从图像中提取特征的方法和装置制造方法及图纸

一种从图像中提取特征的方法和装置，通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点；以及通过对候选特征点应用HARRIS算法来确定特征点。由于在应用HARRIS算法确定特征点之前先排除大量的非特征点，可以极大地降低特征提取过程的计算量。

【技术实现步骤摘要】

本专利技术涉及图像处理
，更具体地，涉及从图像中提取特征的方法和装置。
技术介绍
随着科学技术的进步，在享受方便、快捷生活方式的同时，人们对财产安全、信息安全的要求也越来越高。传统的身份认证方式主要包括密码或令牌等，但由于其很有可能被遗忘或遗失，因此逐渐难以满足社会的需求。相比之下，采用特征识别技术来进行身份认证更加安全、可靠。例如，作为一种相对成熟的生物特征识别技术，指纹识别技术目前已经广泛应用于司法、安全系统中，并具有良好的发展趋势。通常，特征识别方法包括图像采集、图像预处理、特征提取和特征匹配等步骤，其中图像预处理步骤主要完成图像增强、二值化等操作，以改善图像质量，降低后续处理的难度。作为特征识别过程中承上启下的步骤，特征提取在实际应用中意义重大。一方面，为了尽量避免在特征提取过程中出现伪特征点，对提取特征点的准确率有一定要求；另一方面，考虑到嵌入式系统处理的效率，特征提取的耗时应该尽量减少。近年来，国内外学者进行了深入的研究和探讨，提出了各种特征提取方法。例如，HARRIS算法由于引入高斯滤波计算而具有更高的稳定性和准确性，但正因如此其计算复杂度大大提高。
技术实现思路
本专利技术的实施例提供了一种从图像中提取特征的方法和装置，用于降低特征提取过程的计算量。本专利技术的一方面提供了一种从图像中提取特征的方法，包括：通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点；以及通过对候选特征点应用HARRIS算法来确定特征点。在一些实施例中，方法还可以包括：通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点。在一些实施例中，第一特征点检测算法可以包括FAST算法。在一些实施例中，通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点可以包括：针对所述图像中的每个像素点，确定在圆心对应于所述像素点、半径为3并且具有16个坐标点的离散化Bresenham圆上的坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于预定的阈值；如果坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于预定的阈值，则确定Bresenham圆上的坐标点5和13所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于所述预定的阈值；以及如果坐标点1、9、5和13中的至少三个所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于所述预定的阈值，则确定圆心所对应的像素点为候选特征点。在一些实施例中，第二特征点检测算法可以包括邻域比较算法。在一些实施例中，通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点可以包括：针对对应用第一特征点检测算法而确定为候选特征点的每个像素点，确定该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目是否为1或3；以及如果该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目为1或3，则确定该像素点为候选特征点。在一些实施例中，通过对候选特征点应用HARRIS算法来确定特征点可以包括：针对每个候选特征点，计算该候选特征点的灰度值在水平和垂直方向上的梯度，基于所计算的梯度利用高斯滤波窗口函数生成矩阵并基于矩阵M来计算特征点响应函数R＝det(M)-k×(trace(M))2,其中x和y分别表示候选特征点在水平和垂直方向上的坐标，Ix和Iy分别表示候选特征点的灰度值在水平和垂直方向上的梯度，ω(x,y)表示高斯滤波窗口函数，det(M)表示矩阵M的行列式，trace(M)表示矩阵M的迹，k表示经验值；以及针对所有候选特征点的特征点响应函数R执行非极大值抑制以确定特征点。在一些实施例中，所述图像可以为指纹的灰度图像，所述特征为指纹特征。本专利技术的另一方面提供了一种从图像中提取特征的设备，包括：用于通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点的装置；以及用于通过对候选特征点应用HARRIS算法来确定特征点的装置。在一些实施例中，设备还可以包括：用于通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点的装置。在一些实施例中，第一特征点检测算法可以包括FAST算法。在一些实施例中，用于通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点的装置可以包括：用于针对所述图像中的每个像素点确定在圆心对应于所述像素点、半径为3并且具有16个坐标点的离散化Bresenham圆上的坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于预定的阈值的装置；用于如果坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于预定的阈值则确定Bresenham圆上的坐标点5和13所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于所述预定的阈值的装置；以及用于如果坐标点1、9、5和13中的至少三个所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于所述预定的阈值则确定圆心所对应的像素点为候选特征点的装置。在一些实施例中，第二特征点检测算法可以包括邻域比较算法。在一些实施例中，用于通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点的装置可以包括：用于针对对应用第一特征点检测算法而确定为候选特征点的每个像素点确定该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目是否为1或3的装置；以及用于如果该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目为1或3则确定该像素点为候选特征点的装置。在一些实施例中，用于通过对候选特征点应用HARRIS算法来确定特征点的装置可以包括：用于针对每个候选特征点计算该候选特征点的灰度值在水平和垂直方向上的梯度、基于所计算的梯度利用高斯滤波窗口函数生成矩阵并基于矩阵M来计算特征点响应函数R＝det(M)-k×(trace(M))2的装置,其中x和y分别表示候选特征点在水平和垂直方向上的坐标，Ix和Iy分别表示候选特征点的灰度值在水平和垂直方向上的梯度，ω(x,y)表示高斯滤波窗口函数，det(M)表示矩阵M的行列式，trace(M)表示矩阵M的迹，k表示经验值；以及用于针对所有候选特征点的特征点响应函数R执行非极大值抑制以确定特征点的装置。在一些实施例中，所述图像可以为指纹的灰度图像，所述特征可以为指纹特征。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，下面将对实施例的附图作简单介绍，显而易见地，下面的描述中的附图仅涉及本专利技术的一些实施例，而非对本专利技术的限制。图1示出了根据本专利技术的实施例的从图像中提取特征的方法的图。图2示出了根据本专利技术的实施例的用于从图像中提取特征的设备的图。图3示出了根据本专利技术的实施例的从图像中提取特征的方法的流程图。图4示出了根据本专利技术的实施例在FAST算法中采用的Bresenham圆的示意图。图5a和5b图示了根据本专利技术的实施例的邻域比较算法的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更本文档来自技高网...

【技术保护点】
一种从图像中提取特征的方法，包括：通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点；以及通过对候选特征点应用HARRIS算法来确定特征点。

【技术特征摘要】
1.一种从图像中提取特征的方法，包括：通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点；以及通过对候选特征点应用HARRIS算法来确定特征点。2.根据权利要求1所述的方法，还包括：通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点。3.根据权利要求1所述的方法，其中，第一特征点检测算法包括FAST算法。4.根据权利要求3所述的方法，其中，通过对所述图像中的所有像素点应用第一特征点检测算法来确定候选特征点包括：针对所述图像中的每个像素点，确定在圆心对应于所述像素点、半径为3并且具有16个坐标点的离散化Bresenham圆上的坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于预定的阈值；如果坐标点1和9所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于预定的阈值，则确定Bresenham圆上的坐标点5和13所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异是否高于所述预定的阈值；以及如果坐标点1、9、5和13中的至少三个所对应的像素点的灰度值与圆心所对应的像素点的灰度值之间的差异高于所述预定的阈值，则确定圆心所对应的像素点为候选特征点。5.根据权利要求2所述的方法，其中，第二特征点检测算法包括邻域比较算法。6.根据权利要求5所述的方法，其中，通过对应用第一特征点检测算法而确定的候选特征点应用第二特征点检测算法来进一步确定候选特征点包括：针对对应用第一特征点检测算法而确定为候选特征点的每个像素点，确定该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目是否为1或3；以及如果该像素点的8个邻域像素点之中与该像素点之间的灰度值差异低于预定的阈值的邻域像素点的数目为1或3，则确定该像素点为候选特征点。7.根据权利要求1所述的方法，其中，通过对候选特征点应用HARRIS算法来确定特征点包括：针对每个候选特征点，计算该候选特征点的灰度值在水平和垂直方向上的梯度，基于所计算的梯度利用高斯滤波窗口函数生成矩阵并基于矩阵M来计算特征点响应函数R＝det(M)-k×(trace(M))2,其中x和y分别表示候选特征点在水平和垂直方向上的坐标，Ix和Iy分别表示候选特征点的灰度值在水平和垂直方向上的梯度，ω(x,y)表示高斯滤波窗口函数，det(M)表示矩阵M的行列式，trace(M)表示矩阵M的迹，k表示经验值；以及针对所有候选特征点的特征点响应函数R执行非极大值抑制以确定特征点。8.根据权利要求1-7中任一项权利要求所述的方法，其中，所述图像为指纹的灰度图像，所述特征为指纹特征。9.一种从图像中提取特征的设备，包括：用于通过对所述图像中的所有像素点...

【专利技术属性】
技术研发人员：满晨龙，朱博，高兴波，
申请(专利权)人：北京集创北方科技股份有限公司，
类型：发明
国别省市：北京;11