一种基于改进SIFT算法的图像关键点检测方法技术

本发明专利技术公开一种基于改进SIFT算法的图像关键点检测方法，其包括以下步骤：步骤1：从图像上任取位于DOG金字塔的第s层的一个采样点；步骤2：将采样点跟s层的8个相邻比较点逐一比较分别获得s层的8个比较结果；步骤3：基于s层的8个比较结果得到s层的极值点；步骤4：将s层的极值点跟s+1层的9个相邻比较点逐一比较分别获得s+1层的9个比较结果；步骤5：基于s+1层的9个比较结果得到s+1层的极值点；步骤6：将s+1层的极值点跟s‑1层的9个相邻比较点逐一比较分别获得s‑1层的9个比较结果；步骤7：基于s‑1层的9个比较结果得到该s‑1层的极值点；步骤8：s‑1层、s层和s+1层的极值点进一步比较得到最终极值点作为图像的局部关键点。本发明专利技术计算量小，保证图像配准精确度的同时图像配准速率高。

An image key point detection method based on improved SIFT algorithm

\u672c\u53d1\u660e\u516c\u5f00\u4e00\u79cd\u57fa\u4e8e\u6539\u8fdbSIFT\u7b97\u6cd5\u7684\u56fe\u50cf\u5173\u952e\u70b9\u68c0\u6d4b\u65b9\u6cd5\uff0c\u5176\u5305\u62ec\u4ee5\u4e0b\u6b65\u9aa4\uff1a\u6b65\u9aa41\uff1a\u4ece\u56fe\u50cf\u4e0a\u4efb\u53d6\u4f4d\u4e8eDOG\u91d1\u5b57\u5854\u7684\u7b2cs\u5c42\u7684\u4e00\u4e2a\u91c7\u6837\u70b9\uff1b\u6b65\u9aa42\uff1a\u5c06\u91c7\u6837\u70b9\u8ddfs\u5c42\u76848\u4e2a\u76f8\u90bb\u6bd4\u8f83\u70b9\u9010\u4e00\u6bd4\u8f83\u5206\u522b\u83b7\u5f97s\u5c42\u76848\u4e2a\u6bd4\u8f83\u7ed3\u679c\uff1b\u6b65\u9aa43\uff1a\u57fa\u4e8es\u5c42\u76848\u4e2a\u6bd4\u8f83\u7ed3\u679c\u5f97\u5230s\u5c42\u7684\u6781\u503c\u70b9\uff1b\u6b65\u9aa44\uff1a\u5c06s\u5c42\u7684\u6781\u503c\u70b9\u8ddfs+1\u5c42\u76849\u4e2a\u76f8\u90bb\u6bd4\u8f83\u70b9\u9010\u4e00\u6bd4\u8f83\u5206\u522b\u83b7\u5f97s+1\u5c42\u76849\u4e2a\u6bd4\u8f83\u7ed3\u679c\uff1b\u6b65\u9aa45\uff1a\u57fa\u4e8es+1\u5c42\u76849\u4e2a\u6bd4\u8f83\u7ed3\u679c\u5f97\u5230s+1\u5c42\u7684\u6781\u503c\u70b9\uff1b\u6b65\u9aa46\uff1a\u5c06s+1\u5c42\u7684\u6781\u503c\u70b9\u8ddfs\u20111\u5c42\u76849\u4e2a\u76f8\u90bb\u6bd4\u8f83\u70b9\u9010\u4e00\u6bd4\u8f83\u5206\u522b\u83b7\u5f97s\u20111\u5c42\u76849\u4e2a\u6bd4\u8f83\u7ed3\u679c\uff1b\u6b65\u9aa47\uff1a\u57fa\u4e8es\u20111\u5c42\u76849\u4e2a\u6bd4\u8f83\u7ed3\u679c\u5f97\u5230\u8be5s\u20111\u5c42\u7684\u6781\u503c\u70b9\uff1b\u6b65\u9aa48\uff1as\u20111\u5c42\u3001s\u5c42\u548cs+1\u5c42 The extremal points are further compared to obtain the final extreme points as the local key points of the image. The invention has the advantages of small calculation amount and high image registration speed while ensuring the accuracy of image registration.

【技术实现步骤摘要】
一种基于改进SIFT算法的图像关键点检测方法
本专利技术涉及一种基于改进SIFT算法的图像关键点检测方法。
技术介绍
目前在基于改进SIFT算法的图像拼接相关技术中，主要缺点表现为：步骤较多，计算复杂且计算量较大，计算速率低，导致图像配准效率低；其他相关技术中，在计算量上降低了，相对提高了配准速率，但是在配准精确度上也降低了，现实要求中得不到满足。
技术实现思路
本专利技术的目的在于克服现有技术中图像配准速率跟图像配准精确度不能并存的不足，提供一种基于改进SIFT算法的图像关键点检测方法。本专利技术采用的技术方案是：一种基于改进SIFT算法的图像关键点检测方法，其包括以下步骤：步骤1：首先从图像上任取一个采样点（x1,y1,s）,(x1,y1)表示采样点的坐标，s表示采样点位于DOG金字塔的第s层；步骤2：将此采样点跟该s层的8个相邻比较点进行逐一比较；分别获得s层的8个比较结果；步骤3：基于s层的8个比较结果判断得到该s层的极值点；步骤4：将s层的极值点跟该s+1层的9个相邻比较点进行逐一比较；分别获得s+1层的9个比较结果；步骤5：基于s+1层的9个比较结果判断得到该s+1层的极值点；步骤6：将s+1层的极值点跟该s-1层的9个相邻比较点进行逐一比较；分别获得s-1层的9个比较结果；步骤7：基于s-1层的9个比较结果判断得到该s-1层的极值点；步骤8：所述s-1层、s层和s+1层的极值点进一步比较得到最终极值点作为图像的局部关键点。进一步地，所述步骤2中8个比较结果依次记为Δd1—Δd8，其中Δd带正负号，正值表示采样点大于比较点，负值表示采样点小于比较点。进一步地，所述步骤3判断极值点的方法为：当Δd1—Δd8的值都为正数时，则采样点是该s层的极大值，并将该s层的极大值的作为s层的极值点；当Δd1—Δd8的值都为负数时，则采样点是该s层的极小值，并将该s层的极小值的作为s层的极值点；当Δd1—Δd8的值既有正数又有负数时，则选择Δd1—Δd8绝对值最大的比较点作为s层的极值点。进一步地，所述步骤4中9个比较结果依次记为Δd9—Δd17，其中Δd带正负号，正值表示s层的极值点大于比较点，负值表示s层的极值点小于比较点。进一步地，所述步骤5判断极值点的方法为：当Δd9—Δd17的值都为正数时，则s层的极值点是该s+1层的极大值，并将该s+1层的极大值的作为s+1层的极值点；当Δd9—Δd17的值都为负数时，则s层的极值点是该s+1层的极小值，并将该s+1层的极小值的作为s+1层的极值点；当Δd9—Δd17的值既有正数又有负数时，则选择Δd9—Δd17绝对值最大的比较点作为s+1层的极值点极值点。进一步地，所述步骤6中9个比较结果依次记为Δd18—Δd26，其中Δd带正负号，正值表示s+1层的极值点大于比较点，负值表示s+1层的极值点小于比较点。进一步地，所述步骤7判断极值点的方法为：当Δd18—Δd26的值都为正数时，则s+1层的极值点是该s-1层的极大值，并将该s-1层的极大值的作为s-1层的极值点；当Δd18—Δd26的值都为负数时，则s+1层的极值点是该s-1层的极小值，并将该s-1层的极小值的作为s-1层的极值点；当Δd18—Δd26的值既有正数又有负数时，则选择Δd18—Δd26绝对值最大的比较点作为极值点。本专利技术采用以上技术方案，在极值点检测过程中采用局部检测的方法可以有效的弥补这些缺陷。采用单层搜索极值点，减少了全局搜索极值点的计算开销；单层间的采样点与相邻比较点进行逐一比较并实时将当前得到的极值点替换为当前的采样点，提高了极值点的检测精确度且不会丢失极值点。附图说明以下结合附图和具体实施方式对本专利技术做进一步详细说明；图1为本专利技术一种基于改进SIFT算法的图像关键点检测方法的流程示意图。具体实施方式如图1所示，本专利技术公开一种基于改进SIFT算法的图像关键点检测方法，其包括以下步骤：步骤1：首先从图像上任取一个采样点（x1,y1,s）,(x1,y1)表示采样点的坐标，s表示采样点位于DOG金字塔的第s层；步骤2：将此采样点跟该s层的8个相邻比较点进行逐一比较；分别获得s层的8个比较结果；步骤3：基于s层的8个比较结果判断得到该s层的极值点；步骤4：将s层的极值点跟该s+1层的9个相邻比较点进行逐一比较；分别获得s+1层的9个比较结果；步骤5：基于s+1层的9个比较结果判断得到该s+1层的极值点；步骤6：将s+1层的极值点跟该s-1层的9个相邻比较点进行逐一比较；分别获得s-1层的9个比较结果；步骤7：基于s-1层的9个比较结果判断得到该s-1层的极值点；步骤8：所述s-1层、s层和s+1层的极值点进一步比较得到最终极值点作为图像的局部关键点。进一步地，所述步骤2中8个比较结果依次记为Δd1—Δd8，其中Δd带正负号，正值表示采样点大于比较点，负值表示采样点小于比较点。进一步地，所述步骤3判断极值点的方法为：当Δd1—Δd8的值都为正数时，则采样点是该s层的极大值，并将该s层的极大值的作为s层的极值点；当Δd1—Δd8的值都为负数时，则采样点是该s层的极小值，并将该s层的极小值的作为s层的极值点；当Δd1—Δd8的值既有正数又有负数时，则选择Δd1—Δd8绝对值最大的比较点作为s层的极值点。进一步地，所述步骤4中9个比较结果依次记为Δd9—Δd17，其中Δd带正负号，正值表示s层的极值点大于比较点，负值表示s层的极值点小于比较点。进一步地，所述步骤5判断极值点的方法为：当Δd9—Δd17的值都为正数时，则s层的极值点是该s+1层的极大值，并将该s+1层的极大值的作为s+1层的极值点；当Δd9—Δd17的值都为负数时，则s层的极值点是该s+1层的极小值，并将该s+1层的极小值的作为s+1层的极值点；当Δd9—Δd17的值既有正数又有负数时，则选择Δd9—Δd17绝对值最大的比较点作为s+1层的极值点极值点。进一步地，所述步骤6中9个比较结果依次记为Δd18—Δd26，其中Δd带正负号，正值表示s+1层的极值点大于比较点，负值表示s+1层的极值点小于比较点。进一步地，所述步骤7判断极值点的方法为：当Δd18—Δd26的值都为正数时，则s+1层的极值点是该s-1层的极大值，并将该s-1层的极大值的作为s-1层的极值点；当Δd18—Δd26的值都为负数时，则s+1层的极值点是该s-1层的极小值，并将该s-1层的极小值的作为s-1层的极值点；当Δd18—Δd26的值既有正数又有负数时，则选择Δd18—Δd26绝对值最大的比较点作为极值点。本专利技术采用以上技术方案，相对的，在极值点检测过程中采用局部检测的方法可以有效的弥补这些缺陷。采用单层搜索极值点，减少了全局搜索极值点的计算开销；单层间的采样点与相邻比较点进行逐一比较并实时将当前得到的极值点替换为当前的采样点，提高了极值点的检测精确度且不会丢失极值点。本文档来自技高网...

【技术保护点】
一种基于改进SIFT算法的图像关键点检测方法，其特征在于：其包括以下步骤：步骤1：从图像上任取位于DOG金字塔的第s层的一个采样点；步骤2：将此采样点跟该s层的8个相邻比较点进行逐一比较；分别获得s层的8个比较结果；步骤3：基于s层的8个比较结果判断得到该s层的极值点；步骤4：将s层的极值点跟该s+1层的9个相邻比较点进行逐一比较；分别获得s+1层的9个比较结果；步骤5：基于s+1层的9个比较结果判断得到该s+1层的极值点；步骤6：将s+1层的极值点跟该s‑1层的9个相邻比较点进行逐一比较；分别获得s‑1层的9个比较结果；步骤7：基于s‑1层的9个比较结果判断得到该s‑1层的极值点；步骤8：所述s‑1层、s层和s+1层的极值点进一步比较得到最终极值点作为图像的局部关键点。

【技术特征摘要】
1.一种基于改进SIFT算法的图像关键点检测方法，其特征在于：其包括以下步骤：步骤1：从图像上任取位于DOG金字塔的第s层的一个采样点；步骤2：将此采样点跟该s层的8个相邻比较点进行逐一比较；分别获得s层的8个比较结果；步骤3：基于s层的8个比较结果判断得到该s层的极值点；步骤4：将s层的极值点跟该s+1层的9个相邻比较点进行逐一比较；分别获得s+1层的9个比较结果；步骤5：基于s+1层的9个比较结果判断得到该s+1层的极值点；步骤6：将s+1层的极值点跟该s-1层的9个相邻比较点进行逐一比较；分别获得s-1层的9个比较结果；步骤7：基于s-1层的9个比较结果判断得到该s-1层的极值点；步骤8：所述s-1层、s层和s+1层的极值点进一步比较得到最终极值点作为图像的局部关键点。2.根据权利要求1所述一种基于改进SIFT算法的图像关键点检测方法，其特征在于：所述步骤2中8个比较结果依次记为Δd1—Δd8，其中Δd带正负号，正值表示采样点大于比较点，负值表示采样点小于比较点。3.根据权利要求2所述一种基于改进SIFT算法的图像关键点检测方法，其特征在于：所述步骤3判断极值点的方法为：当Δd1—Δd8的值都为正数时，则采样点是该s层的极大值，并将该s层的极大值的作为s层的极值点；当Δd1—Δd8的值都为负数时，则采样点是该s层的极小值，并将该s层的极小值的作为s层的极值点；当Δd1—Δd8的值既有正数又有负数时，则选择Δd1—Δd8绝对值最大的比较点作为s层的极值点。4.根据权利要求3所述一种基...

【专利技术属性】
技术研发人员：金彪，黄小梅，沙晋明，熊金波，林劼，李璇，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35