本发明专利技术属于图像处理技术领域，涉及一种基于ＤＡＩＳＹ的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）组织高斯权值窗口里的像素单元，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。实际上，并不是如名称中所说的那样仅仅是提取角点而已，而是所有的在多个 方向上具有显著梯度的特征点。但是，Harris corner detector的局限性相对较大，因 为它对图像尺度的縮放非常敏感。为了去除或是减弱图像尺度改变的影响，Lowe提出SIFT 解决了尺度縮放所带来的问题，当然它也保证了旋转不变性甚至在一定程度能容忍光照、 仿射变换和遮盖等影响。SURF,简单来讲是一个加速版的SIFT，它与SIFT都采用一种辅 助区域策略，也就是说以特征点为中心指定一个辅助区域，在这个区域中的像素共同决 定特征点的描述。不同的是SIFT采用一种根据区域中不同像素对特征点贡献不同的策略 来给它们赋予权值，而SURF则仅仅采用基于积分图像(integral image)的相等权值策 略。HOG结合SVM (支持向量机)提供了一种基于梯度信息的人类检测方法。GLOH则是 SIFT的另一变种形式，它利用圆形策略来组织辅助区域，目的是增强特征的健壮性和突 出性，初始的GLOH描述符有272维，但经过PCA (主成分分析)操作，使272维降至与 SIFT相同的128维，保证在不丢失关键信息的基础上，提高匹配操作的效率。DAISY利 用环形辅助区域来提高特征描述符的健壮性，它的辅助区域形状结合了 GLOH和SIFT的 优势(如图l所示)，这种辅助区域的优势使DAISY本身就对旋转具有健壮性。上述的 所有方法，虽然可以很好的解决旋转、尺度变化甚至是光照变化和仿射等图像上的变形， 但是几乎所有的方法都没有考虑到镜面成像一类的情况，这种情况在现实生活中是很常3见的，例如水面倒影，镜面成像，对称物体的不同角度观察等等。 参考文献1C. Harris禾Q M.丄Stephens,《角边探测器》，J/ve少^^资会议,vol. 20, pp. 147—152， 1卯8.2D. G. Lowe,《选自尺度不变关键点的独特图像特征》，/￥#"教欲贵腐厥教豫vol. 60， pp. 91—110, 2004.3H. Bay, T. Tuytelaars,禾fl L. Van Gool.,《Surf:加速提取健壮性特征》，伊#"教叛货欲辨/ 会汰pp. 404-417, 2006.4N. Dalai和B. Triggs,《基于方向梯度直方图的人类探测》，伊,教欲资力#^资撒腐/^会议,vol. 1, pp. 886^893, 2005.5 K. Mikolajczyk和C. Schmid,《局部特征描述符的性能估计》漠式分桥J 教器f7激会賴vol. 27, pp. 1651-1630, 2004.6E. Tola,V. Lepetit和P. Fua,《一种快速的密集型匹配描述符》，##"教裸_#浙漠式识，，pp. 1—8, 2008.
技术实现思路
本专利技术的目的在于克服现有技术的上述不足，提供一种能够解决镜面翻转现象所导 致的SIFT、 DAISY等特征提取方法失效的问题，同时又保持DAISY的所有优点和性能， 以及增加了尺度上的健壮性。换句话说，提供一种在翻转前后两种情况下保持同一描述 形式的特征提取和描述方法，也即具有镜面翻转不变性的特征提取和描述方法。为此， 本专利技术采用如下的技术方案一种基于DAISY的具有镜面翻转不变性的特征提取和描述方法步骤l:对输入的图像/(;c,力进行高斯核巻积处理，艮卩Z(;c，乂o")-G(;c,;^"/(x,力，得到多尺度空间表达的图像丄(x，;;,cr)，式中，G(j^，0") = ( + 2,其中cr为高斯正态分布的方差；步骤2:对多尺度空间表达的图像丄(;c,少,o")按照下列公式进行高斯差处理 少,o") = (GO,_y， yhr) — GO，_y， cr》* /(>,力- Z(x,乂 — "x, _y, o")，检测多尺度空间表达的图像Z(x,y,oO的极值点；步骤3:利用阈值法和黑塞矩阵法筛选特征点，剔除具有低对比度和边缘响应的备选点；步骤4:采用拟合三维二次曲线的方式精确定位特征点位置；步骤5:根据特征点辅助邻域像素上的梯度方向0(;c,力和大小W(JC，力的信息，确定 每一个特征点的方向参数，其中力=+ —丄(X — l,y))2 + +1)—丄(x，y — l))2 ，= taiT'一^，y + ^一一，并采用直方图的形式，结合以特征点为圆心的 ￡(jc +1, ;0 _ Z(x — 1，少)高斯权值窗口，根据整个邻域中的各个像素点的梯度大小和方向进行统计，并确定主方 向； '步骤6:对分别以主方向为分界线的两侧的梯度模值求和，计算(U)/2 (Ww -2)/2附,=!^("广"l)。/《和附广，其中，A^"是所有方向的总数， 则是主方向的索引并且A表示在方向^上的梯度模值，％代表取模操作；步骤7:根据已确定的特征点及其主方向信息，以特征点位置为中心划分辅助区域， 将整个区域划分为25个像素单元，这25个单元分布在4个层次上，除中心一层仅l个 圆形像素单元以外，其他3层都分布8个圆形像素单元，并且每个圆形像素单元的半径 与它的圆心距特征点的距离成正比，在每个圆形像素单元中，梯度信息被归划到8个方 向，使用(1+3X8) X8=200维的向量来表示特征描述符；步骤8:判断w、附,与rmax(w^,附J的关系，如果满足w, > rmax{wr，w,},其中r为闽值，那么特征描述符将从内向外、顺时针进行编码；如果满足m,〉rmax(/^,mj，那么特征描述符将从内向外、逆时针进行编码。本专利技术基于DIASY，提出命名为MIFT-DAISY的新方法，MIFT-MISY主要解决的就是 合理组织特征点描述符使得这类问题得以解决，并增强DAISY的尺度上的健壮性。 MIFT-DAISY与DAISY在镜面成像情况下的比较结果如图2所示。本专利技术增加了特征描述 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。当今计算机视觉领域中 所有的特征提取和描述的方法并未对镜面成像的情况有所考虑和处理,虽然像H本文档来自技高网...
【技术保护点】
一种基于ＤＡＩＳＹ的具有镜面翻转不变性的特征提取和描述方法 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：利用阈值法和黑塞矩阵法筛选特征点，剔除具有低对比度和边缘响应的备选点； 步骤４：采用拟合三维二次曲线的方式精确定位特征点位置 ； 步骤５：根据特征点辅助邻域像素上的梯度方向θ（ｘ，ｙ）和大小ｍ（ｘ，ｙ）的信息，确定每一个特征点的方向参数，其中： ｍ（ｘ，ｙ）＝＊＊＊， θ（ｘ，ｙ）＝ｔａｎ↑［－１］（（Ｌ（ｘ，ｙ＋１）－Ｌ（ｘ，ｙ－１））／（Ｌ（ ｘ＋１，ｙ）－Ｌ（ｘ－１，ｙ）），并采用直方图的形式，结合以特征点为圆心的高斯权值窗口，根据整个邻域中的各个像素点的梯度大小和方向进行统计，并确定主方向； 步骤６：对分别以主方向为分界线的两侧的梯度模值求和，计算 ｍ↓［ｒ］＝＊ Ｌ↓［（ｎ↓［ｄ］－ｋ＋Ｎ↓［ｂｉｎ］）％Ｎ↓［ｂｉｎ］］和ｍ↓［ｌ］＝＊Ｌ↓［（ｎ↓［ｄ］＋ｋ＋Ｎ↓［ｂｉｎ］）％Ｎ↓［ｂｉｎ］］，其中，Ｎ↓［ｂｉｎ］是所有方向的总数，ｎ↓［ｄ］则是主方向的索引并且Ｌ↓［ｉ］表示在方向ｉ×２π／Ｎ↓［ｂｉｎ］上的梯度模值，％代表取模操作； 步骤７：根据已确定的特征点及其主方向信息，以特征点位置为中心划分辅助区域，将整个区域划分为２５个像素单元，这２５个单元分布在４个层次上，除中心一层仅１个圆形像素单元以外，其他３层都分布８个圆形像素 单元，并且每个圆形像素单元的半径与它的圆心距特征点的距离成正比，在每个圆形像素单元中，梯度信息被归划到８个方向，使用（１＋３×８）×８＝２００维的向量来表示特征描述符； 步骤８：判断ｍ↓［ｒ］、ｍ↓［ｌ］与τｍａｘ｛ｍ↓［ｒ］，ｍ↓［ ｌ］｝的关系，如果满足ｍ↓［ｒ］＞τｍａｘ｛ｍ↓［ｒ］，ｍ↓［ｌ］｝，其中τ为阈值，那么特征描述符将从内向外、顺时针进行编码；...
【技术特征摘要】
【专利技术属性】
技术研发人员：操晓春，郭晓杰，刘晗宇，李靖，徐庆，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]
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。