本发明专利技术提供了一种用于图像特征处理的RATMIC描述子的构造方法，包括：用仿射不变性检测子提取特征点、兴趣区域归一化、动态划分子区域、构造子区域描述子、构造RATMIC描述子。具有抗仿射变换、能很好地应对单应性亮度变化、高可重复率和准确率、高效的优点。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别涉及一种用于图像特征处理的描述子的构造方法。
技术介绍
长久以来，机器视觉认知一直是人们研究的热点，它是研究使用机器或计算机智能的认知周围物体的科学。然而，即使是一个非常简单的物体，要使用机器或计算机去识别它都是一件十分不容易的事。其中，最为关键的莫过于是物体特征的表示或描述，也就是说，究竟提取何种特征以及如何提取这些特征才能有效的区分不同物体。局部不变性特征的出现，为解决这一问题的提供了希望，它作为一种十分有效的手段已被成功地应用到广泛的领域和系统中，包括宽基线匹配、物体检测和识别、纹理识别、场景分类、机器人漫游和视觉数据挖掘等。在图像不变性特征的提取中，Harris角点检测子通过计算二次矩矩阵的特征值来判断曲线的曲率，进而检测角点。Hessian检测子利用Hessian矩阵提取图像特征，主要响应角点和很强的纹理区域。然而Harris角点检测子和Hessian检测子不具备仿射不变性。因此，Krystian Mikolajczyk等人在自动尺度选择理论和二阶矩开方运算的基础上实现了带仿射不变性的Harris角点检测子和Hessian检测子。MSER(MaximalIy StableExtremal Region)利用最大稳定极值区域的概念实现了具备仿射不变性的斑点区域检测。FAST (Features from Accelerated Segment Test)在 AST 标准的基础上，通过机器学习的方法建立判定树，从而进行角点检测，还可以通过在源图像上建立图像金字塔使其具备尺度不变性。然而，FAST角点检测子只能同时有效应对某一类场景的角点检测。为了使FAST角点检测子更具普遍性，Elmar Mair等人通过建立两棵头尾相连的判定树使AST标准能更有效地应对不同场景的角点检测，即AGAST(Adaptive and Generic Accelerated SegmentTest)。在图像不变性特征提取和描述的研究领域中，SIFT算法作为经典的算法。它不仅具备了尺度不变性，并且对仿射变换、亮度变换和图像投影变换具有鲁棒性，而且是后续多种不变性特征提取和描述算法的前期基础，思路源泉和对比依据。但是SIFT算法存在下述的三点不足:一、构造时间消耗大在Intel Core 2 Duo CPU 2.1OGHz实验环境下利用SIFT算法对大小为680 X 850的图像进行9596个兴趣点的提取与描述的时间消耗比例图，整个过程耗时9298毫秒；最耗时的过程一个是主方向的估计，另一个是描述子的构造，这两个过程总共占了 75%以上的时间；时间主要消耗在对兴趣区域内所有像素点进行梯度大小和方向的计算；确定主方向时，需要对兴趣区域进行旋转，其中涉及多次双线性插值计算，而SIFT描述子的构造在计算梯度时又必须与高斯概率密度函数相乘，增加了 SIFT算法的计算量；通过上述分析，可以看出SIFT描述子的构造是非常耗时的，不适用于实时性设备；二、只能有效应对均匀线性亮度变化SIFT算法依赖着兴趣区域内采样点的梯度计算，当图像发生相同增量的亮度变化时，即原图像所有像素点的像素值从I (x，y)变成I(x，y) + A时，由于增量A相同，在计算梯度时，刚好相互抵消，因此SIFT算法对等增量亮度变化具有不变性；SIFT算法为了应对缩放亮度变化，即像素值从I (x，y)变成k*I (x, y)，SIFT算法通过将描述子向量进行欧氏距离单位化，实现亮度缩放变化不变性，由于以上两种亮度变化合成了均匀线性亮度变化，即图像所有像素点同时发生相同的线性亮度变化，因此，SIFT算法能够有效地应对线性亮度变化，即像素值从I (x，y)变成k*I(x，y) + A ;但是当图像发生非均匀亮度变化f (x, y)*I (x, y) +A (x, y)时,梯度计算无法抵消非均勻亮度变化,从而影响到SIFT描述子的构造，从而进一步影响SIFT算法的性能；而这种非均匀亮度变化又是不同角度拍摄物体时经常发生的，所以SIFT算法对于亮度变化的鲁棒性具有一定局限性，不适用于非均匀亮度变化情况下的图像匹配；三、固定地划分子区域降低了准确率SIFT描述子在构造时，为了充分利用空间信息，把兴趣区域划分成固定子区域，最后将各个子区域的描述子向量串联起来形成SIFT描述子；SIFT算法为了具备旋转不变性，在划分子区域前，将兴趣区域旋转至兴趣区域的主方向；而SIFT算法又是通过统计兴趣区域内所有点的梯度方向确定兴趣区域的主方向，这种方法在Bin Fan等人的文献中被证明是不稳定的，同时也是描述子误差的主要来源；因此这种固定划分子区域方法降低了准确率。SURF算法用积分图像和哈尔小波变换近似SIFT，从而比SIFT更具有高效性，但是在性能上逊于SIFT算法。ORB算法综合了 FAST检测子和BRIEF描述子，获得了比SIFT快2个数量级，比SURF快I个数量级的速度。由于ORB算法通过计算图像中心矩获得图像旋转鲁棒性，这种方法计算量小，减少ORB算法消耗的时间，但是在图像旋转角度较大以及视角不同的图像对中性能较差。DAISY描述子通过建立梯度方向和位置的直方图获得了较好的性能，但由于建立在梯度计算的基础上，只能有效处理线性亮度变化，以及DAISY描述子向量维度较大，增加了它的时间、空间消耗。RIFF (Rotation-1nvariant Fast Feature)描述子通过将梯度计算的X，I坐标转化为半径方向r和切线方向t具备了真正的旋转不变性，但其计算量较大。CARD (Compact And Real-time Descriptors)描述子通过建立查询表极大地压缩了 SIFT算法的构造时间，但性能上仍然不如SIFT算法。为了应对复杂的亮度变换，LBP(Local Binary Pattern)描述子利用了采样点的亮度排序信息，但由于LBP描述子维度较高，Heikkila结合了 SIFT算法和LBP描述子建立了中心对称的LBP描述子，即CS-LBP (Center Symmetric Local Binary Patterns)描述子。在 CS-LBP 描述子的基础上，Raj Gupta等人提出了 CS-LTP (Center Symmetric Local Ternary Patterns)描述子，在像素亮度值对比时设置一个“死区”，更好地应对噪声引起的像素值波动。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种抗仿射变换、能很好地应对单应性亮度变化、高可重复率和准确率、高效的用于图像特征处理的RATMIC描述子的构造方法。为了达到上述目的，本专利技术采用如下的技术方案:一种用于图像特征处理的RATMIC描述子的构造方法，其特征在于，包括下述步骤:第一步，采用带仿射不变性的检测子进行检测，获得兴趣点P(x，y)和兴趣点P(x, y)所在椭圆的三个参数a、b、c,以兴趣点P(x, y)为中心、并由参数a、b、c根据椭圆公式ax2+2bxy+cy2=l确定一个椭圆,将所述椭圆内的每个像素点作为初始采样点X(xK, xL)；第二步，将椭圆通过归一化函数映射到半径为R的圆形的兴趣区域，即通过归一化函数将椭圆内初始采样点X(xK，xj本文档来自技高网...
【技术保护点】
一种用于图像特征处理的RATMIC描述子的构造方法，其特征在于，包括下述步骤：第一步，采用带仿射不变性的检测子进行检测，获得兴趣点P(x，y)和参数a、b、c，以兴趣点P(x，y)为中心、由椭圆公式ax2+2bxy+cy2=1确定一个椭圆，将所述椭圆内的每个像素点作为初始采样点X(xR，xL)；第二步，将椭圆通过归一化函数映射到半径为R的圆形的兴趣区域，即通过归一化函数将椭圆内初始采样点X(xR,xL)变成兴趣区域内的采样点C(x′R,x′L)；其中，归一化函数为xR′=MR1/2xR,xL′=ML1/2xLM=abbc;第三步，将兴趣区域内所有采样点按照亮度值大小进行非递减排序形成采样点序列，然后将采样点序列平均分成k个区间，不同区间按照亮度值排序结果对应着不同子区域，每个区间的采样点映射到相应的子区域，从而把兴趣区域划分成k个子区域；第四步，以采样点C为中心，在兴趣点P和采样点C连成的射线PC上截取长为2l的线段作为对角线，来组成一个四个顶点为C1、C2、C3、C4的正方形；该正方形在射线PC上有顶点为C1和C3，C1～C4逆时针排列；将C1～C4的亮度值按照逆时针方向两两依次比较；或者将C1～C4按逆时针方向两两依次比较，比较时将前一个点的亮度值和后一点的亮度值与阈值T的和进行比较，得出大则为1，小则为0的比较结果Q1～Q4；令I4＝{(I1,I2,I3,I4),Ii∈R}表示采样点C四个邻近点Ci(i=1,...,4)亮度组成的四维向量，Q4={(Q1,Q2,Q3,Q4),Qi∈{0,1}}表示比较后形成的0、1序列；映射η：I4→Q4；映射γ:Q4→N，N=Q1×20+Q2×21+Q3×22+Q4×23；映射φ:R1→{0,1}2p-1,φ(N)=(0,...,0,1N,0,...,0);构造子区域描述子函数RATMIC(x)=φ(N)=(0,...,1γ(η(x)),...,0);第五步，通过RATMIC描述子构造函数，构造RATMIC描述子；RATMIC描述子构造函数为RATMIC_descriptor=(desc(1),desc(2),...,desc(k))desc(j)=Σx∈SubRegion(j)RATMIC(x)....
【技术特征摘要】
1.一种用于图像特征处理的RATMIC描述子的构造方法，其特征在于，包括下述步骤: 第一步，采用带仿射不变性的检测子进行检测，获得兴趣点P(x，y)和参数a、b、c，以兴趣点P(x, y)为中心、由椭圆公式ax2+2bxy+cy2=l确定一个椭圆,将所述椭圆内的每个像素点作为初始采样点X (xK, X1)； 第二步，将椭圆通过归一化函数映射到半径为R的圆形的兴趣区域，即通过归一化函数将椭圆内初始采样点X(xK，xj变成兴趣区域内的采样点C(x' K，x' L)； 其中，归一化函数为p b')2.根据权利要求1所述的用于图像特征处理的RATMIC描述子的构造方法，其特征在于，所述第四步的正方形上的四个顶点为C1X2X3X4的排列顺序是:射线PC上的远离兴趣点P的顶点为C1，并将正方形上的其它顶点逆时针依次为CfC4。3.根据权利要求2所述的用于图像特征处理的RATMIC描述子...
【专利技术属性】
技术研发人员：康文雄，黄泽毅，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
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。