基于优选空间的SIFT特征快速提取方法技术

本发明专利技术公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

【技术实现步骤摘要】
基于优选空间的SIFT特征快速提取方法
本专利技术涉及图像处理
，尤其涉及的是一种基于优选空间的SIFT特征快速提取方法。
技术介绍
计算机视觉是用计算机模拟人的视觉功能，来实现分类、测量、定位和检测等任务。特征点提取与描述是实现计算机视觉的重要图像分析技术之一，广泛用于医疗图像分析、遥感图像分析、图像检索和视觉定位应用中。通过比对特征点位置处的特征以及特征点的空间关系，克服图像的灰度变化、尺度变化和角度变化等问题，实现对物体的测量、定位和检测等。SIFT算法是基于特征点匹配的经典方法。SIFT算法由哥伦比亚大学Lowe教授提出，对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换和噪声也保持一定程度的稳定性，在图像配准领域应用广泛。现有技术中，SIFT特征提取的不足在于计算复杂度较高，提取特征时间较长，提取特征的效率较低。因此，现有技术还有待于改进和发展。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于优选空间的SIFT特征快速提取方法，旨在解决现有技术中图像的SIFT特征提取时效率低的问题。本专利技术解决技术问题所采用的技术方案如下：一种基于优选空间的SIFT特征快速提取方法，其中，包括步骤：获取确定优选特征空间的学习样本集；确定所述学习样本集对应的优选特征空间；其中，所述优选特征空间包括若干个特征空间层，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量依次排列；获取待匹配图像和所述待匹配图像对应的已知图像，基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配；当所述已知图像以及所述待匹配图像的配准特征数量满足预设要求时，所述待匹配图像匹配成功。所述的基于优选空间的SIFT特征快速提取方法，其中，所述学习样本集包括若干个原始图像；所述确定所述学习样本集对应的优选特征空间，包括：根据所述原始图像中的目标对所述学习样本集中各原始图像分别进行归一化，得到各原始图像各自分别对应的归一化图像；根据所述归一化图像的宽和高，确定尺度空间的特征空间层的数量；提取各归一化图像各自分别对应的SIFT特征，并确定各SIFT特征对应的特征空间层；对任意两个归一化图像各自分别对应的SIFT特征进行匹配，得到所述两个归一化图像的匹配特征对；根据所有匹配特征对，确定各特征空间层各自分别对应的配准特征数量；将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间。所述的基于优选空间的SIFT特征快速提取方法，其中，所述将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间，包括：当所述特征空间层对应的配准特征数量为0时，剔除该特征空间层；将配准特征数量不为0的特征空间层按照所述配准特征数量依次排列，以形成优选特征空间。所述的基于优选空间的SIFT特征快速提取方法，其中，所述两个归一化图像分别为第一归一化图像和第二归一化图像；所述对任意两个归一化图像各自分别对应的SIFT特征进行匹配，得到所述两个归一化图像的匹配特征对，包括：针对所述第一归一化图像中每一个SIFT特征，搜索所述第二归一化图像中与该SIFT特征对应的第二最佳匹配特征和第二次佳匹配特征；当该SIFT特征与所述第二最佳匹配特征的距离，以及该SIFT特征与所述第二次佳匹配特征的距离满足第一预设条件时，将所述第二最佳匹配特征作为第一候选配对特征；搜索所述第一归一化图像中与所述第一候选配对特征对应的第一最佳匹配特征和第一次佳匹配特征；当所述第一候选配对特征与所述第一最佳匹配特征的距离，以及所述第一候选配对特征与所述第一次佳匹配特征的距离满足第二预设条件时，将所述第一最佳匹配特征作为第二候选配对特征；当所述第一归一化图像中该SIFT特征为所述第二候选配对特征时，则将该SIFT特征和所述第二最佳匹配特征作为所述两个归一化图像的匹配特征对。所述的基于优选空间的SIFT特征快速提取方法，其中，所述第一预设条件为：该SIFT特征与所述第二最佳匹配特征的距离，以及该SIFT特征与所述第二次佳匹配特征的距离之比小于或等于85％；所述第二预设条件为：所述第一候选配对特征与所述第一最佳匹配特征的距离，以及所述第一候选配对特征与所述第一次佳匹配特征的距离之比小于或等于85％。所述的基于优选空间的SIFT特征快速提取方法，其中，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量从大至小依次排列；所述基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配，包括：根据所述优选特征空间中的第一个特征空间层以及所述第一个特征空间层的相邻特征空间层，确定所述第一个特征空间层对应的空间层集合；其中，所述第一个特征空间层的相邻特征空间层为所述尺度空间内与所述第一个特征空间层相邻的特征空间层；分别提取所述待匹配图像、所述已知图像在所述空间层集合中的SIFT特征后进行匹配；当所述已知图像以及所述待匹配图像的配准特征数量不满足预设要求时，根据所述优选特征空间中的下一个特征空间层以及所述下一个特征空间层的相邻特征空间层，确定所述下一个特征空间层对应的空间层集合，并继续执行分别提取所述待匹配图像、所述已知图像在所述空间层集合中的SIFT特征后进行匹配的步骤，直至遍历所述优选特征空间中的特征空间层时结束。所述的基于优选空间的SIFT特征快速提取方法，其中，所述根据所述优选特征空间中的第一个特征空间层以及所述第一个特征空间层的相邻特征空间层，确定所述第一个特征空间层对应的空间层集合之前，所述基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配，还包括：根据所述待匹配图像中的目标对所述待匹配图像进行归一化，得到待匹配归一化图像，并将所述待匹配归一化图像作为待匹配图像；根据所述已知图像中的目标对所述已知图像进行归一化，得到已知归一化图像，并将已知归一化图像作为已知图像。所述的基于优选空间的SIFT特征快速提取方法，其中，所述根据所有匹配特征对，确定各特征空间层各自分别对应的配准特征数量，包括：当所述匹配特征对为误匹配的匹配特征对时，剔除所述误匹配的匹配特征对；针对每一个匹配特征对，将该匹配特征对对应的两个特征空间的配准特征数量加一，以得到各特征空间层各自分别对应的配准特征数量。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。有益效果：先确定所述学习样本集对应的优选特征空间，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量依次排列，然后基于所述优选特征空本文档来自技高网...

【技术保护点】
1.一种基于优选空间的SIFT特征快速提取方法，其特征在于，包括步骤：/n获取确定优选特征空间的学习样本集；/n确定所述学习样本集对应的优选特征空间；其中，所述优选特征空间包括若干个特征空间层，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量依次排列；/n获取待匹配图像和所述待匹配图像对应的已知图像，基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配；/n当所述已知图像以及所述待匹配图像的配准特征数量满足预设要求时，所述待匹配图像匹配成功。/n

【技术特征摘要】
1.一种基于优选空间的SIFT特征快速提取方法，其特征在于，包括步骤：
获取确定优选特征空间的学习样本集；
确定所述学习样本集对应的优选特征空间；其中，所述优选特征空间包括若干个特征空间层，所述优选特征空间中的所述特征空间层按照所述特征空间层的配准特征数量依次排列；
获取待匹配图像和所述待匹配图像对应的已知图像，基于所述优选特征空间，对所述已知图像以及所述待匹配图像进行SIFT特征提取和匹配；
当所述已知图像以及所述待匹配图像的配准特征数量满足预设要求时，所述待匹配图像匹配成功。


2.根据权利要求1所述的基于优选空间的SIFT特征快速提取方法，其特征在于，所述学习样本集包括若干个原始图像；
所述确定所述学习样本集对应的优选特征空间，包括：
根据所述原始图像中的目标对所述学习样本集中各原始图像分别进行归一化，得到各原始图像各自分别对应的归一化图像；
根据所述归一化图像的宽和高，确定尺度空间的特征空间层的数量；
提取各归一化图像各自分别对应的SIFT特征，并确定各SIFT特征对应的特征空间层；
对任意两个归一化图像各自分别对应的SIFT特征进行匹配，得到所述两个归一化图像的匹配特征对；
根据所有匹配特征对，确定各特征空间层各自分别对应的配准特征数量；
将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间。


3.根据权利要求2所述的基于优选空间的SIFT特征快速提取方法，其特征在于，所述将所有特征空间层按照所述配准特征数量依次排列，以形成优选特征空间，包括：
当所述特征空间层对应的配准特征数量为0时，剔除该特征空间层；
将配准特征数量不为0的特征空间层按照所述配准特征数量依次排列，以形成优选特征空间。


4.根据权利要求2所述的基于优选空间的SIFT特征快速提取方法，其特征在于，所述两个归一化图像分别为第一归一化图像和第二归一化图像；
所述对任意两个归一化图像各自分别对应的SIFT特征进行匹配，得到所述两个归一化图像的匹配特征对，包括：
针对所述第一归一化图像中每一个SIFT特征，搜索所述第二归一化图像中与该SIFT特征对应的第二最佳匹配特征和第二次佳匹配特征；
当该SIFT特征与所述第二最佳匹配特征的距离，以及该SIFT特征与所述第二次佳匹配特征的距离满足第一预设条件时，将所述第二最佳匹配特征作为第一候选配对特征；
搜索所述第一归一化图像中与所述第一候选配对特征对应的第一最佳匹配特征和第一次佳匹配特征；
当所述第一候选配对特征与所述第一最佳匹配特征的距离，以及所述第一候选配对特征与所述第一次佳匹配特征的距离满足第二预设条件时，将所述第一最佳匹配特征作为第二候选配对特征；
当所述第一归一化图像中该SIFT特征为所述第二候选配对特征时，则将该SIFT特征和所述第二最佳匹配特征作为所述两个归一化图像的匹配特征对。


5.根据...

【专利技术属性】
技术研发人员：陈绵书，张雅琦，张子墨，李晓妮，桑爱军，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22