基于主成分析的数字图像的特征提取与匹配方法及装置制造方法及图纸

基于主成分析的数字图像的特征提取与匹配方法及装置，属于图像分析技术领域。所述的方法包括如下步骤：1）尺度空间极值点检测；2）定位极值点；3）极值点方向分配：4）PCA降维及图像特征描述子的生成；5）相似性度量的判定及特征匹配；所述的装置主要包括：数值预处理模块、特征点提取模块、特征点匹配模块。本发明专利技术比原有的SIFT特征提取与匹配算法具有更高的精确度与匹配速度，本发明专利技术可直接应用于基于内容的数字图像检索、基于内容的数字视频检索、数字图像融合、超分辨率图像重建等机器视觉领域。

【技术实现步骤摘要】

本专利技术涉及一种数字图像的特征提取与匹配方法及装置。
技术介绍
主成分析(Principal Component Analysis, PCA),又称主分量分析。是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。该方法是一种将多个相关的变量转化为少数几个独立的变量的有效分析方法，通过减少通道间的依赖性而达到减少数据的通道或子带的目的。特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。数字图像特征提取是基于内容的图像检索的关键步骤。目前，针对于特征提取的方法有很多，其中多数方法是基于颜色、纹理、形状或空间关系。颜色特征是全局特征，对丰富的区域对象详细信息并不敏感；而纹理特征易受光照和仿射变化的影响；当物体旋转、缩放或变形时，形状特征和空间关系特征不会捕捉精确的特征点。Harris角检测算法对图像的尺度变化非常敏感，不适合匹配不同尺寸下的图像。尺度不变特征变换(ScaleInvariant Feature T本文档来自技高网...

【技术保护点】
基于主成分析的数字图像的特征提取与匹配方法，其特征在于：其包括下述步骤:?1）尺度空间极值点检测：?首先使用原始图像与可变尺度的高斯函数进行卷积，生成多尺度空间图像；然后，使用高斯差分(Difference?of?Gaussian，DoG)函数与原始图像进行卷积，生成高斯差分图像序列；在高斯差分图像序列中，对比每个当前像素与3×3邻域的当前尺度和相邻尺度共26个像素点的最大、最小值，得到原始图像的极值点；?2）定位极值点：?确定原始图像的极值点以后，通过使用尺度空间的三维二次函数拟合当地的采样点，将高斯差分图像序列中的DoG算子展开为泰勒展开式：?其中X=(x,y,σ)T；x、y为原始图像坐标...

【技术特征摘要】
1.基于主成分析的数字图像的特征提取与匹配方法，其特征在于:其包括下述步骤: 1)尺度空间极值点检测: 首先使用原始图像与可变尺度的高斯函数进行卷积，生成多尺度空间图像；然后，使用高斯差分(Difference-of-Gaussian, DoG)函数与原始图像进行卷积，生成高斯差分图像序列；在高斯差分图像序列中，对比每个当前像素与3X3邻域的当前尺度和相邻尺度共26个像素点的最大、最小值，得到原始图像的极值点； 2)定位极值点: 确定原始图像的极值点以后，通过使用尺度空间的三维二次函数拟合当地的采样点...

【专利技术属性】
技术研发人员：王卓峥，贾克斌，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：