基于DWT的自适应特征点提取和图像匹配制造技术

本发明专利技术涉及基于DWT(离散小波变换)的自适应特征点提取和图像匹配的方法、装置和计算机程序产品。在本发明专利技术中，采用haar小波对图像进行DWT分解。对分解后的低频部分进行特征提取来获得特征点及其相关的特征向量。最后，利用两个图像各自的特征点及其相关的特征向量对两个图像进行图像匹配。

【技术实现步骤摘要】

本专利技术涉及基于DWT (离散小波变换)的自适应特征点提取和图像匹配的方法、装置和计算机程序产品。
技术介绍
基于内容的图像检索CBIR(content based image retrieval)是图像研究领域的热点问题之一。早期的CB^方法，利用诸如颜色、纹理、形状等图像的底层特征进行图像检索，这些方法都是对图像底层的信息进行描述，虽然能够达到一定的效果，但是都不能详细的描述图像的尺度的缩放、移动、旋转、仿射等特性。因此几年来特征点提取算法及其应用成为了图像处理领域中的一个研究热点。本专利技术的思想是把图像看作一种信号流，一般信号的稳定部分包含图像的主要特征，它处于信号的低频部分，而高频部分包含了图像的噪声和图像对尺度变换不稳定的边缘信息，因此首先利用DWT变换把图像进行多级分解，提取子图像的低频信息，从而把图像进行压缩，并且滤除了产生边缘效应的不稳定点的边缘点，然后对图像进行特征提取，这样可以得到数量少且更稳定的特征点。试验证明我们的方法提取的特征点更稳定，对各种几何变换的适应性更强，并且匹配精度更高，匹配速度更快。附图说明图1示出了根据本专利技术的一个实施例的图像处理系统；图2示出了根据本专利技术的一些实施例的基于DWT的自适应特征点提取和图像匹配的流程图3示出了根据本专利技术的一些实施例的基于DWT的自适应特征点提取和图像匹配装置；图4示出了根据一些实施例的一种基于DWT的自适应特征点提取和图像匹配装置的细节；以及图5是根据本专利技术的一些实施例的DWT变换的图示。具体实施方式现在参考附图来描述各种方案。在以下描述中，为了进行解释，阐述了多个具体细节以便提供对一个或多个方案的透彻理解。然而，显然，在没有这些具体细节的情况下也能够实现这些方案。如在本申请中所使用的，术语“组件”、“模块”、“系统”等等旨在指代与计算机相关的实体，例如但不限于，硬件、固件、硬件和软件的组合、软件，或者是执行中的软件。例如， 组件可以是但不限于在处理器上运行的进程、处理器、对象、可执行体(executable)、执行线程、程序、和/或计算机。举例而言，运行在计算设备上的应用程序和该计算设备都可以是组件。一个或多个组件可以位于执行进程和/或者执行线程内，并且组件可以位于一台计算机上和/或者分布在两台或更多台计算机上。另外，这些组件可以从具有存储在其上的各种数据结构的各种计算机可读介质执行。组件可以借助于本地和/或远程进程进行通信，例如根据具有一个或多个数据分组的信号，例如，来自于借助于信号与本地系统、分布式系统中的另一组件交互和/或者与在诸如因特网之类的网络上借助于信号与其他系统交互的一个组件的数据。图1示出了根据本专利技术的一个实施例的图像处理系统100。装置101为图像采集设备，用于依据现有技术中已知的任何图像采集技术来获取待处理的图像，所采集的图像可以经由通信装置直接传送给图像处理装置103，或者可以存储在存储装置105中以待后续处理。在本专利技术的一个实施例中，图像采集装置101直接在用户所访问的网页上获取与网页相关联的图像。由图像采集设备101所采集到的图像通过通信装置102以有线和/或无线的方式传送至图像处理装置103，该图像处理装置103对接收到的图像进行基于DWT的自适应特征点提取和图像匹配，以检测原图和目标图像的匹配相似程度。但是应该理解，图像处理装置 103还可以对输入图像进行其它各种处理，例如图像去噪、图像配准、模式识别等等。图像处理装置103可以用通用处理器、数字信号处理器(DSP)、专用集成电路 (ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件或者设计为执行本文所述功能的其任意组合，来实现或执行。通用处理器可以是微处理器，但是可替换地，该处理器也可以是任何常规的处理器、控制器、微控制器或者状态机。处理器也可以实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器的组合、一个或多个微处理器与DSP内核的组合或者任何其它此种结构。另外，至少一个处理器可以包括可操作以执行上述的一个或多个步骤和/或操作的一个或多个模块。当用ASIC、FPGA等硬件电路来实现图像处理装置103时，其可以包括被配置为执行各种功能的各种电路块。本领域技术人员可以根据施加在整个系统上的各种约束条件来以各种方式设计和实现这些电路，来实现本专利技术所公开的各种功能。例如，用ASIC、FPGA等硬件电路实现的图像处理装置103可以包括用于基于DWT的自适应特征点提取和图像匹配的电路及/或其它电路模块，其用来依据本文公开的各种基于DWT的自适应特征点提取和图像匹配方案来对输入图像执行图像匹配。本领域技术人员应该可以理解和认识到，本文所述的图像处理装置103可选地可以包括除用于基于DWT的自适应特征点提取和图像匹配的电路之外的其它任何可用电路模块，例如被配置为进行边缘检测、图像配准、模式识别的任何电路模块。以下结合图3的流程图详细描述了滤波器电路所实现的功能。图像存储装置105可以耦合至图像采集设备101及/或图像处理装置103，以存储图像采集设备101所采集的原始数据及/或经过图像处理装置103处理后的输出图像。图2示出了根据本专利技术的一些实施例的基于DWT的自适应特征点提取和图像匹配的流程图。在步骤201中，输入待处理的二维图像。在实施例中，待输入的二维图像可以来自图像采集装置101或图像存储装置105。在步骤202中，利用DWT变换对所述二维图像进行N级分解，得到所述二维图像的低频部分。同时参考图5。在本专利技术的一个实施例中，使用Haar小波的离散小波变换(DWT) 对二维图像进行小波分解。在图5中的(b)中示出了对二维图像进行一级小波分解的图示， 其中LLl为该图像的低频部分。在图5中的(c)中示出了一级小波分解的低频部分进行进一步小波分解从而得到二级小波分解的图示，其中LL2为该二维图像的二级DWT分解的低频部分。如图1所示的，输入的二维图像经过DWT变换生成了图像的低频分量(LL1)，图像垂直分量(LHl)，图像的水平分量(HLl)，图像的对角分量(HHl)。由于LLl中包含了图像大量的能量和主要特征，LH1，HL1和HHl部分包含了图像较多的垂直边缘信息，水平边缘信息等细节信息并且这些细节信息会在特征点提取中产生边缘效应问题。另外，二级分解中的低频部分LL2与LLl相比，包含更少的能量和主要特征。在本专利技术的实施例中，采用DWT的一级分解得到的LLl部分，或者DWT的一级分解得到的LL2部分来进行接下来的特征点提取处理。在步骤203中，对所述低频部分进行特征提取，从而得到多个特征点。具体而言，该步骤203主要有以下几个子步骤(c. 1)基于所述二维图像的所述低频部分(LLl或LL2)，产生多尺度的差分空间D (X，y，k σ ) = *Ι (χ, y)其中，k为固定的系数，I(x，y)为所述二维图像的所述低频部分，G为高斯函数， ο为尺度因子，并且可以根据实际情况采取多个值以便实现对图像的多尺度分析。(c. 2)在所述差分空间中进行候选特征点检测，其中，将每一个待检测点和同一尺度的8个相邻点(即3*3邻域中的8个相邻点)和上下相邻尺度对应的肿2个(即相应的 9个3*3邻域点)本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：张萌萌，李泽明，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：