS standard can better meet the real-time requirement of extracting features in real life, and save more computing resources and reduce computing costs.

【技术实现步骤摘要】
一种低复杂度尺度金字塔提取图像特征的方法
本专利技术涉及计算机图像处理
,尤其涉及一种低复杂度尺度金字塔提取图像特征的方法。
技术介绍
MPEG-CDVS(CompactDescriptorforVisualSearch,视觉搜索紧凑描述子)是国际动态图像专家组MPEG提出的移动图像搜索的标准算法。CDVS在移动搜索上有大量的应用,如微信、GoogleGoggles等。同时CDVS的应用范畴包括地点检索、地标识别、产品搜索等。CDVS在移动端上进行图像特征提取和压缩,然后将压缩后的数据流传输到服务器进行图像检索。这个很好的避免了直接传输图片进行检索对带宽的严苛要求,同时降低了服务器的计算负荷和计算延迟。随着对视觉搜索技术日益增长的技术,大量视觉特征描述子算法在过去的数十年被提出,包括SIFT特征提取算法、SURF特征提取算法、ORB特征提取算法和BRISK特征提取算法等。即使是最出名的传统手工特征SIFT也遭受着计算复杂度高、存储代价大等问题。为了解决这个问题移动图像组MPEG于2015年发布了移动搜索标准CDVS。CDVS提供了标准化的压缩码流语法是图像搜索特征可交互成为可能,在比SIFT更低带宽的情况下达到相近的检索性能。但是CDVS仍然存在很多问题,包括移动端的计算延迟仍然较高、对抗光照变化鲁棒性较差等。尺度金字塔是CDVS特征提取步骤中的一项关键技术,CDVS通过生成尺度金字塔并应用Laplace算子进行转化,获得金字塔中的关键特征点。尺度金字塔的构建需要对原始输入图片进行多次高斯滤波和下采样,在特征提取步骤中占据了超过80%的计算复杂度。因此,对尺度金字塔计算复杂度的优化成为CDVS特征提取步骤的关键。现有技术一:利用高斯滤波核对输入图像进行依次滤波和下采样,生成多组图像构成高斯尺度金字塔,然后将高斯金字塔转换成LOG金字塔,对特征点进行每一组的检测和聚合。首先进行LOG金字塔的生成。然后,在尺度金字塔的每一组图像上进行极值检测,初步获得关键点列表。最后一步是对获得的关键点列表进行筛选、特征描述和压缩生成CDVS特征码流。生成的码流会被传输到服务器端用作图像检索。尺度金字塔的生成首先对输入的图像使用不同的高斯核进行滤波,生成一组五张的图像。将当前组第四张图像下采样成为原来长宽一半的图像作为下一组的输入图像,然后同样用不同的高斯核进行滤波生成下一组的五张图像。依次进行下采样和滤波,最后会生成五组图像构成高斯金字塔。高斯金字塔进行Laplace(拉式变换)转换成LOG金字塔。对每一组的五张图像取中间层的三张,每张的像素点与上下相邻的图像像素坐标差小于一的18个点和该像素点周围8个像素点,共26个像素点进行比较,如果该点是极值点则初选为特征点。特征点初选后会通过泰勒展开式:进行特征点初步筛选,通过拟合得到的泰勒函数在坐标x,y和模糊系数sigma上偏差超过0.5的点都会被认为是不稳定点,从而被剔除。根据海森矩阵的秩筛选掉边缘点,达到去除边缘效应的结果。筛选过后会对特征点进行描述,利用在尺度金字塔上的临近区域梯度直方图,生成特征点的局部特征,利用局部特征的信息进行排序和二次筛选。最后将局部特征进行聚合和压缩生成最后的特征码流。现有技术一的缺点为:虽然说该方案是一次将SIFT特征提取在移动搜索上的成功应用,但是其特征提取算法基本上是从SIFT特征算法继承过来,存在着计算复杂度高、抗光照变化鲁棒性差等问题。在实际的应用中,使用CDVS标准进行移动端的特征提取仍然没有办法很好的满足实时性和强鲁棒性等要求。现有技术二:SURF特征提取算法是另一种著名的手工特征算法。SURF特征算法与SIFT大致相同,但采用的方法不同。SURF用方形滤波器代替了高斯滤波器,同时用海森矩阵的行列式值对特征点进行检测,并基于2D离散小波变换响应有效的利用了方向积分图。现有技术二的缺点为:该方案使用的仍然是尺度金字塔,虽然通过滤波器的改变提高了鲁棒性,仍然没有很好的解决尺度金字塔生成复杂度高的问题。SURF特征同样无法很好的适应移动搜索技术的实时性要求。
技术实现思路
针对尺度金字塔在特征提取算法中复杂度高的问题,提出了新的尺度金字塔构建方法。本专利技术能很好的减少尺度金字塔生成过程中的冗余计算,同时使用该技术生成的特征点数量相比原来没有明显差异,在特征生成后用于检索也能很好的保证了检索性能。为了实现上述目的,本专利技术采取了如下技术方案:本专利技术提供一种低复杂度尺度金字塔提取图像特征的方法,包括以下步骤:S1:将原始输入图像经过滤波生成一组由五张图像组成的图像块,依次将前一组图像块的第四张图像作为生成下一组图像块的输入图像,直至生成五组图像块构成尺度金字塔;S2:将滤波生成的后四组图像块进行特征点检测,得到高尺度图像特征点列表;S3:将滤波生成的第一组图像块进行分块预测处理,然后进行特征点检测;S4:将从第一组图像上检测到的特征点进行特征选择和描述后合并到所述高尺度图像特征点列表中,生成所述原始输入图像最终的特征点列表。进一步地,所述S2还包括:参照高尺度图像特征点列表,将高尺度图像特征的坐标对应到第一组图像块中进行统计,将超过阈值坐标所对应的图像进行滤波生成。进一步地,根据如下公式进行所述S3中的分块预测处理:其中,pointnumi,j,o表示第o组、第i行、第j列对应块的特征点数量,mapi,j表示第i行、第j列对应的块的特征点数量;判断条件是当第i行,第j列的块统计得到的特征点数量大于阈值的时候,则预测为重要块,进行滤波处理,相反,该块会被跳过,省去那部分图像的滤波处理。进一步地,将从第一组图像上检测到的特征点进行特征选择和描述,具体为:当图像块大小大于48*48个像素点时,位于边缘的特征点直接选择丢弃,当图像块大小小于等于48*48个像素点时,对边缘的块进行滤波处理。由上述本专利技术提供的技术方案可以看出,本专利技术针对移动图像搜索标准CDVS提出的尺度金字塔加速算法,提出了新的尺度金字塔构建方法,块预测方法以及错误弥补方案。在CDVS的基础上能达到高达10%-30%的加速下将性能损失控制在5%以内,使得CDVS标准能够更好的满足实际生活需求中对提取特征实时性的要求,还节省了更多的计算资源,降低了计算成本。本专利技术附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例所述低复杂度尺度金字塔提取图像特征的方法的流程图;图2为本专利技术实施例所述尺度金字塔构建方法的架构示意图;图3为本专利技术实施例提供的特征点坐标编号示意图;图4为本专利技术实施例提供的局部特征描述子结构示意图;图5为本专利技术实施例提供的用于聚合的128维局部描述子示意图。具体实施方式下面详细描述本专利技术的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本专利技术本文档来自技高网
...

【技术保护点】
1.一种低复杂度尺度金字塔提取图像特征的方法,其特征在于,包括以下步骤:S1:将原始输入图像经过滤波生成一组由五张图像组成的图像块,依次将前一组图像块的第四张图像作为生成下一组图像块的输入图像,直至生成五组图像块构成尺度金字塔;S2:将滤波生成的后四组图像块进行特征点检测,得到高尺度图像特征点列表;S3:将滤波生成的第一组图像块进行分块预测处理,然后进行特征点检测;S4:将从第一组图像上检测到的特征点进行特征选择和描述后合并到所述高尺度图像特征点列表中,生成所述原始输入图像最终的特征点列表。

【技术特征摘要】
1.一种低复杂度尺度金字塔提取图像特征的方法,其特征在于,包括以下步骤:S1:将原始输入图像经过滤波生成一组由五张图像组成的图像块,依次将前一组图像块的第四张图像作为生成下一组图像块的输入图像,直至生成五组图像块构成尺度金字塔;S2:将滤波生成的后四组图像块进行特征点检测,得到高尺度图像特征点列表;S3:将滤波生成的第一组图像块进行分块预测处理,然后进行特征点检测;S4:将从第一组图像上检测到的特征点进行特征选择和描述后合并到所述高尺度图像特征点列表中,生成所述原始输入图像最终的特征点列表。2.根据权利要求1所述的方法,其特征在于,所述S2还包括:参照高尺度图像特征点列表,将高尺度图像特征的坐标对应到第一组图像块中进行统计...

【专利技术属性】
技术研发人员:贾惠柱宋嘉文李源解晓东
申请(专利权)人:北京大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1