面向近重复图像匹配的ＳＩＦＴ特征裁减方法技术

本发明专利技术公开了一种面向近重复图像匹配的ＳＩＦＴ特征裁减方法。对图像库中每一幅图像进行高斯核卷积处理，得到图像关键点；对关键点对比度和关键点主曲率比分别进行高斯归一化，并进行线性加权得到显著度；按照关键点的显著度从小到大排序，选取用户指定数目的关键点，实现裁减；对裁减后的关键点，根据其位置、尺度和方向信息生成描述子，得到ＳＩＦＴ特征；对所有ＳＩＦＴ特征集合使用局部敏感哈希技术建立图像库索引，提供近重复图像匹配查询功能。利用了图像局部特征技术和局部敏感哈希技术的研究和实现成果，可以方便快捷的提供近重复图像查询能力，使用者根据应用需求调整裁减算法的加权系数和ＳＩＦＴ特征数目上限阈值，以提供最好的性能。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别是涉及一种面向近重复图像匹配的SIFT特 征裁减方法。
技术介绍
近重复图像匹配是存在于图像版权监控、图像检索等多个应用领域的重要问题。 不同的领域对于近重复图像的定义有所不同。本专利针对的近重复图像由源图像经过旋 转、縮放、剪切、亮度和对比度变化、色彩调整等生成。随着各种图像编辑工具的诞生，这也 成为互联网上近重复图像的主要来源。 近年来，SIFT技术在近重复图像匹配领域取得了诸多成果，但仍存在着一些问题。 SIFT技术最早提出于对象识别领域，其特点是能够对三维视角变换、光照投影、甚至是物体 扭曲保持一定的不变性，这些特性正是对象识别所需要的。与对象识别相比，近重复图像匹 配更注重于对旋转、縮放、仿射变换、亮度和对比度变化等保持不变性，其难度相对要小得 多，往往图像SIFT特征的子集就可以达到较高的匹配准确度。另一方面，图像的SIFT关键 点数目通常很大，且难以精确控制。如果关键点数目过大，不但计算关键点描述子的时间大 大增长，查询的效率也会大大降低，难以保证系统的稳定。因此，如何有效地控制关键点数 量，筛选最有效的关键点集，在不失匹配准确度的本文档来自技高网...

【技术保护点】
一种面向近重复图像匹配的ＳＩＦＴ特征裁减方法，其特征在于该方法的步骤如下：　　　　１）对图像库中每一幅图像进行高斯核卷积处理，使用高斯差分算子在得到的图像多尺度空间检测极值点，称为关键点；　　　　２）对图像提取的关键点对比度和关键点主曲率比分别进行高斯归一化；　　　　３）采用高斯归一化后的对比度和主曲率比的线性加权来衡量关键点的匹配能力，称为显著度；　　　　４）对步骤３）得到的关键点集合按照关键点的显著度从小到大排序，选取用户指定数目的关键点，实现裁减；　　　　５）对步骤４）裁减后的关键点，根据其位置、尺度和方向信息生成描述子，得到ＳＩＦＴ特征；　　　　６）对图像库所有图像提取的经过裁减的所有...

【技术特征摘要】
一种面向近重复图像匹配的SIFT特征裁减方法，其特征在于该方法的步骤如下1)对图像库中每一幅图像进行高斯核卷积处理，使用高斯差分算子在得到的图像多尺度空间检测极值点，称为关键点；2)对图像提取的关键点对比度和关键点主曲率比分别进行高斯归一化；3)采用高斯归一化后的对比度和主曲率比的线性加权来衡量关键点的匹配能力，称为显著度；4)对步骤3)得到的关键点集合按照关键点的显著度从小到大排序，选取用户指定数目的关键点，实现裁减；5)对步骤4)裁减后的关键点，根据其位置、尺度和方向信息生成描述子，得到SIFT特征；6)对图像库所有图像提取的经过裁减的所有SIFT特征集合使用局部敏感哈希技术建立图像库索引，提供近重复图像匹配查询功能。2. 根据权利要求1所述的一种面向近重复图像匹配的SIFT特征裁减方法，其特征在 于所述步骤1)中关键点表示图像的局部特征，一幅图像包含多个关键点。3. 根据权利要求1所述的一种面向近重复图像匹配的SIFT特征裁减方法，其特征在 于所述步骤2)中选用的高斯归一化方法保证归一化后的数列元素的取值范围为[O，l]， 该归一化公式为其中&为某个关键点的主曲率比，^为&归一化后的值，R为所有&的均值，Ci为某个 关键点的对比度，(^为&归一化后的值，C为所有&的均值。4. 根据权利要求1所述的一种面向近重复图像匹配的SIFT特征裁减方...

【专利技术属性】
技术研发人员：陈刚，寿黎但，胡天磊，陈珂，王金德，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]