图像的兴趣点的描述向量的计算方法和装置制造方法及图纸

本发明专利技术实施例提出了一种图像的兴趣点的描述向量的计算方法和装置。该方法主要包括：在兴趣点所在的高斯尺度空间中选取窗体区域，将所述窗体区域划分为设定数量个子区域，在每个子区域中选取设定数量个的采样点，计算出每个采样点的位置坐标和导数坐标；将所述每个子区域划分为设定数量个分区域，根据所述设定数量个分区域的划分方法所对应的计算方法和所述每个采样点的位置坐标和导数坐标，计算得到每个子区域对应的描述向量因子；将所有子区域对应的描述向量因子进行综合，得到所述兴趣点的描述向量。利用本发明专利技术，可以明显降低图像的兴趣点的描述向量的计算量。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其涉及图像处理中一种图像的兴趣点的描述向量的 计算方法和装置。
技术介绍
图像匹配是对同一场景获取的多幅图像中两两分析并找出相对应区域，不需要恢 复图像的空间几何关系。图像匹配技术目前比较流行的就是基于局部特征的匹配，原因是 待匹配的图像之间一般都存在几何上和光度上的变化，本质上都是非线性变化，所以只能 在局部范围找到最大程度相似的图像片，通过对这些图像片进行描述，实现图像局部的匹 配。基于局部特征的图像匹配技术主要包括图像的兴趣点的检测和兴趣点的描述向量的 生成，上述兴趣点为图像的感兴趣区域中具有显著特征的像素点。现有技术中的一种兴趣点的描述向量的生成方法为SIFT(SCaleInvariant Features Transformation，基于梯度向量空间统计分布的局部特征描述方法)方法。该方 法的处理过程主要包括1、在兴趣点位置附近选择一个区域，该区域的大小是兴趣点特征尺度的线性函 数；2、将上述区域分成4X4共16个子区域(sub-segion)；3、在每个子区域中选取一个采样点，计算每个采样点的梯度大小和方向，并对采 样点的梯度大小进行加权，将加权后的梯度大小作为采样点的梯度大小；采样点的梯度大小和方向计算公式如下m(x, _y) = 7(/(x +1’ j) - /(χ — Iy))2 + (I(x, j +1) — I (X, y-\))2θ (χ, y) = taiT1 (I (χ, y+1) -I (χ, y-1)/I (x+1，y) -I (x_l，y))4、通过插值方法计算每个采样点所在的子区域的方向直方图，每个子区域需要进 行8次插值运算。根据上述得到的每个采样点的梯度大小和方向，和每个子区域的方向直方图，计 算得到每个采样点的描述向量因子。然后，综合所有采样点的描述向量因子得到一个兴趣 点的描述向量。上述现有技术中的兴趣点的描述向量的生成方法的缺点为在SIFT方法中，每个 采样点都要进行一次梯度的大小和方向计算，进行8次插值运算，每次插值要包含4次浮点 乘法和其它相关浮点操作。而一个局部特征涉及计算的采样点数平均在2000到4000左 右。而一副500X500的图像，其兴趣点的数量一般也是1000以上。因此，在该SIFT方法 中，计算兴趣点的描述向量的计算量比较大，计算的复杂度比较大，兴趣点的描述向量的生 成速度比较慢，该SIFT方法效率比较低下。
技术实现思路
本专利技术的实施例提供了一种图像的兴趣点的描述向量的计算方法和装置，以降低图像的兴趣点的描述向量的计算的复杂度，提高生成兴趣点的描述向量的生成速度。一种图像的兴趣点的描述向量的计算方法，包括在兴趣点所在的高斯尺度空间中选取窗体区域，将所述窗体区域划分为设定数量 个子区域，在每个子区域中选取设定数量个的采样点，计算出每个采样点的位置坐标和导 数坐标；将所述每个子区域划分为设定数量个分区域，根据所述设定数量个分区域的划分 方法所对应的计算方法和所述每个采样点的位置坐标和导数坐标，计算得到每个子区域对 应的描述向量因子；将所有子区域对应的描述向量因子进行综合，得到所述兴趣点的描述向量。一种图像的兴趣点的描述向量的计算装置，包括坐标计算模块；用于在兴趣点所在的高斯尺度空间中选取窗体区域，将所述窗体 区域划分为设定数量个子区域，在每个子区域中选取设定数量个的采样点，计算出每个采 样点的位置坐标和导数坐标；描述向量因子计算模块，用于将所述每个子区域划分为设定数量个分区域，根据 所述设定数量个分区域的划分方法所对应的计算方法和所述每个采样点的位置坐标和导 数坐标，计算得到每个子区域对应的描述向量因子；描述向量计算模块，用于将所有子区域对应的描述向量因子进行综合，得到所述 兴趣点的描述向量。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例通过将采样点所 在的第一个子区域划分为设定数量个分区域，计算每个采样点对应的描述向量因子。从而 实现明显降低了图像的兴趣点的描述向量的计算量，降低图像的兴趣点的描述向量的计算 的复杂度，提高生成兴趣点的描述向量的生成速度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他 的附图。图1为本专利技术实施例一提供的一种图像的兴趣点的描述向量的计算方法的处理 流程图；图2为本专利技术实施例一提供的一种尺度空间图像的获取过程示意图；图3为本专利技术实施例一提供的一种DOG检测方法的处理过程示意图；图4为本专利技术实施例一提供的一种第一个兴趣点的主方向的计算过程示意图；图5为本专利技术实施例一提供的一种第一个兴趣点周围选取的窗体区域和进行位 移变换后的窗体区域的对比示意图；图6为本专利技术实施例一提供的一种将第一个采样点所在的子区域划分为6区域的 示意图；图7为本专利技术实施例一提供的一种将第一个采样点所在的子区域划分为4区域的 示意图8为本专利技术实施例一提供的一种将第一个采样点所在的子区域划分为8区域的 示意图；图9为本专利技术实施例二提供的一种图像的兴趣点的描述向量的计算装置的结构 示意图。具体实施例方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例 中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面将结合附图以几个具体实施例为例做进一步 的解释说明，且各个实施例并不构成对本专利技术实施例的限定。实施例一该实施例提供的一种图像的兴趣点的描述向量的计算方法的处理流程如图1所 示，包括如下的处理步骤步骤11、用高斯函数和原始图像进行卷积运算得到尺度空间图像。输入待处理的原始图像，用一序列不同方差的高斯函数和上述原始图像进行卷积 运算，得到一序列的尺度空间图像。该实施例提供的一种上述尺度空间图像的获取过程如图2所示。在图2中，I为 原始图像，首先用高斯函数G( δ 1) ( δ 1 = 1. 6)和I进行卷积，得到尺度空间图像I1, I1 =I 氺氺G ( δ 1)；然后，用高斯函数G(52) ( 5 2=1.6万)和1进行卷积，得到尺度空间图像12，12 =I**G( δ 2)。上述卷积处理过程相当于对原始彩色图像进行平滑处理。步骤12、采用DOG (Difference of Gaussian，高斯差分尺度)检测方法得到高斯 尺度空间上的特征点和兴趣点。根据上述尺度空间图像和原始图像，用DOG检测方法得到尺度空间图像上的兴趣 点。该实施例提供的一种上述DOG检测方法的处理过程示意图如图3所示，该处理过程主 要包括用原始图像I和尺度空间图像I1通过DOG检测方法进行高斯差分运算，得到包括 9个特征点的第一高斯尺度空间；用尺度空间图像I1和尺度空间图像I2通过DOG检测方法 进行高斯差分运算，得到包括9个特征点的第二高斯尺度空间；用尺度空间图像I2和尺度 空间图像I3通过DOG检本文档来自技高网...

【技术保护点】
１．一种图像的兴趣点的描述向量的计算方法，其特征在于，包括：在兴趣点所在的高斯尺度空间中选取窗体区域，将所述窗体区域划分为设定数量个子区域，在每个子区域中选取设定数量个的采样点，计算出每个采样点的位置坐标和导数坐标；将所述每个子区域划分为设定数量个分区域，根据所述设定数量个分区域的划分方法所对应的计算方法和所述每个采样点的位置坐标和导数坐标，计算得到每个子区域对应的描述向量因子；将所有子区域对应的描述向量因子进行综合，得到所述兴趣点的描述向量。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘从新，杨杰，冯德赢，牛彩卿，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：94