一种局部特征描述子的表示方法及系统技术方案

本发明专利技术提供一种局部特征描述子的表示方法及系统，其中方法包括生成sift特征描述子，还包括以下步骤：分别统计8个子区域内8个方向的梯度方向直方图；分别统计4个子区域块的8个方向的梯度方向直方图；统计1个区域块的8个方向的梯度方向直方图；将所述上述步骤得到的统计结果连接起来，生成关键点的特征描述子。本发明专利技术提出的局部特征描述子的表示方法及系统，通过将图像的金字塔空间划分方法融入到SIFT描述子的表示中，增加更多的空间信息。本发明专利技术方法概念简单，新的描述子具有更强的判别能力和鲁棒性。

A representation method and system of local feature descriptors

【技术实现步骤摘要】
一种局部特征描述子的表示方法及系统
本专利技术涉及计算机视觉
，具体地说是一种局部特征描述子的表示方法及系统。
技术介绍
DavidLowe于2004年提出的SIFT描述子是图像局部特征描述子中最有代表性的一种。SIFT描述子将特征点周围的4×4窗口分割成16个子区域，统计每个子区域的8个方向梯度直方图，最终形成128维的特征向量，具体详见DavidLowe.Distinctiveimagefeaturesfromscaleinvariantkeypoints.IJCV2004.。SIFT描述子对于光照变化、背景遮挡、旋转和尺度变换具有很好的不变性，被认为是性能最好的描述符之一。SIFT描述子虽然能够很好的使用图像的旋转不变性和平移不变性，但是仍然有改进的余地。Lowe[DavidLowe.Distinctiveimagefeaturesfromscaleinvariantkeypoints.IJCV2004.]实验结果表明：关键点采用4×4区域统计梯度直方图进行描述，形成大小4×4×8＝128维向量时，不变性与独特性的效果最优。申请号为CN105139014A的专利技术专利申请公开了一种计算图像局部特征描述子的方法，该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的矩阵转换成128维向量，之后即为局部特征描述子。该专利技术只考虑了子区域块位置上的关联性，没有考虑所有子区域块之间的空间关系。
技术实现思路
为了解决上述的技术问题，本专利技术提出的局部特征描述子的表示方法及系统，通过将图像的金字塔空间划分方法融入到SIFT描述子的表示中，增加更多的空间信息。本专利技术的第一目的是提供一种局部特征描述子的表示方法，包括生成sift特征描述子，，还包括以下步骤：步骤1：分别统计8个子区域内8个方向的梯度方向直方图；步骤2：分别统计4个子区域块的8个方向的梯度方向直方图；步骤3：统计1个区域块的8个方向的梯度方向直方图；步骤4：将所述步骤1、步骤2和步骤3的统计结果连接起来，生成关键点的特征描述子。优选的是，所述生成sift特征描述子的方法包括以下步骤：步骤01：采用4×4区域对关键点进行描述；步骤02：将0°～360°划分为8个方向范围，每个范围为45°，计算每个梯度方向的累加值。在上述任一方案中优选的是，每个所述子区域内共有8个方向的梯度强度信息。在上述任一方案中优选的是，所述步骤1还包括形成4x4x8＝128维的SIFT特征描述子，结果为[x1,x2,……,xj,……,x16]，其中，1≤j≤16,xj∈R8，R8表示8维的实数空间。在上述任一方案中优选的是，所述步骤2为将4×4的区域块变换为2×2的区域块，分别统计4个子区域块的8个方向的梯度方向直方图，结果为[y1,y2,y3,y4]，其中，y1,y2,y3,y4∈R8。在上述任一方案中优选的是，所述步骤3为将4×4个区域块变换为1×1的区域块，统计1个区域块的8个方向的梯度方向直方图，结果为[z1]，其中，z1∈R8。在上述任一方案中优选的是，所述关键点的特征描述子结果为[x1,x2,……,x16，y1,y2,y3,y4，z1]。专利技术的第二目的是提供一种局部特征描述子的表示系统，包括sift描述子生成模块，还包括以下模块：统计模块：用于统计8个子区域内8个方向的梯度方向直方图、4个子区域块的8个方向的梯度方向直方图和1个区域块的8个方向的梯度方向直方图；生成模块：用于将所述统计模块的统计结果连接起来，生成关键点的特征描述子。优选的是，所述sift描述子生成模块用于采用4×4区域对关键点进行描述，将0°～360°划分为8个方向范围，每个范围为45°，计算每个梯度方向的累加值。在上述任一方案中优选的是，每个所述子区域内共有8个方向的梯度强度信息。在上述任一方案中优选的是，所述统计模块还用于形成4x4x8＝128维的SIFT特征描述子，结果为[x1,x2,……,xj,……,x16]，其中，1≤j≤16,xj∈R8，R8表示8维的实数空间。在上述任一方案中优选的是，所述统计模块还用于将4×4的区域块变换为2×2的区域块，分别统计4个子区域块的8个方向的梯度方向直方图，结果为[y1,y2,y3,y4]，其中，y1,y2,y3,y4∈R8。在上述任一方案中优选的是，所述统计模块还用于将4×4个区域块变换为1×1的区域块，统计1个区域块的8个方向的梯度方向直方图，结果为[z1]，其中，z1∈R8。在上述任一方案中优选的是，所述关键点的特征描述子结果为[x1,x2,……,x16，y1,y2,y3,y4，z1]。本专利技术提出了一种局部特征描述子的表示方法及系统，方法概念简单，新的描述子具有更强的判别能力和鲁棒性。附图说明图1为按照本专利技术的局部特征描述子的表示方法的一优选实施例的流程图。图2为按照本专利技术的局部特征描述子的表示系统的一优选实施例的模块图。图3为按照本专利技术的局部特征描述子的表示方法的一优选实施例的基于金字塔空间划分的特征描述子示意图。图4为按照本专利技术的局部特征描述子的表示方法的一优选实施例的采用4×4区域统计梯度直方图进行关键点的特征描述示意图。具体实施方式下面结合附图和具体的实施例对本专利技术做进一步的阐述。实施例一如图1所示，执行步骤100，生成sift特征描述子，采用4×4区域对关键点进行描述，将0°～360°划分为8个方向范围，每个范围为45°，计算每个梯度方向的累加值。执行步骤110，分别统计8个子区域内8个方向的梯度方向直方图，每个所述子区域内共有8个方向的梯度强度信息，形成4x4x8＝128维的SIFT特征描述子，结果为[x1,x2,……,xj,……,x16]，其中，1≤j≤16,xj∈R8，R8表示8维的实数空间。执行步骤120，分别统计4个子区域块的8个方向的梯度方向直方图。将4×4的区域块变换为2×2的区域块，分别统计4个子区域块的8个方向的梯度方向直方图，结果为[y1,y2,y3,y4]，其中，y1,y2,y3,y4∈R8，R8表示8维的实数空间。执行步骤130，统计1个区域块的8个方向的梯度方向直方图。将4×4个区域块变换为1×1的区域块，统计1个区域块的8个方向的梯度方向直方图，结果为[z1]，其中，z1∈R8，R8表示8维的实数空间。执行步骤140，将步骤110、步骤120和步骤130的统计结果连接起来，生成关键点的特征描述子，结果为[x1,x2,……,x16，y1,y2,y3,y4，z1]。实施例二如图2所示，一种局部特征描述子的表示系统，包括sift描述子生成模块200、统计模块210和生成模块220。sift描述子生成模块200用于生成sift描述子，采用4×4区域对关键点进行本文档来自技高网...

【技术保护点】
1.一种局部特征描述子的表示方法，包括生成sift特征描述子，其特征在于，还包括以下步骤：/n步骤1：分别统计8个子区域内8个方向的梯度方向直方图；/n步骤2：分别统计4个子区域块的8个方向的梯度方向直方图；/n步骤3：统计1个区域块的8个方向的梯度方向直方图；/n步骤4：将所述步骤1、步骤2和步骤3的统计结果连接起来，生成关键点的特征描述子。/n

【技术特征摘要】
1.一种局部特征描述子的表示方法，包括生成sift特征描述子，其特征在于，还包括以下步骤：
步骤1：分别统计8个子区域内8个方向的梯度方向直方图；
步骤2：分别统计4个子区域块的8个方向的梯度方向直方图；
步骤3：统计1个区域块的8个方向的梯度方向直方图；
步骤4：将所述步骤1、步骤2和步骤3的统计结果连接起来，生成关键点的特征描述子。


2.如权利要求1所述的局部特征描述子的表示方法，其特征在于，所述生成sift特征描述子的方法包括以下步骤：
步骤01：采用4×4区域对关键点进行描述；
步骤02：将0°～360°划分为8个方向范围，每个范围为45°，计算每个梯度方向的累加值。


3.如权利要求2所述的局部特征描述子的表示方法，其特征在于，每个所述子区域内共有8个方向的梯度强度信息。


4.如权利要求3所述的局部特征描述子的表示方法，其特征在于，所述步骤1还包括形成4x4x8＝128维的SIFT特征描述子，结果为[x1,x2,……,xj,……,x16]，其中，1≤j≤16,xj∈R8，R8表示8维的实数空间。


5.如权利要求4所述的局部特征描述子的表示方法，其特征在于，所述步骤2为将4×4的区域块变换为2×2的区域块，分别统计4个子区域块...

【专利技术属性】
技术研发人员：梁晔，马楠，何勤，许亮，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京;11