一种基于余弦测度的改进PCA-SIFT图像配准方法技术

本发明专利技术公开了一种在实现SIFT特征描述符的降维技术基础上，结合欧式距离度量与余弦相似测度度量进行特征匹配的方法。根据PCA可以实现降低维度的特点，首先实现传统128维SIFT描述符的降维。在此基础上，结合欧式距离与余弦相似度，分别在距离与方向上进行特征点相似度的计算，从而实现快速、精确的图像特征匹配。

An improved PCA-SIFT image registration method based on cosine measure

【技术实现步骤摘要】
一种基于余弦测度的改进PCA-SIFT图像配准方法
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提取、图像配准、图像识别等领域。
技术介绍
SIFT(尺度不变特征变换)算法，是目前国内外特征点匹配研究领域的热点，其匹配能力很强，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。但是该方法存在两个缺点，一个是由于该特征描述子是通过对特征点邻域构建三维梯度方向直方图来产生128维特征向量，其维度很高，导致计算量大，耗时长；另一点是该方法用于图像配准时存在一定的错误率。针对特征向量维度太高的问题，使用PCA(主成分分析)技术可以将特征向量的维度降低，从而降低数据量，加快计算速度。针对匹配准确度的问题，常用的是距离测度函数，通过判定两向量的距离来判别两幅图像特征点集合是否配准，我们在此基础上引入余弦相似测度，进行方向上的限制，从而提高匹配的准确度。
技术实现思路
本专利技术的目的在于提供一种可以同时实现PCA技术对SIFT特征描述符降维以及在欧式距离测度基础上添加余弦相似测度，从而同时实现基于PCA技术的SIFT特征匹配方法的快速、准确图像配准。实现本专利技术的技术方案为：一本文档来自技高网...

【技术保护点】
1.一种基于余弦测度的改进PCA‑SIFT图像配准方法，其特征在于，包括以下步骤:步骤一:构建高斯差分(DOG)尺度空间，在DOG空间搜索极值点，初步确定特征点位置与所在尺度。步骤二: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信息。步骤三:计算特征点邻域梯度直方图，为特征点分配方向信息。步骤四:生成PCA‑SIFT描述子。将每个以特征点为中心的41×41邻域并将其旋转到主方向，计算像邻域内(最外层不计算)每个像素的水平、竖直方向的梯度，得到描述该特征点的2×39×39＝3042维的描述子。所有特征点的描述子按顺序放入描述子矩阵中。步骤五:计算描述子矩阵的协方差矩阵...

【技术特征摘要】
1.一种基于余弦测度的改进PCA-SIFT图像配准方法，其特征在于，包括以下步骤:步骤一:构建高斯差分(DOG)尺度空间，在DOG空间搜索极值点，初步确定特征点位置与所在尺度。步骤二: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信息。步骤三:计算特征点邻域梯度直方图，为特征点分配方向信息。步骤四:生成PCA-SIFT描述子。将每个以特征点为中心的41×41邻域并将其旋转到主方向，计算像邻域内(最外层不计算)每个像素的水平、竖直方向的梯度，得到描述该特征点的2×39×39＝3042维的描述子。所有特征点的描述子按顺序放入描述子矩阵中。步骤五:计算描述子矩阵的协方差矩阵，得到该矩阵的特征值与特征向量，并按照特征值从大到小的顺序保留前k个特征值对应的特征向量，得到投影矩阵。步骤六:将描述子矩阵与投影矩阵相乘，得到降维后的新的描述子矩阵，用于图像匹配。步骤七:基于距离测度与余弦相似度，对特征描述符集合的匹配同时建立距离以及方向上的约束，提高匹配准确度。2.根据权利要求1所述的一种基于余弦测度的改进PCA-SIFT图像配准方法，其特征在于，特征描述符采用基本的PCA-SIFT方法，可以将128维SIFT描述符简化为k维(k＜128)的描述子；最终的配准过程依据的是距离测度函数和余弦测度函数，其中距离测度函数约束两向量的距离，余弦测度函数约束两向量的方向关系，二者的结合有效的提高了配准的准确度。整个过程技术要求为：建立高斯差分尺度空间(DOG)，方法为下式：D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)在DOG空间进行极值点初步探测。之后进行去除低对比度点和边缘响应的过程，依据为特征点周围差分图像的Hessian矩阵：用Tr(H)＝Dxx+Dyy表示该矩阵的迹，Det(H)＝DxxDyy-(Dxy)2表示该矩阵行列式的值，判定条件为：通常取r＝10,如果上式成立，则保留该特征点，否则就舍去该特征点。之后进行特征...

【专利技术属性】
技术研发人员：王伟波，刘鹏飞，吴必伟，
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