具有翻转不变性的图像特征提取和描述方法技术

本发明专利技术属于图像处理技术领域，涉及一种具有镜面翻转不变性的特征提取和描述方法，包括下列步骤：（１）对输入的图像进行高斯核卷积处理；（２）对图像继续进行高斯差处理，检测其极值点；（３）筛选特征点；（４）精确定位特征点位置；（５）确定每一个特征点的方向参数；（６）对分别以主方向为分界线的两侧的梯度模值求和；（７）划分辅助区域，组织像素单元，进行编码和归一化操作，从而生成对图像的描述数据。本发明专利技术增加了特征提取和描述方法对镜面成像问题的健壮性，扩展了计算机视觉的应用领域。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种图像特征提取方法。
技术介绍
当今的计算机技术发展飞速，计算机视觉和图像检索的应用领域越来越广泛，同时 也彰显出它们的重要性。热门的三维重建、物体识别、相机校准、机器人双目导航等等 都是建立在计算机视觉的基础之上，所以合理有效地解决计算机视觉所存在的问题或改 进不完善之处可以给计算机界甚至科学界带来巨大的推动。计算机视觉建立在一种令计 算机模拟人类〖哺乳类动物)视觉而达到一定程度的智能性的理念之上，连同图像检索 等都需要对图像的特征进行提取分析，所以图像特征的定义及提取方案有着举足轻重的 作用。当然，当今有多种解决方案，常见的有基于梯度的特征提取和描述方法，包括Harris corner detector1、SIFT2、SURF3、HOG4、GL0H5、DAISY6。 除了基于梯度的特征提取方法，还有基于轮廓提取等其它方法。由于本专利技术提出的 MIFT-DAISY是基于梯度的方法，所以对其它方法不予过多描述。其中Harris corner detector (哈里斯角点检测器)能够提取出在图像本身尺度上对于旋转和光照不变性的 特征点。实际本文档来自技高网...

【技术保护点】
一种具有翻转不变性的图像特征提取和描述方法，包括下列步骤：　　　　步骤１：对输入的图像Ｉ（ｘ，ｙ）进行高斯核卷积处理，即Ｌ（ｘ，ｙ，σ）＝Ｇ（ｘ，ｙ，σ）＊Ｉ（ｘ，ｙ），得到多尺度空间表达的图像Ｌ（ｘ，ｙ，σ），式中，Ｇ（ｘ，ｙ，σ）＝１／２πσ↑［２］ｅ↑［－（ｘ↑［２］＋ｙ↑［２］）／２σ↑［２］］，其中σ为高斯正态分布的方差；　　　　步骤２：对多尺度空间表达的图像Ｌ（ｘ，ｙ，σ）按照下列公式进行高斯差处理Ｄ（ｘ，ｙ，σ）＝（Ｇ（ｘ，ｙ，ｋσ）－Ｇ（ｘ，ｙ，σ））＊Ｉ（ｘ，ｙ）＝Ｌ（ｘ，ｙ，ｋσ）－Ｌ（ｘ，ｙ，σ），检测多尺度空间表达的图像Ｌ（ｘ，ｙ，σ）的极值点；　　　　步骤３：利用阈值...

【技术特征摘要】

【专利技术属性】
技术研发人员：操晓春，郭晓杰，孙济州，孙美君，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]