【技术实现步骤摘要】
一种基于傅里叶变换的快速图像SIFT提取方法
本专利技术属于计算机视觉领域,特别是涉及图像的特征点快速提取、配准、与识别等领域。
技术介绍
SIFT(尺度不变特征变换)算法,是公认的综合匹配能力最强的图像匹配方法,具备缩放、平移、尺度等不变性,稳定性与抗噪性强,常用于处理两幅图像之间存在平移、旋转、仿射变换等条件下的配准。但是该方法又有不足之处,那就是由于高斯尺度金子塔的构建以及特征点的描述符计算等过程运算量大,耗时长。现有的改进多是针对如何提高SIFT特征点提取速度,同时尽可能实现综合性能的提升。
技术实现思路
本专利技术的目的在于提供一种可以实现快速SIFT特征提取的可靠方法,由于改进SIFT描述符会或多或少降低SIFT特征点进行图像匹配的性能,因此本专利技术从高斯尺度金子塔的构建入手。依据信号处理理论中的傅里叶变换的卷积定理,通过计算高斯卷积核和图片的傅里叶变换的乘积,再求逆变换的方法代替原有方法的在空域做卷积,大大减少了计算量与计算时间,从而实现快速的高斯差分图像金字塔的构建。同时本专利技术不改变描述符的生成方法,从而在保证性能的前提下加快该方法进行特征点提取的速度,实现快速、实时、稳定、可靠的SIFT特征点提取。实现本专利技术的技术方案为:一种基于傅里叶变换的快速图像SIFT提取方法,包括以下步骤:步骤一:基于傅里叶变换的卷积定理,构建高斯差分(DOG)尺度空间。步骤二:在DOG空间搜索极值点,初步确定特征点位置与所在尺度。步骤三:特征点的精确定位,同时消除低对比度并消除边缘响应,获得稳定的关键点的准确位置、所在尺度信息。步骤四:以1.5倍特征点所在 ...
【技术保护点】
1.一种基于傅里叶变换的快速图像SIFT提取方法,其特征在于,包括以下步骤:步骤一:基于傅里叶变换的卷积定理,构建高斯差分(DOG)尺度空间。步骤二:在DOG空间搜索极值点,初步确定特征点位置与所在尺度。步骤三:特征点的精确定位,同时消除低对比度并消除边缘响应,获得稳定的关键点的准确位置、所在尺度信息。步骤四:以1.5倍特征点所在尺度为邻域窗口,计算得到特征点邻域梯度直方图,为特征点分配主方向θ。步骤五:根据关键点周围16*16邻域计算生成SIFT特征描述符。
【技术特征摘要】
1.一种基于傅里叶变换的快速图像SIFT提取方法,其特征在于,包括以下步骤:步骤一:基于傅里叶变换的卷积定理,构建高斯差分(DOG)尺度空间。步骤二:在DOG空间搜索极值点,初步确定特征点位置与所在尺度。步骤三:特征点的精确定位,同时消除低对比度并消除边缘响应,获得稳定的关键点的准确位置、所在尺度信息。步骤四:以1.5倍特征点所在尺度为邻域窗口,计算得到特征点邻域梯度直方图,为特征点分配主方向θ。步骤五:根据关键点周围16*16邻域计算生成SIFT特征描述符。2.根据权利要求1所述的一种基于傅里叶变换的快速图像SIFT提取方法,其特征在于,在生成高斯差分图像金字塔时,基于傅里叶变换卷积定理,使用高斯卷积核函数的傅里叶变换和待配准图像的傅里叶变换的乘积的傅里叶逆变换代替原有方法的直接求高斯核函数与待配准图像的卷积,依托快速傅里叶变换的优势,大大降低了提取SIFT特征描述符的计算量与计算时间。其余步骤与传统SIFT特征提取算法保持一致,从而在保证SIFT稳定性、可靠性的同时,实现图像特征点的快速检测与描述。整个过程技术要求为:定义图像的尺度空间表达函数:L(x,y,σ)=G(x,y,σ)*I(x,y)其中*代表卷积,I(x,y)代表输入图像,G(x,y,σ)为尺度为σ的高斯核函数:而生成L(x,y,σ)的过程可以通过傅里叶变换的卷积定理得到加速,实现方法为:L(x,y,σ)=F-1{F{G(x,y,σ)}·F{I(x,y)}}其中,F{·}为傅里叶变换;F-1{·}为傅里叶逆变换。最后根据两个由常数因子k隔离开的相邻尺度生成高斯差分函数D(x,y,σ):D(x,y,σ)=L(x,y,kσ)-L(x,y,σ)之后,在DOG空间...
【专利技术属性】
技术研发人员:王伟波,刘鹏飞,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
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。