图像局部特征描述方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种图像局部特征描述方法、装置、设备及介质，所述方法包括：按照像素点的灰度值，将图像中的局部特征区域划分为多个灰度子区间，每个灰度子区间中的像素点的灰度值在预定的灰度值范围内；获取各个灰度子区间的灰度值梯度信息；以及基于各个灰度子区间的灰度值梯度信息，形成所述局部特征区域的局部描述符。通过本发明专利技术实施例提供的技术方案，能够提升图像局部特征描述的稳健性、可区分性，并降低特征向量的维数。

Image Local Feature Description Method, Device, Equipment and Media

【技术实现步骤摘要】
图像局部特征描述方法、装置、设备及介质
本专利技术涉及计算机
，尤其涉及一种图像局部特征描述方法、装置、设备及介质。
技术介绍
图像局部特征在视频信号传输、图像匹配与检索、机器人导航、目标识别等领域获得广泛的应用。图像局部特征描述方法是将图像分割成一些独立的局部区域，这些局部区域反应了图像的本质特征，然后对每个局部区域运用数学方法形成独特性的局部特征描述符(局部特征描述子向量)。通常需要具备两个特性，一是不变性，即能够抗击视角、光照、旋转、遮挡、噪音、尺度等变化带来的攻击，二是可区分性，即不同图像的局部特征，差异应尽可能大。现有的图像局部特征描述方法包括获取低维局部特征描述子向量、全局特征描述子向量、计算图像局部特征描述子向量等。但上述描述子向量的方法在仿射不变性、旋转不变性及高纬数特性的特征，不利于实时的图像匹配、分类及检索。综上所述，仍然需要一种改进的图像局部特征描述方案，以解决上述的至少一个问题。
技术实现思路
本专利技术实施例提供了一种图像局部特征描述方法、装置、设备和介质，按照像素点灰度值划分局部特征区域，能够抵抗光照模糊、灰度变化、视角变化、尺度变化等因素带来的攻击，并同时具备完全旋转不变性，且该描述符的向量维度较低，在图像配准、目标识别与分类等应用中，能够大大提高精准性和效率。第一方面，本专利技术实施例提供了一种图像局部特征描述方法，该方法包括：按照像素点的灰度值，将图像中的局部特征区域划分为多个灰度子区间，每个灰度子区间中的像素点的灰度值在预定的连续灰度值范围内；获取各个灰度子区间的灰度值梯度信息；以及基于各个灰度子区间的灰度值梯度信息，形成所述局部特征区域的局部描述符。第二方面，本专利技术实施例提供了一种图像局部特征描述装置，其特征在于，该装置包括：子区间划分单元，用于按照像素点的灰度值，将图像中的局部特征区域划分为多个灰度子区间，每个灰度子区间中的像素点的灰度值在预定的灰度值范围内；灰度值梯度信息获取单元，用于获取各个灰度子区间的灰度值梯度信息；以及局部描述符形成单元，用于基于各个灰度子区间的灰度值梯度信息，形成所述局部特征区域的局部描述符。本专利技术实施例提供了一种计算设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。本专利技术实施例提供的图像局部特征描述方法、装置、设备及介质，按照像素点灰度值划分局部特征区域，有序的空间灰度分布它对任意单调递增的灰度变化是不变，不仅融合了空间关系，还能够处理更复杂的非线性的亮度变化，对光照模糊具有很好的抵抗性；其次，在局部特征区域内建立关于像素点的坐标系，以此坐标系为基准，计算像素点的梯度幅值和方向，保证完全旋转不变性；最后联合各子区间形成低维的局部特征描述子。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，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了根据本专利技术一个实施例的图像局部特征描述方法的示意性流程图。图2示出了根据本专利技术一个实施例的Hessian-Affine检测出的特征区域。图3示出了根据本专利技术一个实施例的局部区域按灰度大小的划分示意图。图4示出了根据本专利技术一个实施例的局部坐标系示意图。图5示出了根据本专利技术一个实施例的特征描述符的直方图形式的示意图。图6示出了根据本专利技术一个实施例的图像局部特征描述装置的示意图。图7示出了本专利技术实施例提供的计算设备的硬件结构示意图。具体实施方式下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。图像局部特征在视频信号传输、图像匹配与检索、机器人导航、目标识别等领域获得广泛的应用，其核心思想是将图像分割成一些独立的局部区域，这些局部区域反应了图像的本质特征，然后对每个局部区域运用数学方法形成独特性的描述子(向量)，通常需要具备两个特性，一是不变性，即能够抗击视角、光照、旋转、遮挡、噪音、尺度等变化带来的攻击，二是可区分性，即不同图像的局部特征，差异应尽可能大。近年来，出现了一些关于图像局部特征描述方法的专利技术方案：例如，一种获取低维局部特征描述子的方法，通过降维矩阵将描述子集合中的每一个局部特征描述子进行降维，获得与每一个局部特征描述子对应的低维局部特征描述子，以降低局部特征描述子的维度，并去除局部特征描述子的冗余信息。例如，一种全局特征描述子的聚合方法，通过根据所述局部特征描述子的重要性，将所有的局部特征描述子进行排序，并从所述排序后的局部特征描述子中选择若干个局部特征描述子，采用高斯混合模型对所述若干个局部特征描述子进行聚合，获得待处理图像的全局特征描述子，可降低全局特征描述子聚合过程中的时间复杂度，提高全局特征描述子的鉴别力和鲁棒性。例如，一种计算图像局部特征描述子的方法，通过变换矩阵对SIFT描述子进行变换，获得一个16x8的矩阵,然后对获得的16x8的矩阵变换成128维向量，之后即为局部特征描述子，新的描述子具有更强的判别能力和鲁棒性。例如，一种局部特征描述方法，首先对获得的局部兴趣区域归一化，然后利用极坐标采样网格划分局部块，对局部块进行量化采样，将其映射为2维矩阵并提取2维DCT频域特征，再按zigzag顺序扫描DCT系数矩阵，重排和筛选DCT特征，形成最终的局部描述符。本专利技术使用极坐标采样结构，不仅保留了局部块的原始空域信息，而且能够容忍一定的形变，增强描述符的鲁棒性。现有的技术未能解决如下的问题：1、仿射不变性：应对大视角变化下的图像，缺乏稳定性，主要原因受限于特征检测步骤中，如DOG(高斯差分算子)，因此关键在于如何选择具备仿射不变性的特征检测算法。2、旋转不变性：现有的描述符虽具备一定的旋转不变性，但并不是完全旋转不变性，例如SIFT、SURF、GLOH等通过关键点周围主方向确定的，主方向是通过极值点周围区域梯度直方图的主峰值确定的，但当图像出现旋转变化时，直方图统计主方向会存在偏差，所以并不是完全意义上的旋转不本文档来自技高网...

【技术保护点】
1.一种图像局部特征描述方法，其特征在于，所述方法包括：按照像素点的灰度值，将图像中的局部特征区域划分为多个灰度子区间，每个灰度子区间中的像素点的灰度值在预定的连续灰度值范围内；获取各个灰度子区间的灰度值梯度信息；以及基于各个灰度子区间的灰度值梯度信息，形成所述局部特征区域的局部描述符。

【技术特征摘要】
1.一种图像局部特征描述方法，其特征在于，所述方法包括：按照像素点的灰度值，将图像中的局部特征区域划分为多个灰度子区间，每个灰度子区间中的像素点的灰度值在预定的连续灰度值范围内；获取各个灰度子区间的灰度值梯度信息；以及基于各个灰度子区间的灰度值梯度信息，形成所述局部特征区域的局部描述符。2.根据权利要求1所述的方法，其特征在于，所述获取各个灰度子区间的灰度值梯度信息的步骤包括：计算兴趣点的梯度信息，其中所述兴趣点是所述局部特征区域内的像素点；以及分别对每个所述灰度子区间中的兴趣点的梯度信息进行统计，以得到相应灰度子区间的灰度值梯度信息。3.根据要求2所述的方法，其特征在于，所述计算兴趣点的梯度信息的步骤包括：以所述兴趣点为原点，以所述局部特征区域中的预定特征点和所述兴趣点的连线方向为一个坐标轴，建立局部坐标系，其中，另一个坐标轴垂直于所述连线方向；以及基于所述局部坐标系计算所述兴趣点的梯度信息。4.根据权利要求3所述的方法，其特征在于，所述基于所述局部坐标系计算所述兴趣点的梯度信息的步骤包括：基于样本点的灰度值计算所述兴趣点的梯度信息，其中，所述样本点是所述局部坐标系的两个坐标轴上与所述兴趣点邻近的像素点。5.根据权利要求4所述的方法，其特征在于，基于下述公式计算所述兴趣点的梯度信息：其中，以点P表示所述特征点，以点Pi表示所述兴趣点，表示所述样本点，I(pij)为所述样本点pij的灰度，m(pi)为所述兴趣点的梯度幅值，θ(pi)为所述兴趣点的方向角，j的取值为1，2，3，4，与在所述局部坐标系的一个坐标轴上，与在所述局部坐标系的另一个坐标轴上。6.根据权利要求3所述的方法，其特征在于，所述兴趣点的梯度信息包括基于所述局部坐标系表示的梯度方向和梯度幅值，所述分别对每个所述灰度子区间中的兴趣点的梯度信息进行统计以得到相应灰度子区间的灰度值梯度信息的步骤包括：对于预定数量的方向范围中的每一个，统计梯度方向在该方向范围内的兴趣点的个数或梯度幅值之和，得到对应于该方向范围的统计值；以及按第一预定顺序依次组合所述预定数量的方向范围...

【专利技术属性】
技术研发人员：蒋飞云，
申请(专利权)人：中国移动通信集团安徽有限公司，中国移动通信集团公司，
类型：发明
国别省市：安徽,34